商品レコメンドシステム構築~大容量顧客行動データと機械学習アルゴリズムによる顧客体験価値の向上~

Hadoop Spark アルゴリズム 機械学習 協調フィルタリング トピックモデル レコメンドシステム

ARISE analyticsでは、KDDIグループのデータからお客様ひとりひとりが求めるものを徹底的に理解し、AI技術等を駆使して心地の良い顧客体験を提供することをミッションとしています。本事例では、その一つである、商品レコメンドシステムの開発をご紹介いたします。

業務要件整理~PoC実施・開発~運用までを一貫して実施

商品レコメンドシステムは、ARISE analyticsが自社開発し、KDDIのサービスで活用されています。サービスごとに最適なレコメンドロジックを構築するため、業務要件整理から始まり、 PoCを通した最適アルゴリズムの選択、システム全体の設計・開発・運用まで一貫して支援することで、各サービスを通じてお客様に心地良い顧客体験をお届けしています。
レコメンドエンジンの開発では、プライベートなクラウド環境上でSpark (Pyspark、Scala)やHadoopを採用するなど、全てOSSで構築したシステムとなります。
レコメンドロジックには、協調フィルタリングとトピックモデルを組み合わせることで精度の改善に成功しています。

サイトの課題を克服する“トピックモデルと協調フィルタリングを組み合わせたレコメンドエンジン”の開発

au Wallet Marketでは、お客様にお得な商品をお届けし続けるため、個別商品の掲載サイクルが非常に短いという特性がありました。ARISE analyticsが開発したレコメンドエンジンでは、掲載サイクルにおける課題を、商品類似度の算出により克服し、お客様の興味関心に基づいたレコメンドを実現しています。

※トピックモデルによる商品類似度計算により、お客様の長期間に渡る閲覧・購買情報を特徴量として理解し、商品レコメンドにおいてベーシックな手法である協調フィルタリングを高度化しています。

さらなる顧客体験価値向上を目指して

ARISE analyticsは、さらなるレコメンドエンジンの高度化に着手しています。様々なKDDIサービスを利用したお客様のデータを横断的に分析し、興味関心、商品閲覧・購買の時系列性など、理解をより深めております。お客様への確かな理解と、先端AI技術を用いて、心地良い顧客体験を提供し続けていくことを目指しています。

RELATED TASK 関連するタスク

ARISE analyticsが取り組む品質向上活動
~大規模アナリティクス組織に共通する課題とその解決方法とは~

ARISE analyticsでは、約150名のデータサイエンティストが所属しており、常に多種多様なアナリティクスプロジェクトが進行しています。各人の得意分野は多岐にわたる一方で、任命されるプロジェクトによっては、未経験のタスクを担当する場合も少なからず存在します。その結果、アウトプットにムラが生じてしまうという課題が発生し、それを解消しアウトプット品質を高

ビッグデータ 機械学習 分析品質向上 分析モデル ワーキンググループ

機械学習によるテレマーケティング最適化~お客様のビジネスを進化させ続ける分析モデル高度化サイクルの実現~

ARISE analyticsは、アナリティクスを駆使してお客様のビジネス課題を的確に把握・解決し、さらにお客様のビジネスを進化させ続けるため、共に走り続けます。本事例では、その一例として、テレマーケティングにおける分析モデルの高度化をご紹介いたします。 アナリティクスの力で、本当に解決すべき課題を特定 お客様はテレマーケティング施策を実施していましたが

Hadoop PDCA アナリティクス アンサンブル学習 機械学習 勾配ブースティング テレマーケティング 分析モデル Random Forest