弊社はoneroots株式会社（東京都千代田区神田須田町2-3-12）とともにレコメンドシステムを開発しています。大手漫画配信サービスへの導入実績があります。
推薦システム開発について
株式会社EfficiNet Xは、ユーザー一人ひとりの行動履歴や文脈情報をもとに、最適な情報・商品・サービスを提示する推薦システムの開発を強みとしています。ECサイト、メディア、不動産、教育サービスなど、さまざまな領域で利用可能なレコメンドエンジンを、要件定義から実装・運用まで一貫してご提供します。推薦システムは、ユーザーにとって有益な情報を素早く届けることで離脱を防ぎ、事業者側の売上やエンゲージメント向上に大きく寄与することが知られています。
当社代表の中村は、推薦システムの基礎理論のひとつである多腕バンディット問題に関する研究で多数の論文を執筆しており、AAAI・AISTATS・Neural Computationなどの国際会議・論文誌で成果を発表しています。（中村のアカデミック関連の業績はこちら。）
この分野で博士課程を修了したバックグラウンドを活かし、実サービスで利用可能なアルゴリズム設計・実装まで落とし込める点が、弊社の大きな特徴です。
また、当社には統計解析・機械学習・因果推論など、データ分析に強みを持つメンバーが多数在籍しており、ログ設計・特徴量設計・オフライン評価・オンラインABテストまで含めた「データ駆動型の推薦基盤づくり」を支援しています。
採用アルゴリズムとその有用性
①多腕バンディット／コンテキストバンディット
多腕バンディットは、「どのアイテムをどのタイミングで提示すべきか」という逐次意思決定問題を解く枠組みであり、オンライン広告やニュース推薦などで、探索と活用のバランスをとりながらクリック率や売上を最適化する手法として広く活用されています。
コンテキストバンディットでは、ユーザー属性やアクセス状況といったコンテキストも考慮することで、よりパーソナライズされた推薦が可能になります。（参考リンク：oneroots工藤さん記事）
EfficiNet Xでは、バナーやLPの出し分け、クーポン配信、学習教材の出題順制御など、「オンラインで逐次改善していく必要がある場面」にバンディットアルゴリズムを実装し、ビジネスKPIの向上を目指します。
②協調フィルタリング（Collaborative Filtering）
協調フィルタリングは、似た行動をとるユーザー同士・類似したアイテム同士の関係性を学習し、「このユーザーには、似たユーザーが好んだアイテムを推薦する」というアプローチです。ECや動画配信サービスなど、多くの商用推薦システムで中核となる技術として利用されています。（IBM記事）
ユーザーの明示的な評価が少ない場合でも、閲覧履歴や購買履歴といった行動ログから好みを推定できるため、大規模サービスにおけるパーソナライズに有効です。
③LightGBM等によるランキングモデル
多くの実サービスでは、候補アイテム集合から「どの順番で表示するか（ランキング）」を最適化することが重要になります。LightGBMは大規模データ・カテゴリ変数の扱いに優れた勾配ブースティング決定木ライブラリであり、学習-to-ランク（Learning to Rank）タスクでも高い性能を示すことが報告されています。
近年、LightGBMを用いた商品推薦・コンテンツ推薦モデルは、他の手法と比較して良好な精度を示した事例も報告されており、実務においても有力な選択肢となっています。当社では、ユーザー特徴・アイテム特徴・文脈情報（時間帯・デバイスなど）を統合した特徴量設計と組み合わせ、クリック率や購入確率が高くなる順にアイテムを並べるランキングモデルとして活用します。