新着Pick
728Picks
Pick に失敗しました

人気 Picker
わかりやすい良記事。

Amazonの初期技術はアイテムベース協調フィルタリングと呼ばれるもの。Netflix Prize (動画推薦コンテスト)で賞金1億円を獲得したチームはMatrix Factorization (行列分解法)をベースにして200程度のアルゴリズムを調合したハイブリッド方式。

いまの研究分野の話題はご多分に漏れずDNNをどう使うか。ただし、CNNやRNNではない別物。一緒に購入されたものの中からいかに高次元の関連性を学習させるか。

また、DeNAが展開するマンガボックスでは購入履歴だけでなく、「絵の雰囲気が似ている」漫画を推薦する機能を搭載して結構売上に貢献しているというのを講演会で伺いました。
アマゾンは個人に紐ついたレコメンドではなく、商品の類似性やバスケット分析による併売商品をリコメンドしているのですね。今のコンピュータパワーならもっとスマートに処理できるでしょう。

音声アシスタントのAlexaは商品ではなく個人に対して色々とアドバイスします。商品とは別のチームが開発しているのでしょうか。真髄はオープンにしていないような。
先日ネットフリックスの「おすすめ」について記事を出しましたが、今回はアマゾンのレコメンデーションの礎を作ったリンデン氏にお話を聞きました。文系の私にも分かりやすいよう噛み砕いて説明してもらいました。

良いレコメンデーションとは何かという問いに対して、私はユーザーの立場でしか考えてきませんでしたが、リンデン氏の話を聞き、ビジネスとして成り立たせるという視点の大切さを痛感しました。やっぱりこのレコメンデーションという分野は奥深い。今後も深堀りしていきたいです。
応用の効く考え方。
ユーザーではなく商品自体の類似性に着目する「アイテムを基調とした(item-based)協調フィルタリング」。

優れたレコメンデーションシステムが満たす要素
①タイムリーであること
②驚きはあるけれど、不可解ではないこと
③ユーザーの次の行動を読んでいること
超面白い!Amazonでの初期のレコメンデーションから、ユーザー数が増えていく中での変化や、Netflixのレコメンデーションとの比較(アイテム数の違い)、なにより下記の言葉はユーザー観点で本質的な部分が極めてきれいに言語化されていると感じる。

『優れたレコメンデーションシステムが満たす要素は、いくつかあると思います。
①タイムリーであること、②驚きはあるけれど、不可解ではないこと、③ユーザーの次の行動を読んでいること、などが挙げられます。』

そのなかで、何を扱うかによって、それぞれの具体が違うと思う。Amazonが扱う商材でも、新刊を買ったときと、歯ブラシを買った時だと、これらの条件の「文脈」が違う。新刊は他の新しいものか、関連する昔の名著が見たいと考えるかもしれないし、歯ブラシはついでに買う他の日用品を見たいとかかもしれない。
様々なアルゴリズムがあるし、これからも開発されていくだろうが、計算パワーとデータがあればレコメンデーションできる、といった世界ではないと思っている。いかに機械の世界で解決できるように、文脈や人間の感覚表現について課題設定をしていけるかがキー。
商品軸でレコメンドをすればよいと見つけたところがすごい。
優れたレコメンデーションシステムが満たす要素は、①タイムリーであること、②驚きはあるけれど、不可解ではないこと、③ユーザーの次の行動を読んでいること
商品ベース(Item-Base)と人ベース(People-Base)など非常にわかりやすく解説されてますね。実際にレコメンデーションのアルゴリズムは「Aを見ている人はBも見ている」「Aを買った人はBも買っている」といった細かいアルゴリズムの違いがあり、さらにそれらはどのタイミングで差し込むか、例えば商品詳細ページなのか、カート画面なのかでも変わってきます。

購買行動として利用者が明示的に示した興味よりも、行動情報として現れている興味の方が圧倒的に効果が高い。アルゴリズムもさることながら、協調フィルタリングが今もなお非常によく利用されるアルゴリズムなのはそこにあるかと思います。

Netflixのレコメンデーションアルゴリズムを個人的な興味で解析したことがありますが、まさにタグ付けが秀逸でその上で成り立っています。そのうえでリード先にも書かれている通りで、完璧を求めていない。カテゴリごとに協調フィルタリングを実施している形ですが、実際に別のカテゴリで同じ作品が表示されているところなどは、本当の完璧性ではない部分もあるかと思います。

おそらく、今後はAIの進化により、人ベースのレコメンドが進んでいくことになると思いますが、もう1つ重要なのはデータとしてエコシステムだと思います。1社が持っているデータだけでなく、パートナーシップをもった複数社でデータを連携をさせていくことで、1社からは一部しか見えないCustomer Journeyを、全体を通し保管しながらレコメンドを行っていく世界になっていくのではないかと。
面白く、分かりやすい記事ですね。
優れたレコメンデーションシステムが満たす要素;
①タイムリーであること
②驚きはあるけれど、不可解ではないこと
③ユーザーの次の行動を読んでいること
というのは結構納得感あります。

Facebookの「知り合いかも」も「え?マジ?何で分かるの?」的なレコメンドをしてくることがあり(共通の友人がいるわけでもなく、ページを見に行ったわけでもないのに)、こちらのレコメンドもどういうロジックなのか、興味あります。
ネットフリックスは人力タグづけも。同じリコメンドでもやり方は全く違う…「ネットフリックスやスポティファイといったサブスクリプションサービスは、サービスの利用を「やめさせない」ためにおすすめ機能…やめないレベルに満足させておけば良い…一方で、アマゾンは違います。ユーザーがアマゾン上でたくさん買い物してくれればくれるほど、儲かる。「できるだけ多くの商品を買ってもらう」ための仕組みを作る必要があります。」
この連載について
テクノロジーの話題に関する特別インタビュー
Amazon.com, Inc.(アマゾン・ドット・コム)は、アメリカ合衆国・ワシントン州シアトルに本拠を構えるECサイト、Webサービス会社である。アレクサ・インターネット、A9.com、Internet Movie Database(IMDb)などを保有している。アメリカ合衆国の主要なIT企業で、GAFA、またのひとつである。 ウィキペディア
時価総額
94.6 兆円

業績