![研究背景
近年のEC市場の拡大
→ECサイトで扱われる商品数の増加
例）通販サイト:オムニ7[1]
掲載商品数:約518万種
ECサイトでは
購買者は商品情報を元に商品を選択
→商品情報の中でも紹介文は重要
2 [1]オムニ７：セブンアンドアイ・ホールディングスの通販サイト URL:https://www.omni7.jp/top
[2]EC化率：市場取引額のうちEC市場で行われているものの割合
◦ 商品を実際に確認できない → 紹介文から商品の情報の取得が可能
◦ 事前にはわからない情報が重要な商品 → 紹介文から事前に情報を入手可能
◦ 商品画像だけでは類似品との相違点の判別が難しい → 紹介文を通して判別が可能
・商品数の増加
・SNSやメールマガジンなどの複数のコンテンツでの商品紹介
商品の紹介文作成支援の需要
→ 必要紹介文数の増加](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
More Related Content
Similar to ECサイト掲載商品の紹介文作成支援に関する研究
Similar to ECサイト掲載商品の紹介文作成支援に関する研究 (20)
More from harmonylab
More from harmonylab (20)
Recently uploaded
Recently uploaded (9)
ECサイト掲載商品の紹介文作成支援に関する研究
- 1. ECサイト掲載商品の紹介文 作成支援に関する研究 2月5日(水) 北海道大学 工学部 情報エレクトロニクス学科 情報理工学コース 複雑系工学講座 調和系工学研究室 学部4年 阿部涼介 1
- 2. 研究背景 近年のEC市場の拡大 →ECサイトで扱われる商品数の増加 例）通販サイト:オムニ7[1] 掲載商品数:約518万種 ECサイトでは 購買者は商品情報を元に商品を選択 →商品情報の中でも紹介文は重要 2 [1]オムニ７：セブンアンドアイ・ホールディングスの通販サイト URL:https://www.omni7.jp/top [2]EC化率：市場取引額のうちEC市場で行われているものの割合 ◦ 商品を実際に確認できない → 紹介文から商品の情報の取得が可能 ◦ 事前にはわからない情報が重要な商品 → 紹介文から事前に情報を入手可能 ◦ 商品画像だけでは類似品との相違点の判別が難しい → 紹介文を通して判別が可能 ・商品数の増加 ・SNSやメールマガジンなどの複数のコンテンツでの商品紹介 商品の紹介文作成支援の需要 → 必要紹介文数の増加
- 5. 研究目的 5 [1]三由裕也,萩原将文：感情推定を利用した 感性的な画像説明文自動生成システム 日本感性工学会論文誌(2019) [2]生田和也,品川政太朗,吉野幸一郎,鈴木優, 中村哲：観光案内にお けるニューラル言語モ デルを用いた説明文の生成 人工知能学会全 国大会論文集 (2018) [3]園田亜斗夢,新名玄:アパレルECサイトに おける説明文自動生成 経営情報学会 2018年秋季全国研究発表大会 [4]三由裕也,萩原将文:感情推定を利用した感 性的な画像説明文自動生成システム 日本感性工学会論文誌18 巻 (2019) 2 号 ◦ CNN,RNN,LSTMを用いた感性的な画像説明文生成[1] ◦ LSTMを用いた観光案内の説明文の生成[2] → 利点:柔軟な表現が可能 欠点:文脈が不正確 ◦ テンプレートを用いたアパレルECサイトでの説明文の自動生成[3] ◦ テンプレー トを用いた新聞記事からの製品情報の抽出[4] → 利点:文脈が正確 欠点:柔軟な表現が難しい 先行研究:紹介文の質は基本的に専門家による評価 本研究での目的 システム作の紹介文が人間作の紹介文と同等以上の質をもつ ↓ 顧客のデータを用いた紹介文の質の評価 文章生成の先行研究 商品紹介文:文章の質が重要 → テンプレートを用いた紹介文生成
- 6. 商品の紹介文作成支援手法 6 1.商品の紹介文自動生成 • テンプレートと商品の特徴から作成したカラムを使用 • 文章データが少なくても日本語として意味の通る文章が作成可能 • 商品の特徴が多ければより豊富な種類の紹介文を作成可能 2.生成紹介文からユーザーの選択及びシステムの評価による候補の抽出 3.ユーザーによる紹介文の評価と最終決定 商品ごとの特徴量とテンプレートを使用した 紹介文作成支援システム
- 7. 商品カテゴリの選択方法 ECサイトでの掲載期間が長い → 商品に対するサイト利用者のデータを集めやすい 商品カテゴリが趣向品である → 趣向品は質が重要で質を表すための紹介文も重要 国内で販売が盛んである → 商品データを収集しやすく紹介文の需要が高い 商品の種類が豊富 → 商品カテゴリ内で相違点を判別するために重要 7 名前:八海山/純米吟醸 蔵元:八海醸造(新潟) 値段:3670円 アルコール度:15.5度 紹介文: 米の穏やかなうまみと まろやかなのどごしの 後に、新潟のお酒らし いスッキリした後味が 楽しめる、八海山の純 米吟醸の一升瓶です。 おすすめの飲み方は冷 酒か常温。 本研究で求められる商品カテゴリの特徴 商品カテゴリとして日本酒を選択
- 8. 日本酒紹介文作成支援システム 1. ユーザーによる日本酒の種類の選択 2. システムによる日本酒紹介文の生成 3. ユーザーによる紹介文の選択およびシステムによる 紹介文の評価 8 日本酒の種類 の選択 紹介文作成 紹介文の選択・ 評価日本酒名 紹介文群 ECサイトの販促担当者 日本酒紹介文作成支援システム
- 11. 日本酒データベース ●日本酒データ – ネットサイト酒仙人[1]から取得した特徴から25種の日本酒データカラムを製作 – データカラムをもとに酒仙人から各日本酒のデータを取得 – データの欠損は手作業で埋めてから使用 11 日本酒データカラム一覧 商品情報 温度 製造関連 日本酒に適した条件 数値データ 感覚データ 名称 適した温度 蔵元 適した季節 日本酒度 香り 銘柄 燗向け 地域 適した対象 アミノ酸度 味 特定名称 常温向け 使用米 適したシーン 酸度 飲み口 説明 冷向け 適した料理 アルコール度数 授賞 適した容器 適したタイミング [1]酒仙人：日本酒のプロが作っているデータベースサイト URL:http://www.sake- sennin.com/fbo/web/app.php/user/index
- 12. 日本酒データ検索モジュール 日本酒DB 日本酒データ 検索モジュール 日本酒紹介文 作成モジュール 日本酒名 日本酒データ (生産地、香り、 日本酒度等) 日本酒 データ 日本酒名 例)雪の茅舎 純米吟醸 ユーザーの入力 ・銘柄 ・特定名称 12 ユーザー入力 銘柄 雪の茅舎 特定名称 純米吟醸 日本酒データ 銘柄 特定名称 地域 適した季節 味 雪の茅舎 純米吟醸 秋田 春,初夏 適度な酸 の後味 香り 冷向け 燗向け 酸度 花や果実のような甘 い香り 1 0 1.6
- 14. テンプレートDB ●日本酒紹介文生成用のテンプレート – 酒仙人、オムニ7などの16のサイトの紹介文を参考にして制作 – テンプレートのもとの紹介文は – 使用する特徴が含まれる紹介文であるか – 汎用性が高いか の二点に注目して手作業で選び出した。 – 234種類のテンプレートを用意してある 14 例）テンプレート作成 既存の紹介文 富山の銘酒、満寿泉の純米大吟醸酒です。 ↓ 生成されたテンプレート [地域]の銘酒、[銘柄]の[特定名称]です。
- 16. 日本酒紹介文作成モジュール 日本酒データ 検索モジュール 日本酒紹介文 作成モジュール 日本酒の特徴 に基づく紹介 文を作成 日本酒 データ テンプレートDB テンプレート 16 [ 適した季節 ]でも楽しめる[ 銘柄 ]。 テンプレート例 日本酒データ 適した季節 銘柄 春 雪の茅舎 花や果実のような甘い香りで適度な酸の後味。 生成文(1文) 作られた紹介文を総当たり で組み合わせて二文に 日本酒紹介文生成モジュール 花や果実のような甘い香りで適度な酸の後味。 春でも楽しめる雪の茅舎。 生成文(2文) 生成日本酒 紹介文群 例）雪の茅舎 [ 香り ]で[ 味 ]。 春でも楽しめる雪の茅舎。 春でも楽しめる雪の茅舎。 花や果実のような甘い香りで適度な酸の後味。 香り 味 花や果実のような甘い香り 適度な酸の後味
- 19. 日本酒紹介文選択・評価モジュール 1. ユーザーの選択をもとに紹介文の抽出 ・紹介文内に必要な特徴(特定名称,香り,味などの日本酒データ) ・文章の長さの選択 2. 紹介文の評価 紹介文内の単語重複率 ＝（重複単語数）/（出現単語数） ・ 重複率が高い = 同じ単語が頻出 → 不自然な文章 ・ 閾値は0.2に設定 → 0.2以下の紹介文のみを紹介文候補群に表示 紹介文内の特徴の組み合わせによる評価 オムニ7の日本酒紹介文97種を解析し、頻出する組み合わせの調査 ・味＋特定名称 (44/97) ・味＋香り (32/97) ・香り＋特定名称 (25/97) が上位三つであったので評価対象に設定 → 紹介文候補群を表示する際に上位に表示 19
- 20. 日本酒紹介文作成支援システムのUI 1. ユーザーによる日本酒の種類の選択 2. システムによる紹介文の作成 3. ユーザーによる紹介文の選択およびシステムによる 紹介文の評価 20 簡単な操作で行えるよう な設計 日本酒の種類 の選択 紹介文生成 紹介文の選択・ 評価日本酒名 紹介文群 ECサイトの販促担当者 日本酒紹介文作成支援システム
- 21. UI:銘柄の選択(1/7) 21
- 28. システム作の紹介文の評価のための検証 28 ◦ 対象者:セブンアンドアイホールディングスのメルマガ会員約34万人 （属性:性別、年代、購買経験） ◦ 対象日本酒: 雪の茅舎(純米吟醸), 大七(生もと純米), 龍力(大吟醸) ◦ システム作の紹介文と人間作の紹介文をメルマガを使い配布 ◦ メルマガ内の日本酒のリンクをクリックした顧客のデータを収集 → メルマガ配布数に対するクリック率の検定 検証目的 • システム作と人間作の紹介文の顧客のデータを用いた評価 • 特徴の組み合わせパターンによる、顧客の興味関心度の変化度合い 検証方法
- 30. 配信した紹介文の特徴に関する仕様 紹介文 製作者 パターン No キャッチコピーに含まれる特徴 生産地 特定名 称 香り 味 適した料 理 使用米 文字長 人 00 龍力 0 1 1 1 0 0 指定無 大七 1 0 0 1 0 0 指定無 雪の茅舎 1 1 1 1 0 0 指定無 システム 01 1 1 1 0 0 0 40 システム 02 1 1 0 1 1 0 40 システム 03 1 1 0 1 0 1 40 システム 04 1 1 1 1 0 0 40 システム 05 1 0 1 1 1 0 40 30 人間作の紹介文には上記以外の日本酒データカラムの特徴が含まれる
- 31. 各条件下でのクリック率の検定方法 Z検定による二群間の比率の差の両側検定 ◦ 検定対象:クリック率 ◦ 有意水準:5% ◦ 帰無仮説:ある2群のクリック率が等しい ◦ 対立仮説:ある2群のクリック率が等しくない 検定対象 人間対システム作の紹介文 ◦ 人間作の紹介文とシステム作の紹介文のクリック率の差 属性別の比較 ◦ 男と女のクリック率の差 ◦ 購買経験ありとなしの人でのクリック率の差 31
- 32. 検証結果(クリック率) パターン No 配信 対象者数 クリック数 クリック率 00(人) 56092 295 0.526% 01(システム) 56126 366 0.652% 02(システム) 56254 338 0.601% 03(システム) 56237 321 0.571% 04(システム) 55987 360 0.643% 05(システム) 56104 332 0.592% システム合計 280708 1717 0.612% 合計 336800 2012 0.597% パターン別 32
- 33. クリック率の有意差 項目別 比較対象 Z P 有意な差 パターン 人とシステム01 2.762 0.575%あり 人とシステム02 1.678 9.344%なし 人とシステム03 1.018 30.852%なし 人とシステム04 2.571 1.013%あり 人とシステム05 1.479 13.911%なし 人とシステム平均 2.406 1.613%あり 「人の作った文を 読んだ群」と「AI の作った文を読ん だ群」のクリック 率の有意差 5%以下だと帰無仮説「あ る2群のクリック率が等し い」が偽となり対立仮説 「ある2群のクリック率が 等しくない」を採択 33 全体:有意な差がある パターン別:有意な差があるものとないもの混在
- 34. 実験結果まとめ 二群検定 ◦ システム作と人間作の紹介文のクリック率の差 ◦ 全体:システム作の紹介文の方が有意な差がある ◦ パターン別:有意な差があるものとないもの混在 ◦ 属性別の差 ◦ 男女差、購買経験においても有意な差がある ◦ 男性は女性よりクリック率が高い ◦ 購買経験[あり]の人は[なし]の人よりクリック率が高い 34 実験結果より システム作の紹介文において一部パターンで有意な差を確認 → クリック率を用いた紹介文の評価をシステムに組み込み可能 対象者の属性によって有意な差を確認 → 属性によって興味関心度の変化が存在
- 35. まとめと今後の展望 日本酒紹介文作成支援 ◦ 日本酒紹介文作成支援のシステムの作成 ◦ 紹介文の評価 ◦ 専門家による評価 実際に使用しても問題ない十分な質を持っている ◦ クリック率による評価 クリック率を用いた紹介文の評価をシステムに組み可能 → システムによる紹介文のフィードバックが可能 今後の展望 今年度3月に行われる第二回メルマガ配布において今回提案した手 法での評価についてさらなる実験を行う。 本評価手法の有効性について異なる面からアプローチして有効かど うか確認する 35