Case01

機械学習モデルによる

予測値を利用し、カスタマーの

新ジャンル利用数を最大化

データサイエンティスト×HOT PEPPER Beauty

Case01

機械学習モデルによる

予測値を利用し、カスタマーの

新ジャンル利用数を最大化

データサイエンティスト×HOT PEPPER Beauty

01Outline
事例のアウトライン
ヘア/ネイル/リラク等様々なジャンルがある中、未経験ジャンルの利用を促すためのギフト券を配信しました。しかし、属性情報のみに基づいた配信は「カスタマーにとって適切な配信ができている」とは言い切れない状況でした。
そこで、ギフト券配信の予算の制約がある中、カスタマーに適切なギフト券を配信できるように、「新ジャンル利用機会を最大化するためのギフト券割当問題」として捉えました。
機械学習モデル予測値を用いて、新ジャンルの予約数と配信に伴う利用金額を予測。ギフト券配信の予算の制約がある中、新ジャンルの利用者数を全てのジャンルにおいて増やす、最適な配信を実現することができました。
02Issue
直面していた課題
『ホットペッパービューティー』にはヘア/ネイル/まつげ/リラク/エステといった複数のジャンルが存在しています。会員の中でもヘア領域のサービス利用経験者は多いのですが、その他のジャンルに関しては利用経験のないカスタマーが多く存在していました。そこで、未経験ジャンルの利用を促すために、特定ジャンルで利用できるギフト券を配信して、各ジャンルにおける新規利用者創出を目指しました。
しかし、従来の配信ロジックは属性情報を基にカスタマーを分類し、属性単位でどのようなギフト券を配信するかを決定していました。属性情報だけでは個人ごとの予約周期や、最終予約からの経過日数などの行動情報を考慮できず、「カスタマーにとって適切な配信ができている」とは言い切れない状況にありました。
予算の制約もある中で、どのようなパターンでギフト券を配信すれば、新ジャンルでの予約数を最大化できるか。この課題解決へのチャレンジが、本プロジェクトのテーマです。
03Solution
実現した解決策
全カスタマーにギフト券を配信することは予算上困難です。そこで、ギフト券配信対象者を決定する問題を「予算制約の下で新ジャンル利用機会を最大化できるようなギフト券割当問題」として捉えました。
具体的には、「カスタマーに各パターン*のギフト券を渡した際の新カテゴリー予約数および利用金額」と「今回のギフト券配信における予算制約」の情報をインプットして、「各カスタマーに対してどのようなパターンでギフト券を配信すれば、新ジャンルでの予約数を最大化できるのか」という割当パターンを導く数理最適化問題として取り組みました。
*:パターン1(エステのギフト券付与)、 パターン2(まつげ・リラクのギフト券付与 )など

ソリューション 図ソリューション 図
04Technical Background
技術的な背景
まず、入力データの準備ですが、先に述べた通り「カスタマーに各パターンのギフト券を渡した際の新カテゴリー予約数および利用金額」の値が必要になります。しかし、これらはあくまで「それぞれのパターンに対応するギフト券の組み合わせをもし渡したならば」という仮定で、実績値ではありません。そのため、機械学習モデルによる予測値を用いて、各カスタマーに各パターンのギフト券を配信したときに見込まれる、新ジャンルでの予約数および利用金額を予測しました。これらのモデル学習データは、過去施策におけるギフト券の配信情報と、そこにひも付くカスタマーの新ジャンルにおける予約データを用いています。次いでアルゴリズムについてですが、配信パターンの決定は「マス目の色塗り(0/1の割当)」のような割当問題として捉えることができます。各マス目には制約条件となる予算、今回最大化したい新ジャンルでの予約数がそれぞれひも付いています。このような割当問題のバリエーションはNP困難ではあるものの、一般的には数理最適化汎用ソルバーを用いて解を得やすいタイプと言えます。一方で本案件は3,000万以上という付与対象数に起因して非常に大規模なケースの問題です。汎用ソルバーでの求解が困難であるため、専用アルゴリズムを開発して近似解を得ることでこの問題に対処しました。
技術的背景 図技術的背景 図

※上記図は、1ユーザーに配信できるギフト券を最大2枚とし、11パターンが存在するケースを表しています。

05Outcome
得られた成果
従来の属性情報を基にしたカスタマー分類によるギフト券配信ロジックに比べて、同じギフト券配信予算当たりの新ジャンル予約数を全てのジャンルにおいて増やすことができました。
また、今利用経験がなかったジャンルやサロンとの出会いを促すことができ、クライアントにとっても新たな顧客の獲得につながりました。