Etsyでのレコメンデーション向けの多タスク標準ランカーの構築方法

Etsyは、ユーザーに関連するアイテムを提示するためのレコメンデーション・モジュールを使用し、各モジュールは関連性スコアを算出するランカーによって駆動されています。従来、Etsyはモジュール固有のランカーを使用していましたが、モジュールの数が増えるにつれてこのアプローチが不都合になった。 この問題に対処するために、Etsyは、複数のモジュールを駆動することができるカノニカル・ランカーを開発しました。これにより、効率性と一貫性が確保されます。最初のカノニカル・ランカーは、訪問頻度に焦点を当て、気に入り率を再訪の代理指標として使用しました。 頻度ランカーのモデル構造には、共有されたボトム・アーキテクチャーが含まれ、気に入り予測と購入予測のための別々のレイヤーがあり、最終的なランキング・スコアに結合されます。ランカーはまた、モジュール名の特徴と、トレーニング・データをモジュール間でバランスさせることで汎化性を確保しました。 限定されたモジュールのデータでのみトレーニングされたにもかかわらず、カノニカル・ランカーは、トレーニングに使用されなかったモジュールでもモジュール固有のランカーを上回り、汎用的ソリューションとしての効果を示しました。 頻度ランカーは、アイテム・ページとホームページの両モジュールで気に入り率を向上させ、購入メトリクスと他のエンゲージメント・インジケーターの大きな改善も見られました。 このランカーが導入されて以来、Etsyは、ウェブとアプリの両プラットフォームで複数のモジュールに展開しました。 今後の計画として、Etsyは、頻度ランカーを繰り返し、より多くのコンテキストを組み込み、新しいアーキテクチャーを探検します。 カノニカル・ランカーは、Etsyのレコメンデーション・ストラテジーの転換を表し、プラットフォームとモジュールをまたがってよりパーソナライズされたレコメンデーションと一貫したユーザー・エクスペリエンスを提供します。