機械学習の枠組みによる検索表示ランク最適化

1. 機械学習による検索表示ランク最適化
ゴルフ場予約サイトにおける導入事例
株式会社ビジネスアナリティクス
2014/7/30

2. 2
検索表示ランクの最適化とは
検索条件・検索キーワードを入力し、検索ボタンが押された後、
どの順番で商品・サービスを並べれば、カスタマの検索ニーズが最も満たされるか？

3. 3
カスタマの検索ニーズを満たすために
カスタマ視点で考えると、クリックしたい商品が上位表示されていたほうが嬉しいはず。
現状ではクリック数ランクと検索表示ランクは相関なし。
クリック数ランク予測できれば検索表示ランクを最適化できる

4. 4
クリック数ランク予測
前日クリック数ランクから当日クリック数ランクは予測できるか？
多少関連はあるものの、精度としては不十分

5. 5
クリック数ランク予測
過去30日の実績クリック数ランクを利用することで予測精度がある程度改善
ゴルフ場の属性情報等を利用することで更に精度改善ができる

6. 6
検索表示ランクのパーソナライズ
クリック数ランク予測に加え、カスタマの行動履歴等を加味することにより、検索表示ランクを
パーソナライズ。また、マッチスコアを加味することでフリーワード検索に対応
クリックランク
実績データ等
カスタマ行動履歴 マッチスコア
検索表示ランクのパーソナライズ (フリーワード検索)
検索表示ランクのパーソナライズ
検索表示ランク予測

7. 7
実装イメージ
ランキング
ロジック
ランキング
データ
レコメンド
ロジック
レコメンド
データ
検索一覧
画面
分析サーバUI
レコメンド
ランキング
マージ処理
閲覧履歴
データ
予約履歴
データ
予約履歴データ・閲覧履歴データからランキングデータを作成。それに対し、
レコメンドデータで重み付けを行うことでパーソナライズ。
レコメンド
ランキング

8. 8
導入効果
 検索ニーズが満たされることによりCTRが向上。
 機械学習の枠組みにより動的な検索ニーズに自動的に対応。
（定量的な導入効果を測定中）

9. 9
本資料、および弊社サービスに関するお問い合わせは、
下記までお願いいたします。
contactus@businessanalytics.jp