こんにちは、シニアエンジニアの濱口です。
メディアドゥが提供している、電子書店向け構築システムでは、レコメンド機能についてAmazon Personalizeを使用しています。こちらに関連して、2021年3月18日に開催されました、「AWS メディアセミナー Q1 ～メディア企業向けAnalytics & AI/MLセミナー～」へ導入事例としてプレゼンをいたしましたので、レポートします。
イベント概要
アマゾン ウェブ サービス ジャパン株式会社様が主催する、「AWSが考える最新技術を活用した、メディア企業でのデータの蓄積・分析・活用について」をテーマにしたオンラインイベントです。
説明文引用
テレビ・動画配信・新聞・雑誌などのメディア企業では、デジタル変革の中でデータを活用する重要性が高まっています。メディア企業はいかにデータを活用し、新たなビジネスを展開していけばいいのでしょうか。本セミナーでは、AWSで構築するDMP (データマネジメントプラットフォーム) / CDP (カスタマーデータプラットフォーム)のメリットと活用事例について、またそのデータをどのように最新のAIML技術を用い活用していくのかについて話をします。
メディアドゥでの活用事例
プレゼン資料
スライドを掲載します。下記が概要です。
経緯
メディアドゥでは、電子書店を構築するためのシステムである「MDCMS-SD」を自社で開発・運用しています。MDCMS-SDでは元々、従来の配信基幹システムである「md-dc」から提供されていたレコメンド機能を利用していましたが、「メディアドゥ 配信サービス」へ配信の仕組みが切り替わるタイミングで、md-dcとの全面的な切り離しが必要となりました。
なお、このシステム切り替えにつきましては、昨年の「JAWS DAYS 2020」のスポンサーセッションで少し触れていますので、関連記事へのリンクを記載いたします。
md-dcとの全面的な切り離しとなれば、レコメンド機能についても切り替えが必要となりますが、「メディアドゥ 配信サービス」ではレコメンドに当たる機能は提供していません。理由となるコンセプトとして、書店やユーザ様に近い機能は書店が備えるべき、ということでMDCMS-SDへのレコメンド機能の内製へつながっていきました。
レコメンド実装の課題
弊社でレコメンド機能を提供するには、大きく分けて下記の課題があります。
- 関連性の高い作品を結びつけ、ユーザ様へその作品をオススメする
- ユーザ様の作品購入履歴に基づき、関心があると思われる作品をオススメする
- 上記のオススメ内容を、電子書店のサイトにて、オンラインで提供する
商品データとなる作品の関連付けと、ユーザ様の購入履歴から予測される関連商品の実装には、それを構築するための独特のアルゴリズムが必要となります。そのアルゴリズムを内製し、結果を検証するには非常に高い開発コストが掛かることが想定されました。
また、レコメンド機能をオンラインで提供するためのWebサーバを専用で提供するには、それ相応のインフラ構築と保守が必要となるため、初期構築や運用に関わる費用の課題があります。
Amazon Personalizeの採用
上述の課題をクリアするために、機械学習により商品や履歴に関連するレコメンドを出力可能な、Amazon Personalizeを採用しました。詳細はスライドに書かれているため省きますが、結果としては、下記の実装を行えばMDCMS-SDへレコメンド機能を実装することが出来ました。
- 作品データ、購入履歴データをMDCMS-SDからAmazon Personalizeへインプット
- Amazon Personalizeによるレコメンド結果をWebサーバから取得、電子書店のサイトへアウトプット
なお、MDCMS-SDにおいては、推論結果の取得に「リアルタイム推論」を利用していますが、現在は「バッチ推論」という、推論結果をまとめて出力する機能も提供されています。結果のリアルタイム性が必要なく、一通りのデータを定期的に取得したい場合については、今後は「バッチ推論」を利用すると良さそうです。
まとめ
結果として、初期開発や保守運用のコストを大幅にカットしながら、レコメンド機能の提供が可能となり、AWSが提供するマネージドサービスの利便性を大いに実感することが出来ました。
またMDCMS-SDは、昨年12月に名古屋のデータセンターによるオンプレミスの環境から、AWSへの移管も実施しました。これらのように、メディアドゥではAWSを活用したシステム開発・運用を推進しています。テクノロジーを活用して業界を牽引していくため、興味があれば一緒に開発していける方を募集しています。
