Upgrade to Pro — share decks privately, control downloads, hide ads and more …

NLPを活用したオンボーディング改善とコールドスタート問題への対策

 NLPを活用したオンボーディング改善とコールドスタート問題への対策

2022/10/14に開催されたPyCon JP 2022 で発表した資料です。
https://2022.pycon.jp/

ご質問などはTwitterのDMで受け付けています
https://twitter.com/takapy0210

Takanobu Nozawa

October 14, 2022
Tweet

More Decks by Takanobu Nozawa

Other Decks in Technology

Transcript

  1. ▪アジェンダ 1. 自己紹介・コネヒトやプロダクトの紹介 2. 前提知識の共有 → オンボーディングやコールドスタート問題など 3. オンボーディング改善に取り組んだ背景 4.

    トピックモデリングを活用したオンボーディング改善 5. node2vecを活用した推薦アイテムの計算 6. 本施策の結果 7. まとめと今後の展望
  2. ▪自己紹介 名前:野澤 哲照(Nozawa Takanobu) 所属:コネヒト株式会社   :たかぱい@takapy0210 • ML Engineer, ML

    PdM(見習い)として、機械学習のサービス導入を 軸に、機械学習基盤や機械学習モデル, APIの開発をしたりしています • ビジネスと機械学習を紐付けながら、どのようにインパクトを出すか に興味があります • 友人とPodcast配信してます wipfm
  3. ▪Graph Embeddingとは グラフをベクトル空間に落とし込む手法のことで、埋め込みの手法は 大きく以下の2つに分けられる • ノード埋め込み • グラフ埋め込み 今回は「node2vec: Scalable

    Feature Learning for Networks」とい う論文で提案されたnode2vecというアプローチを用いて、前述した 「タグ」の埋め込み表現を計算した 参考論文:node2vec: Scalable Feature Learning for Networks 参考文献:Graph Embeddings — The Summary.
  4. ▪まとめと今後の展望 • オンボーディング改善施策に機械学習を活用 ◦ トピックモデリングによるユーザー興味の抽出 ◦ node2vecによる推薦アイテムの計算 • ABテストの結果、ルールベースと比較してRelative CTRが1.5倍程

    度向上し100%リリースへ • 今後は、新鮮なアイテムを重み付けしたロジックの検証や、興味 タグを既存のレコメンデーションロジックに組み込む検証などを 実施したい
  5. ▪参考文献 • 7 Reasons Why Mobile Onboarding Is Your App’s

    80/20 | Apptimize ◦ https://apptimize.com/blog/2016/02/80-20-onboarding/ • node2vec: Scalable Feature Learning for Networks ◦ https://arxiv.org/abs/1607.00653 • Graph Embeddings — The Summary ◦ https://towardsdatascience.com/graph-embeddings-the-summary-c c6075aba007 • Baseline Needs More Love: On Simple Word-Embedding-Based Models and Associated Pooling Mechanisms ◦ https://arxiv.org/abs/1805.09843 • node2vecの論文紹介 ◦ https://recruit.gmo.jp/engineer/jisedai/blog/node2vec/