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
1.3k
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
1.3k
Other Decks in Technology
See All in Technology
WACATE2024冬セッション資料(ユーザビリティ)
scarletplover
0
330
KnowledgeBaseDocuments APIでベクトルインデックス管理を自動化する
iidaxs
1
280
Work as an App Engineer
lycorp_recruit_jp
0
360
なぜCodeceptJSを選んだか
goataka
0
180
コンテナセキュリティのためのLandlock入門
nullpo_head
2
330
Opcodeを読んでいたら何故かphp-srcを読んでいた話
murashotaro
0
320
TypeScript開発にモジュラーモノリスを持ち込む
sansantech
PRO
2
650
AWS環境におけるランサムウェア攻撃対策の設計
nrinetcom
PRO
0
170
re:Invent 2024 Innovation Talks(NET201)で語られた大切なこと
shotashiratori
0
320
pg_bigmをRustで実装する(第50回PostgreSQLアンカンファレンス@オンライン 発表資料)
shinyakato_
0
110
宇宙ベンチャーにおける最近の情シス取り組みについて
axelmizu
0
120
プロダクト開発を加速させるためのQA文化の築き方 / How to build QA culture to accelerate product development
mii3king
1
290
Featured
See All Featured
Practical Orchestrator
shlominoach
186
10k
Music & Morning Musume
bryan
46
6.2k
Java REST API Framework Comparison - PWX 2021
mraible
28
8.3k
Writing Fast Ruby
sferik
628
61k
Designing on Purpose - Digital PM Summit 2013
jponch
116
7k
Building Your Own Lightsaber
phodgson
103
6.1k
Done Done
chrislema
182
16k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
280
13k
Rebuilding a faster, lazier Slack
samanthasiow
79
8.7k
The World Runs on Bad Software
bkeepers
PRO
66
11k
Building Better People: How to give real-time feedback that sticks.
wjessup
366
19k
A Philosophy of Restraint
colly
203
16k
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