Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ZOZOTOWNでの推薦システム活用事例の紹介
Search
tera
November 04, 2024
Technology
1
1.9k
ZOZOTOWNでの推薦システム活用事例の紹介
2024/10/28 @生成AI Conf - AIレコメンドシステムの最前線を語る
tera
November 04, 2024
Tweet
Share
More Decks by tera
See All by tera
ZOZOTOWNのホーム画面をパーソナライズすることの難しさと裏話を語る
f6wbl6
1
2.1k
Other Decks in Technology
See All in Technology
CQRS/ESになぜアクターモデルが必要なのか
j5ik2o
0
1k
Data Hubグループ 紹介資料
sansan33
PRO
0
2.6k
Java 25に至る道
skrb
3
220
#22 CA × atmaCup 3rd 1st Place Solution
yumizu
1
210
みんなでAI上手ピーポーになろう! / Let’s All Get AI-Savvy!
kaminashi
0
110
「リリースファースト」の実感を届けるには 〜停滞するチームに変化を起こすアプローチ〜 #RSGT2026
kintotechdev
0
950
Contract One Engineering Unit 紹介資料
sansan33
PRO
0
12k
2025年の医用画像AI/AI×medical_imaging_in_2025_generated_by_AI
tdys13
0
340
あの夜、私たちは「人間」に戻った。 ── 災害ユートピア、贈与、そしてアジャイルの再構築 / 20260108 Hiromitsu Akiba
shift_evolve
PRO
0
650
[PR] はじめてのデジタルアイデンティティという本を書きました
ritou
1
810
フルカイテン株式会社 エンジニア向け採用資料
fullkaiten
0
10k
迷わない!AI×MCP連携のリファレンスアーキテクチャ完全ガイド
cdataj
0
520
Featured
See All Featured
YesSQL, Process and Tooling at Scale
rocio
174
15k
Joys of Absence: A Defence of Solitary Play
codingconduct
1
270
The B2B funnel & how to create a winning content strategy
katarinadahlin
PRO
0
240
Building Applications with DynamoDB
mza
96
6.9k
Build your cross-platform service in a week with App Engine
jlugia
234
18k
Future Trends and Review - Lecture 12 - Web Technologies (1019888BNR)
signer
PRO
0
3.2k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.7k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
The Director’s Chair: Orchestrating AI for Truly Effective Learning
tmiket
1
75
Breaking role norms: Why Content Design is so much more than writing copy - Taylor Woolridge
uxyall
0
130
Leveraging Curiosity to Care for An Aging Population
cassininazir
1
150
Navigating Weather and Climate Data
rabernat
0
71
Transcript
ZOZOTOWNでの推薦システム 活用事例の紹介 株式会社ZOZO 技術本部 データシステム部 推薦基盤ブロック ブロック長 寺崎 優希 Copyright
© ZOZO, Inc. 1 2024/10/28 @生成AI Conf - AIレコメンドシステムの最前線を語る
© ZOZO, Inc. 株式会社ZOZO 技術本部 データシステム部 推薦基盤ブロック ブロック長 技術本部 データサイエンス部
推薦研究ブロック ブロック長 寺崎 優希 最高のZOZOTOWNを作るために2つの推薦系チームの リーダーを兼務しています。 先々週RecSys2024 in Bariに参加して推薦システムの最 先端に触れてきました。 趣味は鳥貴族です。 2 渡航前日に購入したネックピローで快眠している図
© ZOZO, Inc. https://zozo.jp/ 3 • ファッションEC • 1,600以上のショップ、9,000以上のブランドの取り扱い •
常時102万点以上の商品アイテム数と毎日平均2,600点以上の新着 商品を掲載(2024年6月末時点) • ブランド古着のファッションゾーン「ZOZOUSED」や コスメ専門モール「ZOZOCOSME」、シューズ専門ゾーン 「ZOZOSHOES」、ラグジュアリー&デザイナーズゾーン 「ZOZOVILLA」を展開 • 即日配送サービス • ギフトラッピングサービス • ツケ払い など
© ZOZO, Inc. 4 本日お話しすること・しないこと 話すこと • ZOZOTOWN にまつわる推薦システムの変遷 •
様々な推薦システムの開発に至った経緯など 話さないこと • 推薦システムの技術的な話 ◦ (例). 使用している ML モデルの詳細, システムアーキテクチャの詳細, etc.
© ZOZO, Inc. 5 ZOZOTOWNの推薦システム3選 1. 商品詳細面おすすめアイテム枠 2. ホーム面モジュール 3.
マーケティングオートメーション(MA)
© ZOZO, Inc. 6 ZOZOTOWNの推薦システム3選 1. 商品詳細面おすすめアイテム枠 2. ホーム面モジュール 3.
マーケティングオートメーション(MA)
© ZOZO, Inc. 7 1. 商品詳細面おすすめアイテム枠 - 機能概要 • ZOZOTOWN内の商品を押下した際の遷
移先ページの下部にある枠のこと • おすすめアイテム枠では詳細面で表示さ れている商品に基づく推薦商品が表示さ れる Scroll アプリ商品詳細面の例
© ZOZO, Inc. 8 1. 商品詳細面おすすめアイテム枠 - 考慮事項 • クエリ商品とユーザー行動ログを使って
おすすめアイテムを推薦する際に考慮す ることは多岐に渡る ◦ 最適化する指標と KPI ◦ 推薦アイテムの更新頻度 ◦ コールドスタートアイテムの取り扱い ◦ システム導入・運用コスト ◦ 秒間あたりのリクエスト数 ◦ レイテンシ ◦ etc. • ユーザーID • 過去に閲覧した商品のID等 クエリ商品 ユーザー行動ログ おすすめアイテム
© ZOZO, Inc. 9 1. 商品詳細面おすすめアイテム枠 - 推薦モデル変遷 • 〜2019年
◦ ルールベースの推薦ロジックをクエリで構築 ◦ バックエンドチームで管理する API で運用 • 2020年 ◦ 推薦モデルのML化を開始・ABテスト実施 w/Google Cloud ◦ 内製モデルの開発も開始 • 2021年 ◦ ABテストを繰り返すも鳴かず飛ばず • 2022年 ◦ Recommendations-AIをPC/SPに100%リリース • 2023年 ◦ Recommendations-AIをアプリに100%リリース • 2024年 ◦ 内製モデルをフォールバック用のモデルとして100%リリース
© ZOZO, Inc. 10 ZOZOTOWNの推薦システム3選 1. 商品詳細面おすすめアイテム枠 2. ホーム面モジュール 3.
マーケティングオートメーション(MA)
© ZOZO, Inc. 11 2. ホーム面モジュール - 機能概要 • ZOZOTOWNを起動した時に最初に開か
れるページ • モジュールと呼ばれる単位で施策ごとの 商品をグルーピングしている • ホーム面上部のモールタブと性別タブの 組み合わせで表示されるモジュールが異 なる モジュール scroll モール 性別
© ZOZO, Inc. 12 2. ホーム面モジュール - パーソナライズ内容 大きく分けて以下の2パターン 1.
モジュール内に表示される商品のパーソナライズ 2. モジュールの並び順をパーソナライズ
© ZOZO, Inc. 13 2. ホーム面モジュール - パーソナライズ内容 大きく分けて以下の2パターン 1.
モジュール内に表示される商品のパーソナライズ 2. モジュールの並び順をパーソナライズ 今人気のマストバイアイテム!! ユーザーA ユーザーB 今人気のマストバイアイテム!! 同じモジュール(=商品の訴求軸)でも 表示される商品がユーザーごとに異なる ・トレンドアイテム全般を好むユーザーAには広く浅く ・最近メガネを探しているユーザーBにはメガネや小物系を
© ZOZO, Inc. 14 2. ホーム面モジュール - パーソナライズ内容 大きく分けて以下の2パターン 1.
モジュール内に表示される商品のパーソナライズ 2. モジュールの並び順をパーソナライズ 今人気のマストバイアイテム!! ユーザーA ユーザーごとに表示されるモジュールと 並び順を変える ・トレンドアイテム全般を好むユーザーAにはトレンドを 押さえたモジュール ・小物をよく閲覧するユーザーBには雑貨系のモジュール いま羽織りたいライトアウター おうち時間を楽しむインテリア ユーザーB 今人気のマストバイアイテム!!
© ZOZO, Inc. 15 2. ホーム面モジュール - 事例1 • モジュール内に表示される商品のカテゴリーとブランドをパーソナライズ
• アップデートを加える度にA/Bテストを行い現在の形に 商品検索条件に推薦カテゴリー による絞り込みを決定 商品検索条件に推薦ブランドに よる絞り込みを追加 ルールベースによる 行動ログの集計 ML モデルによる 推薦ブランドの予測 ※上記はイメージ画像です チェックしたカテゴリーのおすすめアイテム ソックス/靴下 カテゴリー ブランド
© ZOZO, Inc. 16 2. ホーム面モジュール - 事例2 • ユーザーごとにモジュールが表示される順序をパーソナライズ
◦ サイト上に表示できるモジュール数には限りがあるため、N 件ある表示候補モジュールの中 から k 件選んでいる 今人気のマストバイアイテム!! いま羽織りたいライトアウター … • 今人気のマストバイアイテム!! • いま羽織りたいライトアウター • 着回し力抜群の厳選トップス • 秋冬カラーの注目アイテム • … 表示候補モジュール モジュール企画チーム 企画 & 入稿 計50件程度 ユーザー ZOZOTOWN上での 行動ログ データベース MLモデル 最適な 並び順を予測 計30~40件程度
© ZOZO, Inc. 17 ZOZOTOWNの推薦システム3選 1. 商品詳細面おすすめアイテム枠 2. ホーム面モジュール 3.
マーケティングオートメーション(MA)
© ZOZO, Inc. 18 3. マーケティングオートメーション(MA) - 概要 • メールやLINE、プッシュ通知等のコンテンツをパーソナライズする
• 役割分担は以下の通り ◦ コンテンツのパーソナライズ:推薦チーム ◦ 配信処理:MAチーム • 配信タイミングもユーザーごとにパーソナライズされている クーポンメールの イメージ
© ZOZO, Inc. 19 3. マーケティングオートメーション(MA) - 事例 運用されている推薦システムの一例 •
シューズアイテム推薦 ◦ シューズコンテンツを訴求 • ラグジュアリーアイテム推薦 ◦ ZOZOVILLA (ラグジュアリーアイテム) のコンテンツを訴求 • コスメアイテム推薦 ◦ コスメコンテンツを訴求 • クーポンショップ推薦 ◦ クーポン対象となっているショップを訴求 etc.
© ZOZO, Inc. 20 ZOZOTOWNの推薦システム年表 2019年 商品詳細面おすすめアイテム枠 ・推薦モデル導入検討開始 2020年 2021年
ホーム面 ・モジュール推薦用APIリリース MAシステム ・シューズ推薦リリース ・ラグジュアリアイテム推薦リリース 商品詳細面おすすめアイテム枠 ・内製モデル開発開始 ・A/Bテスト開始、長き戦いの始まり MAシステム ・推薦モデル開発開始 ・リテンション最適化モデルリリース 2022年 商品詳細面おすすめアイテム枠 ・Recommendations-AI リリース(PC/SP) ホーム面 ・第1弾パーソナライズモジュールリリース ・第2弾パーソナライズモジュールリリース MAシステム ・コスメ推薦リリース 2023年 商品詳細面おすすめアイテム枠 ・Recommendations-AI リリース(App) ホーム面 ・第3弾パーソナライズモジュールリリース MAシステム ・クーポンメール推薦リリース 2024年 商品詳細面おすすめアイテム枠 ・内製モデルリリース(for fallback) ホーム面 ・モジュール並び順パーソナライズリリース 20XX年 To Be Continued…
© ZOZO, Inc. 21 今後のZOZOTOWNの推薦システムが向かう先 • Beyond-accuracy metrics (e.g. 多様性,
新規性, etc.) を追求 ◦ ホーム面・商品詳細面など全ての場所で CTR 最適を目指せば良いのか? ◦ CTR 最適を目指したリターゲティング偏重な推薦は最高の UX か? • WEAR のデータを活用したクロスプラットフォーム・マルチドメイン推薦 ◦ ZOZOTOWN 上でのコーディネートの推薦・パーソナライズ ▪ いわゆる「こちらもいかがでしょうか?」でコーディネートを完成させる ▪ ZOZONEXT の「似合う」の研究と地続きにある • LLM による推薦体験の変革 ◦ e.g. サイト上の行動ログを元にユーザーのコンテキストを LLM で解釈する ▪ 検索機能との境界が曖昧になっていく
None