古い情報が問題になる理由
おすすめの仕組み（レコメンダー）において、古い情報は利用者からの不満の主要な原因です。情報が古くなるのには、主に二つの仕組みがあります。一つは「更新による古さ」です。これは、新しい情報が発表されることで、以前の情報が陳腐化してしまう現象を指します。例えば、新しい製品が発表されれば、古い製品に関する情報はすぐに古くなります。もう一つは「関連性の低下」です。これは、情報自体の価値が時間の経過とともに自然に低下していくことです。ニュース記事などは、時間が経つにつれてその情報としての価値が薄れていきます。
従来の対策は、これらの問題に対して十分ではありませんでした。例えば、情報を公開からの期間で区切るやり方では、実際の価値低下を正確に反映できません。また、利用者の反応（エンゲージメント）を指標にするやり方は、兆候が遅れるという課題があります。結果として、利用者は古い情報に触れてしまう機会が多く、不満につながっていました。
Googleの新しい仕組み「SDF」とは
Googleは、この古い情報の問題を解決するため、SDF（Supersession-Decay Filtering）という選別システムを開発し、大規模な情報提供の場に導入しました。SDFが導入されたのは、Google Discoverという個別のおすすめ情報を提供する仕組みです。Google Discoverは、毎日数億人、毎月数十億人もの利用者が活用する、非常に大規模なシステムです。
SDFの主な目的は、古い情報を効率的に取り除くことです。具体的には、情報の順位付け（ランキング）を行う前の段階で、古いと判断された候補を削除します。この前段階での選別により、後工程での処理負荷が減り、結果として運用費用（コスト）の削減にも貢献しています。これは、大規模な情報提供の場において、非常に重要な改善点です。
SDFの二つの選別機能
SDFは、古い情報が発生する二つの仕組みにそれぞれ対応するため、二つの補完的な選別機能（フィルター）を持っています。これらの選別機能は、それぞれが高度な学習モデル（モデル）によって動いています。
一つ目の選別機能は「関係性に基づく古さ検出モデル」です。これは、情報同士の関係性を分析し、新しい情報が出てきたことによる「更新による古さ」を検出します。例えば、ある製品の最新版が発表された場合、その製品の旧版に関する情報を古いと判断する仕組みです。二つ目の選別機能は「予測閲覧数比率モデル」です。これは、情報の内容そのものから、時間の経過による「関連性の低下」を予測します。このモデルは、情報が公開されてからの閲覧数（トラフィック）のデータを基に学習されており、将来的な価値の低下を予測する精度が高いです。この二つの選別機能が連携することで、より包括的に古い情報を特定し、取り除くことが可能になります。
導入による大きな成果
Googleは、SDFの有効性を確認するため、実際の運用環境での実証実験（オンライン実験）を行いました。この実験の結果、SDFの選別機能が古い情報の発生率を大幅に減らすことが明確に示されました。さらに、利用者がより関連性の高い情報に触れる機会が増えたことで、利用者の関心（エンゲージメント）も向上しました。
SDFは、2年間にわたる実際の運用（プロダクションデプロイ）を経て、その効果が実証されています。特に注目すべきは、利用者からの古い情報報告が、導入前の基準（ベースライン）と比べて54.9%も減少したことです。これは、SDFが大規模な情報提供の場で、古い情報の問題を解決するための確実で拡張可能な考え方（パラダイム）を確立したことを意味します。この成果は、今後の情報提供の仕組みに大きなインパクトを与えるでしょう。
私の見方と今後の展開
古い情報の選別は、推薦の仕組みにとって非常に重要な要素です。私たちRO合同会社も、一次情報を最速で利用者に届けることを重視しており、情報の鮮度維持は最優先課題の一つです。情報の鮮度を保つことは、利用者の信頼を構築し、維持するために不可欠だと考えます。
このSDFの考え方は、様々な情報提供の場に応用できるはずです。特に、情報の「更新による古さ」と「関連性の低下」という二つの側面を明確に分けて、それぞれに特化した対策を講じる点は、非常に実践的です。私の経験上、この二つの側面を同時に、かつ効率的に解決する仕組みは、これまであまり見られませんでした。今後、さらに多くのプロダクトで、このような鮮度維持の仕組みが導入されるでしょう。私たちは、この先進的な技術から学び、私たちの仕組みをさらに改善し、利用者に最高の情報体験を提供できるよう、常に進化を続けていきます。
PR
文賢 →
推薦の鮮度維持は、私たちが提供する情報サービスでも最重要課題です。古い情報を出し続けるのは、利用者を無視する行為です。このSDFの考え方は、一次情報をぐるぐる回す当社の仕組みにも応用できます。
