プロジェクトTakumi
∼レコメンデーション設定への挑戦者たち∼
Silver Egg Technology 株式会社
本田裕昭

自己紹介
本田 裕昭 (ほんだ ひろあき)
• シルバエッグ・テクノロジー所属エンジニア
• レコメンドエンジンの顧客サイトへの導入・チューニング・運用を主に担当
• Pycon mini Osaka カメラ係

SILVER EGG TECHNOLOGY
AI技術を用いたパーソナライゼーションを実現する企業
レコメンデーションエンジンを中心とした製品群を提供
https://www.silveregg.co.jp/

アイジェント・レコメンダーについて
SaaS型レコメンドエンジンで国内売上高１位
https://www.silveregg.co.jp/archives/news/1216

アイジェント・レコメンダーについて
リアルタイム
● サイトにおけるユーザ行動をリアルタイムに分析、アイテム同士の関連性を計算
（ベイジアン協調フィルタリング）
● 今日追加された商品でも相関に基づいておすすめできる
パスディペンデンシー
● 行動履歴に基づいて嗜好に合わせたアイテムをレコメンド
レコメンドレシピ
● ページ（レコメンド枠）毎に設定されたレシピに基づいて最適なレコメンドを
提供

レコメンドレシピのイメージ
TOP
ページ
検索結果
ページ
商品詳細
ページ
カート
ページ
決済完了
ページ
各ページの特性に合わせてレコメンドをデザイン
「その商品を見た人が
興味を持ちそうな商品」や
「より高価格帯の商品」
をおすすめ
「検索結果に対して
関連性が高い商品」
をおすすめ
「購入された商品の後で
買われる頻度が高い商品」
をおすすめ
「カート内の商品と一緒に
買われる頻度が高い商品」
をおすすめ

レコメンドレシピ設定 - 設定項目1
レコメンドタイプ
相関 - アイテム同士の関連性
○ BB(閲覧閲覧相関): このアイテムを見た人は、こんなアイテムも見ています
○ OO(同時購買相関): このアイテムを買った人は、こんなアイテムも一緒に買っています
○ BO(閲覧購買相関): このアイテムを見た人は、こんなアイテムを買っています
○ PO(過去購買相関): このアイテムを買った人は、過去にこんなアイテムを買っています
○ CB(カテゴリ閲覧相関): このカテゴリを見た人は、こんなアイテムを見ています
○ KB(キーワード閲覧相関): このキーワードで検索した人は、こんなアイテムを見ています
ランキング
○ 閲覧ランキング
○ 購入ランキング
Footprint(あしあと)

レコメンドレシピ設定 - 設定項目2
レコメンドのキー
閲覧中アイテム
カートに入れられたアイテム
行動履歴
○ 閲覧履歴
○ 購入履歴
○ カート履歴
フィルタリング
カテゴリフィルタ
価格フィルタ
行動によるフィルタ
○ 閲覧中
○ 閲覧済み
○ 購入済み

レコメンドレシピ設定 - 設定項目3
ロジック
● Pythonコードによりエンジンに指示を
出すためのもの
ディスプレイ
● 商品情報表示のためのJavaScriptコード
その他
● マーチャント(顧客)コード
● クラスタ
トラッキング
● 閲覧
● カート投入
Backfill
※相関で要求数を満たせない場合の
補填方法

レコメンドレシピ設定
● 実体はCouch DB上のドキュメント(JSON)
● １顧客サイトにつき１ドキュメント
● １つのレコメンド枠に対して１SPEC
● SPEC: レコメンド設定一式をまとめたもの
● １サイトにつき10∼100個以上のSPECを設定
● 手で修正できる規模ではないのでPythonスクリプトにより生成(従来方式)

アイジェント・レコメンダー構成
Load Balancer
AP Server AP Server
CouchDB
レコメンドレシピ設定
デプロイ
レコメンド要求
エンドユーザ
または顧客サイトサーバ
シルバーエッグ
エンジニア
Couch DBから
レシピ設定をロードし、
枠に応じたレコメンドを返す

従来のワークフロー(導入時)
1. 仕様書作成（コンサル）
2. 仕様書レビュー（コンサル+エンジニア）
3. コンフィグ作成（エンジニア主担当）
○ レコメンドレシピ設定のためのPythonスクリプト
4. コンフィグレビュー（エンジニアサブ担当）
5. ステージング反映
6. 顧客側テスト
7. 本番反映
8. 顧客側リリース(利用開始)
※コンサル：営業とエンジニアの中間的な立ち位置で、顧客と直接やりとりして仕様を決める役割の人

従来方式の問題
１つ１つ手作りのPythonコード
● エンジニアでないといじれない
● 人手中心
○ ミスを防ぐためのレビュー、ダブルチェックでさらに手間が
○ 導入、チューニングのリードタイムがどうしてもかかる
● マニアックな設定になると１人の人しか理解できない
○ ○○（とある顧客）のコンフィグは○○さんしか触れない

あれ？？全然AI企業っぽくない・・・

ビジネス要求
● 運用開始までの期間をもっと短くしたい
○ トラッキングを早期に開始する方が有利
● 導入後のPDCAサイクルをもっと早く回したい
○ もっと頻繁にA/Bテストを
○ 顧客サイトの成長に合わせて最適なレコメンドを提供したい
→ 従来のやり方ではすぐ限界になる

Takumi(匠)
レコメンドレシピ生成・管理システム
● １つ１つスクリプトを書くのではなく、Web画面上で設定できるように
● エンジニアでなくとも設定できるようにする

レシピ入力
システムイメージ
Takumi Web
Git
リポジトリ
コンサル
エンジニア
Couch DB AP Server
レコメンダー ステージング環境
Couch DB AP Server
レコメンダー 本番環境
レシピをチェックアウト
必要に応じて修正&保存
デプロイ
Takumi CLI
デプロイ
保存
デプロイ

詳細画面で指定する項目
• レコメンドタイプ
• 要求数（いつく返すか）
• カテゴリフィルタ
• 価格フィルタ（○○円∼○○円）
• レコメンドのキー
• 何をキーにするか
• 個数
• Backfill(相関で要求数を満たせない場合の補
填)
• ランキング（閲覧 or 購入）
• 組み込みコードの指定
など

Takumiの技術要素
● Webアプリ
○ Pyramid + Chameleon + colander + deform + bootstrap
● YAML
○ 機械でハンドリングできる，かつ人間も読み書き可能
● libgit2, pygit2
● Jinja2

Web Framework
● Pyramid
○ 採用に特に深い理由なし、強いて言えば社内的に実績があったから
● colander
○ schema定義+validation
● deform
○ colanderでschemaを書くとフォームを自動生成してくれる
● chameleon
○ xml型template engine
○ deformが標準で用意しているwidgetがchameleonなので

libgit2, pygit2
● libgit2
○ gitリポジトリを操作するためのAPI（Cによる実装）
○ Bindingsが豊富
■ https://github.com/libgit2/libgit2#language-bindings
○ Thread Safe & Reentlancy
● pygit2
○ libgit2のPython binding
○ http://www.pygit2.org/
変更があれば社内リポジトリにpush
社内リポジトリから1分おきにfetch
いちいち作業ファイルを作らずにリポジトリのデータを読み書きできる

pygit2の例1 リポジトリからのファイル取り出し

pygit2の例2 ファイルのコミット

pygit2の例2 ファイルのコミット(実行結果)

組み込みコード
問題
• プログラムコード(Python, JavaScript)をYAML内に書くのはつらい
解決策
• Jinja2テンプレートで記述してリポジトリに置く
• YAMLから名前で参照

組み込みコードの例
{% custom_logic 'mylogic', '閲覧中・閲覧履歴から計n件除外', ('n',) %}
....
xplen = {= n =}
spec[Spec.EXCL_PRODS] = prods + browses_list[:xplen]
{% end_custom_logic %}
mylogic.py.jinja2
merchant: silveregg
spec01:
...
custom_logic: {name: mylogic, params:{n: 10}}
...
config.yml
名前 説明 引数の定義
引数の値に置換される部分

組み込みコードの指定例
候補から使用したいコードを選択
コードに渡すパラメータを指定

導入後の変化
● 非エンジニアでもレシピの作成ができるようになった！
● エンジニアが1からスクリプトを書く必要はなくなった → 工数の縮小
● Pythonの書き間違いによるミスが激減（なくなったわけではない）
● リードタイムの縮小
○ 簡単な変更であれば依頼から最短１時間程度で本番反映

Before
• 仕様書作成
• 仕様書レビュー
• 生成スクリプトの作成
• コードレビュー
• ステージング反映
• 顧客側テスト
• 本番反映
導入後の変化 - 導入時ワークフロー
After
• 仕様書作成
• 仕様書レビュー
• Takumi入力
• ステージング反映(画面から)
• 顧客側テスト
• 本番反映
Near Future
• Takumi入力
• ステージング反映(画面から)
• 顧客側テスト
• 本番反映
仕様書も廃止していく予定

難しかった点、問題
● レシピの設定項目が膨大→カバーするのが大変
○ 未だに100%は網羅できていない
○ 使用率の高い項目から対応
● Takumiで導入した後、未対応の機能を使うことに・・・
○ そのサイトだけのパッチを当てて当座をしのぐ
○ 旧方式に戻す
● 入力ミスが結構多い
○ 入力後のチェックに稼働を取られる
■ チェック機能の強化（予定）
■ 設定内容を一覧化 → 自分で確認しやすく

まとめ
• アイジェントレコメンダーの運用ではレコメンドレシピの設定が必須
• 従来：１つ１つPythonスクリプトで生成
• 今後：Takumi
• レシピ作成・管理の省力化
• 非エンジニアでもレシピの作成・修正ができるようになった
• 旧方式から順次移行中

まとめ
AIというとスマートなイメージだけど
蓋を開けてみると実際の現場は泥臭い作業の連続だったり・・・
● AIに食わせるデータのメンテナンス
● AIのパラメータチューニング
● AIのインシデント管理
● AIの・・・
こういった作業こそ自動化していくべき

共感していただける方はぜひ、仲間になりましょう！
シルバーエッグテクノロジー エンジニア募集中！
https://www.silveregg.co.jp/recruit/recruit01.html

ご清聴ありがとうございました。