20251203DataScience_リクルート_西村様資料

2025-12-03に開催されたIBM TechXchange Summit Japan
Data Science (G609-4)
リクルート　西村 直樹 様による
ウェブマーケティング領域への数理最適化の応用
のスライド資料（公開版）です。

1. © Recruit Co., Ltd. All Rights Reserved ウェブマーケティング領域への 数理最適化の応用 株式会社リクルート 西村 直樹 IBM TechXchange Japan 2025年12月3日@東京国際フォーラム
2. © Recruit Co., Ltd. All Rights Reserved 2 2015年入社 人材・販促領域などのデータ関連 施策の開発・推進を担当 著書（共著） 「Pythonではじめる数理最適化」 2 株式会社リクルート プロダクト統括本部 データ推進室 氏名 所属 略歴 西村 直樹
3. © Recruit Co., Ltd. All Rights Reserved 3 リクルートグループの事業内容について マーケティング・マッチング・ テクノロジーSBU HRテクノロジーSBU 人材派遣SBU 国内派遣 海外派遣 選択・意思決定を支援する情報サービスを提供し、 「まだ、ここにない、出会い。より速く、シンプルに、もっと近くに。」を実現する ※一部サービスのみを記載
4. © Recruit Co., Ltd. All Rights Reserved 4 リクルートのビジネスモデルについて ユーザーとクライアントを新しい接点で結び、 「まだ、ここにない、出会い。より速く、シンプルに、もっと近くに。」の場を創造する リクルート マッチングプラットフォーム クライアントとユーザーを結びつける 対価としてクライアントからフィーを受領 ユーザー クライアント • リクルートにはユーザーとクライアントという2つのお客様が存在 • 「企業と人（B to C）」 「企業と企業（B to B）」 「人と人（C to C）」のす べての間に立ち、双方にとって最適なマッチングを図る「場」を提供
5. © Recruit Co., Ltd. All Rights Reserved 5 発表の構成 ⚫ 事例1 メール配信コンテンツの決定 ⚫ 事例2 ギフト券配信の割当決定 ⚫ まとめ
6. © Recruit Co., Ltd. All Rights Reserved 6 発表の構成 ⚫ 事例1 メール配信コンテンツの決定 ⚫ 事例2 ギフト券配信の割当決定 ⚫ まとめ
7. 7 事例1：メール配信コンテンツ最適化 ユーザーに対して配信候補 コンテンツの中から 1 つを 選択しEメールで配信 目的：コンテンツ経由の アクション（訪問者）数を最大化 ユーザー コンテンツ じゃらん HOT PEPPER グルメ HOT PEPPER Beauty
8. 1 WED 2 THU 3 FRI ⚫ 日ごとに配信するコンテンツを手動でスケジューリング ⚫ 全会員に対して同一の内容のメールが配信される → コンテンツに反応する人もいれば，そうでない人も多くいる 従来の配信方法 じゃらん HOT PEPPER グルメ HOT PEPPER Beauty じゃらん じゃらん HOT PEPPER Beauty HOT PEPPER Beauty HOT PEPPER グルメ HOT PEPPER グルメ 8
9. 理想的な配信方法 個々にとって関心の高いコンテンツのメールが 配信されアクション数が最大化される状態 従来の運用 理想の運用 9
10. 各ステークホルダのメリット ユーザー サービス 事業者 関心の高いメール が配信される 効率よくユーザー にリーチできる 全体効果最大化 RECRUIT じゃらん じゃらん ゴルフ SUUMO スタディ サプリ HOT PEPPER グルメ HOT PEPPER Beauty 10
11. 実務における制約条件の複雑さ 8% 6% 5% 7% 5% 4% 6% 4% 3% アクション予測モデル データに基づく予測 じゃらん HOT PEPPER グルメ HOT PEPPER Beauty 11
12. 実務における制約条件の複雑さ 8% 6% 5% 7% 5% 4% 6% 4% 3% アクション予測モデル 実務の制約条件 コンテンツAは •• 以上の アクション数を獲得したい コンテンツBは ✕✕ 通以下 しか配信できない コンテンツCはある期間に 集中的に配信をしたい データに基づく予測 じゃらん HOT PEPPER グルメ HOT PEPPER Beauty
13. 制約条件下で最適な組合せを発見するため数理計画法を活用 データに基づく予測 8% 6% 5% 7% 5% 4% 6% 4% 3% 予測に基づく意思決定 数理計画法 アクション予測モデル じゃらん HOT PEPPER グルメ HOT PEPPER Beauty
14. 膨大な数の配信パターン 配信：約 30 コンテンツ 対象数：数千万ユーザー … … 配信するか否かを考慮すると 約 2 数億 通り じゃらん じゃらん ゴルフ SUUMO スタディ サプリ HOT PEPPER グルメ HOT PEPPER Beauty じゃらん じゃらん ゴルフ SUUMO スタディ サプリ HOT PEPPER グルメ HOT PEPPER Beauty
15. 本コンテンツ配信最適化における課題 膨大な配信候補からビジネス上の制約条件を 満たしつつマッチング数を最大化するパターンを決定
16. 課題を素朴に数理計画問題として定式化 【全体の期待アクション数最大化】 【全体の期待費用は一定以下】 【各コンテンツの期待費用は一定以下】 【各コンテンツの期待費用は一定以上】 【各コンテンツの期待アクション数は一定以上】 【各コンテンツの配信数は一定以下】 【各コンテンツの配信数は一定以上】 【1 人への配信数は 1 日 一定数以下】 【配信するか否かを表す 0-1 変数】 約 数億 変数の組合せ最適化問題
17. 真正面から問題を解く 100 ユーザー 1000 ユーザー 1 万ユーザー 計算時間 約 14 時間 約 6 秒 約 287 秒 計算時間が指数関数的に増大し実務適用できない
18. 大規模な問題に対するアプローチ 複数ユーザーを纏めて 問題規模を縮小 最適解の保証がない 近似解法を用いる
19. 大規模な問題に対するアプローチ 複数ユーザーを纏めて 問題規模を縮小 最適解の保証がない 近似解法を用いる 各ユーザーで配信可能 なコンテンツが異なる それでも間に合わない 制約条件を満たせない
20. コンテンツ配信数とそれに伴う 期待費用・アクション数 が比例すると仮定 定式化の見直し：制約条件の集約 • 全体の期待費用の上限 • 各コンテンツの期待費用の上限 • 各コンテンツの配信数の上限 • 1 人への配信数は 1 日 一定数以下 期待費用・アクション数に関する 制約条件は配信数制約に集約可能 • 各コンテンツの期待費用の下限 • 各コンテンツの期待アクション数の下限 • 各コンテンツの配信数の下限 実務上の制約条件
21. 問題の再定式化 【全体の期待アクション数最大化】 【各コンテンツの配信数は一定以下】 【各コンテンツの配信数は一定以上】 【1 人への配信数は 1 日 一定以下】 【配信するか否かを表す 0-1 変数】 再定式化した問題は特別な性質（全ユニモジュラ性）を満たす → 元問題（組合せ最適化問題）より解きやすいクラスの問題 （線形計画問題）を解いても同じ解が得られる
22. 約 14 時間 約 287 秒 計算時間 約 7 秒 約 38 秒 約 708 秒 約 7 時間 100 万ユーザーに対しても 最適解が得られるように 再定式化された問題を解く 1000 ユーザー 1万 ユーザー 100万 ユーザー 10万 ユーザー
23. 並列処理による高速化 … … インスタンス 1 … 1 セット N セット … 問題を適切な粒度に分割し並列処理 →約30コンテンツ×数千万ユーザーの配信先決定が 約 3 時間 で実現 インスタンス M
24. 実務における制約条件を満たしつつ コンテンツとユーザーの相性を 考慮したコンテンツ配信を実現 完成したコンテンツ配信システム により従来の配信に比べて大幅に アクション数が増加 コンテンツ配信最適化システムの成果 ユーザー コンテンツ じゃらん HOT PEPPER グルメ HOT PEPPER Beauty
25. © Recruit Co., Ltd. All Rights Reserved 25 発表の構成 ⚫ 事例1 メール配信コンテンツの決定 ⚫ 事例2 ギフト券配信の割当決定 ⚫ まとめ
26. 事例2：ギフト券配信の割当決定 未経験ジャンルの利用を促す ため、特定ジャンルでのみ利用 が可能なギフト券を配信 目的：各ジャンルにおける 新規利用ユーザー数を最大化 エステメニューで使えるギフト券のイメージ（「ギフト券の見方を知りたい（期間・対象メニューなど）」から引用）
27. 要件 ・ユーザーに1度に配布する クーポンは多くとも2枚まで ・全ユーザーのクーポン利用額は 施策予算以下 （事例1と比較するとコンテンツ ごとの制約は存在しない） ギフト券配信のイメージ（1/2） ユーザー コンテンツ まつげ エステ ネイル リラク
28. ギフト券配信のイメージ（2/2） 各パターンを割り当てた ときの期待予約数 各ユーザーに11パターンのうち、どのパターンを割り当てるかを決定 1 まつげ、2 エステ、3 ネイル、4 リラク 5 まつげ_エステ, 6 まつげ_ネイル, 7 まつげ_リラク, 8 エステ_ネイル, 9 エステ_リラク, 10 ネイル_リラク 11 なにも配信なし 各パターンを割り当てた ときの期待費用
29. 問題の定式化 【全体の期待アクション数最大化】 【全体の配信での期待費用は一定以下】 【1 人へのパターンは1通り以下】 【配信するか否かを表す 0-1 変数】 変数 については3000万以上と問題規模は大きいが、 問題の構造はナップサック問題とよばれる典型問題となる → の大きい順に施策予算を使い切るまで 確率的に選択するような専用アルゴリズムを実装 CVRとBudgetは i,p のペアごとに事前に推定
30. ギフト券配信のシステムの成果 従来のギフト券配信と比較して、 同キャンペーン予算当たり新ジャンル 利用者数が、全てのジャンルで増 キャンペーン予算消費額が安定化 エステメニューで使えるギフト券のイメージ（「ギフト券の見方を知りたい（期間・対象メニューなど）」から引用）
31. © Recruit Co., Ltd. All Rights Reserved 31 発表の構成 ⚫ 事例1 メール配信コンテンツの決定 ⚫ 事例2 ギフト券配信の割当決定 ⚫ まとめ
32. まとめ：実務からの解法選択の指針 ウェブマーケティング領域での数理最適化の活用事例として、 汎用ソルバー (CPLEX) を利用した事例、専用解法を実装した事例の2例をご紹介 事例1（メール配信） 複雑な制約・頻繁な要件変更 → 汎用ソルバー 数式がそのままコードとなるため可読性が高く、属人化を防ぎやすい 事例2（ギフト券配信） シンプルな構造（ナップサック問題）・超大規模 → 専用解法を実装 問題構造に特化することで、計算リソースを最小限に抑えつつ高速化を実現 数理最適化導入のメリット 「最大化したい指標」と「守るべき制約」を分離して管理できるため、 ビジネス要件の変化に強いシステム構築が可能となる