Mercari検索における人間の嗜好の学習と評価：Image Score

要旨: Mercari は日本最大の C2C（個人間取引）EC マーケットプレイスであり、月間アクティブユーザー数は 2,000 万人を超えます。検索は、求める商品を見つけるための基本的な手段です。そのため、暗黙的なフィードバックを含むデータをこれまで大量に保有してきました。私たちはそれを積極的に活用してユーザーにとって最良のサービスを提供していますが、画像品質評価のようなタスクにおける暗黙的フィードバックの相関を扱うことは自明ではありません。機械学習（ML）における多くの従来の研究は、教師データとして適切にラベル付けされたデータに対するディープラーニング（DL）モデルの飽くなき欲求によって同様に動機づけられています。弱教師あり学習（弱い監督）は、ラベルなしデータに対して、より高レベルおよび／またはよりノイズの多い監督を活用することです。大規模言語モデル（LLM）は、データラベリングのタスクにおいて積極的に研究され、使用されています。私たちは、Chain-of-Thought（CoT）を活用することで、e コマース環境において人間の行動とよく相関する画像の美的（aesthetics）ラベルを LLM が生成できるようにする方法を示します。LLM の活用は、人間による明示的な判断と比べてコスト効率が高い一方で、Mercari におけるカスタマージャーニー最適化において非常に重要な、深層画像品質評価の説明可能性を大幅に向上させます。私たちは、e コマース環境における画像品質の評価と予測のための、コスト効率のよい LLM 駆動アプローチを提案します。これは、概念実証（proof-of-concept）テストに非常に便利です。LLM によって生成されたラベルが、Mercari におけるユーザー行動と相関することを示します。最後に、オンライン実験の結果を示します。そこでは、Web プラットフォームにおいて売上が有意に増加することを達成しました。