Etsy は、大規模言語モデル (LLM) を活用して、閲覧履歴と購入履歴に基づいた、詳細で匿名化されたバイヤープロファイルを作成しています。これらのプロファイルは、ニュアンスのある興味やショッピングの目的を捉え、プラットフォーム上の約 9000 万人のバイヤーのパーソナライゼーションを強化しています。技術的な実装には、ユーザーアクティビティデータの取得と、LLM にこのデータを解釈させてプロファイルを生成させることが含まれます。このプロセスをスケーラブルかつコスト効率の高いものにするために、Etsy はデータソースを最適化し、入力トークン量を削減し、バッチサイズを増やし、並列処理を採用しました。これらの最適化により、バイヤープロファイルの生成時間とコストは劇的に削減されました。生成されたバイヤープロファイルは、クエリ書き換えとリファインメントピルを通じて検索エクスペリエンスをパーソナライズするために適用されます。クエリ書き換えは、予測された興味でユーザーの検索を豊かにし、リファインメントピルは、ユーザーの好みに基づいたクリック可能なフィルターを提供します。Etsy は、クリック率やコンバージョン率の向上といった指標を通じて、このパーソナライゼーションの成功を測定しています。また、ユーザーアクティビティに基づいて動的に更新し、興味のずれを検出することで、プロファイルの精度を維持しています。将来の取り組みには、新規ユーザーの「コールドスタート」問題に対処するために、継承プロファイルを試すことが含まれます。最終的に、Etsy は、すべての買い物客にとって、発見性を向上させ、より直感的な検索エクスペリエンスを作成することを目指しています。