メルカリの生成検索研究、Semantic IDと実装計画を読む

商品の意味をIDに組み込む

通常のキーワード検索では、商品説明に含まれる単語から候補を取り出す。表記が一致すれば見つけやすい一方、購入者の用途と出品者の説明が異なる言葉で書かれていると候補から外れやすい。行動ログを使う推薦も、取引の少ない品物では学習できる情報が乏しい。

R4Dの研究説明は、出品物の約8割が既存カタログと対応付けられないという課題を挙げる。これは同社が研究の背景として示した割合で、すべてのECに当てはまる比率ではない。一点物の状態、作り手による呼び方、写真で伝わる特徴を、整った商品名だけで扱うことには限界がある。

Generative Retrievalでは、商品に意味を反映するSemantic IDを付け、そのIDを生成するようにモデルを学習させる。購入者の入力から意味に合うIDを出力し、対応する商品へつなぐ。商品の説明を文章で回答するだけのチャット機能とは役割が異なる。モデルが検索用の索引に関わるため、商品群をどう符号化し、学習時と提供時で整合させるかが設計の中心になる。

意味の近い商品をベクトルで探す方法とも、処理の組み立てが異なる。生成するIDに商品の階層構造を持たせるのが今回の計画だ。ただし意味が近いことと、利用者が求める条件を満たすことは同じではない。見た目が似ていてもサイズや対応機種が違えば買えない。候補を生成した後で条件を照合する工程が必要になる。

三種類のデータは役割が違う

NEDO公開の提案概要は、メルカリの40億品超の取引・検索ログ、駿河屋の約3,000万件のカタログ、LLMで合成する約300万件の口コミデータを統合する計画を記載している。基盤としてQwen3.5を挙げ、Semantic IDの設計、学習、リランキング、評価という工程を示す。

40億という規模は、現在購入可能な在庫が40億点あるという意味ではない。過去の商品や取引の情報を含む研究用データの説明として読む必要がある。古い出品の言葉や画像が役立つ一方、現時点の在庫や販売条件は別途確認しなければならない。

カタログは、シリーズ、機種、色などの属性を整える役割を持つ。出品ログは実際の呼び方や探し方を含み、カタログだけでは表せない二次流通の文脈を補う。合成口コミは用途や印象を言語化し、買い手と売り手の語彙の差を埋める狙いだ。実際の購入者が投稿した口コミ300万件を集めたという説明ではない。

合成データには、生成元のモデルが持つ偏りや、商品にない特徴を付け足す可能性がある。このため「感じが合う」という情報と、寸法、素材、真贋、使用状態など確認可能な属性を混ぜない評価が重要だ。データを増やした事実だけでは、検索精度や購入後の満足度が改善したとは判定できない。

実装の構想と提供開始を切り分ける

研究説明は検索体験の改善を目標に掲げる一方、当初の採択発表には製品実装が未定という留保があった。NEDOの提案概要には、メルカリの検索・推薦エンジンへ直接搭載し、グローバルアプリにも展開する方法が示されている。両者は、研究採択時の確約の範囲と、社会実装に向けた計画という異なる位置付けで読める。

元報道が伝える2027年6月期の実用化目標も、一般利用者が既に使えることの証拠にはならない。研究期間として示される2026年7月から12月末も、商用提供日とは別だ。本稿では導入済みの検索機能や、実測済みの購入率改善として扱わない。

提案概要では、幻覚を抑えるためのリランキングを組み合わせ、Amazon ESCIなどのベンチマークと社内環境で評価する方針が示されている。これは評価の予定であり、既存検索に対する改善率が公開されたという意味ではない。モデルや技術知見の公開も構想に含まれるが、公開済み成果物の利用条件までこの資料から確定できない。

実際の検索で確かめたいこと

以下は編集部の実務上の考察である。二次流通では売却と新規出品が続くため、学習済みの商品理解と現在の在庫を接続する仕組みが要る。生成されたIDが存在しても、既に売れた商品なら購入できない。削除や非公開、情報訂正をどの時点で反映するかも、検索品質に関わる。

評価では、曖昧な入力を含む検索成功率だけでなく、条件違いの候補、再検索、応答時間、在庫切れの表示を分けて追いたい。人気商品に偏って小規模出品者が見つかりにくくなっていないか、言語によって候補の質が変わらないかも確認対象になる。国際ベンチマークの改善が、そのまま日本の中古品の発見性を保証するわけではない。

また、商品説明や写真は検索対象の情報として扱い、そこに含まれる指示をシステムの操作命令として受け取らせない設計が望ましい。購入や決済に接続する場合は、検索候補の提示と利用者の購入意思を別の工程にする必要がある。これは今回の製品に特定の欠陥が見つかったという指摘ではなく、検索から行動へ広げる際の確認事項だ。

研究規模が大きくなるほど、学習・推論に用いる計算資源、索引の更新、検証用データの整備にも費用がかかる。モデルの性能だけでなく、再検索を減らす便益と運用費を同じ期間で比較することで、導入判断が具体的になる。資源循環や越境流通への貢献も目標として理解し、この研究が追加的に生んだ効果は別途測定すべきだ。

データ規模を競争力へ変える条件

生成検索は、汎用の会話モデルをそのまま置けば完成する仕組みではない。研究では、商品の画像と文章から特徴を抽出し、取引や検索のログ、整ったカタログ情報と組み合わせる。カタログのない商品を扱うには、欠けた属性を推測する場面と、確認できないと扱う場面を切り分ける必要がある。大量のデータを持つ優位性は、整備、権利の確認、評価用の分離まで行って初めて検証できる。

会社固有のログを活用する研究であっても、基盤モデルや計算資源まで国内で完結するという意味ではない。Qwen3.5を基礎とする計画やGENIACの支援を、国産の全工程が完成した証拠として扱うのは早い。利用するモデルの条件、学習に使う資源、成果物として公開できる範囲をそれぞれ確認する必要がある。

また、購入機会の増加と、環境への便益は別の評価になる。取引が増えた分だけ新品の購入が置き換わるとは限らず、配送なども関わる。会社全体のリユースに関する既存の推計を、新検索モデルの効果として付け替えないことが大切だ。研究の狙いを理解しつつ、その追加効果は実装後の測定に委ねたい。

既存の検索から何を置き換えるか

生成検索を採り入れる際も、検索のすべてを一度に置き換える必要があるとは限らない。以下は編集部の考察だが、型番や商品名が明確な入力では正確な一致が重要になり、用途が曖昧な入力では意味の解釈が役立つ。両方を含む評価用の検索集合を用意すれば、新方式の強みと、従来方式を残すべき条件を分けて調べられる。

例えば同じ商品の色違いや、形が近い別製品を適切に区別できるかは、単純な関連度の平均では見えにくい。候補の一番上に条件違いが出る場合と、下位に混ざる場合でも、購入判断への影響は異なる。正解を一つに固定しにくい一点物では、複数の評価者が候補をどう判断したかも残したい。

データの由来も評価の一部になる。カタログから確認した属性、出品者の申告、合成した感想を区別できれば、誤りが見つかったときに修正元をたどりやすい。感性に関する表現が商品を探す手掛かりになっても、商品の性能を保証する文言に変わらないよう、検索結果の見せ方も設計対象となる。

また越境利用では、単語の翻訳だけでなく、地域によって用途やサイズの解釈が変わる。翻訳先で自然に読めることに加え、元の属性や取引条件と整合するかを確認する必要がある。こうした作業は、モデルのベンチマークと、実サービスで安心して商品を選べることの間を埋める工程だ。今回の研究が各項目を達成したかは、今後の検証結果の公開によって判断したい。

AI検索や業務データの活用を検討する際は、目的、更新頻度、評価方法から整理したい。運営会社・相談先のRO合同会社では会社情報を公開している。本稿で述べた検証観点は編集部の考察であり、メルカリでの実測成果や当社の導入実績を示すものではない。