ECサイトの商品表示順序を最適化する新手法「SMEO」

ECサイトにおける商品情報提示の現状と課題

現代のECサイトでは、顧客は様々な種類の商品情報に触れます。高解像度の画像、詳細な動画、そして3Dモデルなど、その形式は多岐にわたります。顧客はこれらの情報を順に見ていき、購入するかどうかを決めます。しかし、これまでの商品情報の表示順序を決めるシステムは、クリック数や滞在時間といった短期的な顧客の反応を主な指標としていました。私は、これらの指標だけでは、顧客が最終的に購入を決めるという「道のり」全体を最適化できていなかったと考えています。

商品に関する情報は、それぞれが独立しているわけではありません。むしろ、互いに補い合い、顧客が本当に必要な情報を見つける手助けをする協力的な要素です。例えば、最初に商品の全体像を示す画像があり、次に特徴を説明する動画、そして細部を確認できる3Dモデルが続くことで、顧客は段階的に理解を深めます。しかし、短期的な反応だけを追うシステムでは、この「情報の流れ」や「顧客の理解を深める過程」を見落としがちでした。

SMEOの二段階アプローチによる最適化

この課題を解決するために開発されたのが「Sequential Multimodal Evidence Optimization（SMEO）」です。SMEOは、顧客中心の視点に立ち、商品情報の表示順序を最適化する二段階の仕組みを持っています。私の経験上、複雑な問題を段階的に解決するアプローチは、非常に効果的です。

第一段階では、「軌跡有用性モデル」を学習します。これは、顧客がどのような順序で商品情報を見たときに、購入決定に繋がりやすいかを推定するものです。この学習では、顧客が特定の情報を見る位置による影響（位置バイアス）や、顧客によって情報を深く見る度合いが異なること（深さの不均衡）といった、実際の利用記録に潜む偏りを軽減する工夫がされています。これにより、より正確に情報の有用性を評価できます。

第二段階では、学習したモデルを基に「自己回帰型のランキング方針」を訓練します。顧客の注意は限られた資源です。そのため、SMEOは、顧客が少ない労力で必要な情報を見つけられるよう、購入決定に最も関連性の高い情報をできるだけ早く提示することを優先します。この方針は、顧客が購入に至るまでの残りの有用性を考慮した報酬に基づいて訓練されます。有用性の学習と方針の最適化を分けることで、偏りのある利用記録からでも安定して学習できる点が、この仕組みの大きな強みです。

SMEOがもたらす具体的な成果とビジネスへの影響

SMEOは、大規模なECサイトの利用記録を用いて、オフラインでの評価が行われました。その結果、推定コンバージョン率が5.5%向上するという顕著な成果が出ています。これは、SMEOを導入することで、より多くの顧客が商品を購入するようになる可能性を示しています。さらに、顧客が購入決定に至るまでのスワイプ数が15%減少したことも確認されました。顧客が少ない操作で目的の情報にたどり着けることは、サイトの使いやすさ、つまり顧客体験の向上に直結します。

この仕組みのもう一つの重要な利点は、個々の商品情報に「購入に繋がった」といった明示的なラベルがなくても、事後にそれぞれの情報が購入にどれだけ貢献したかを評価できる点です。これは、新しい商品情報を追加する際や、既存の情報を改善する際に非常に役立ちます。私の見方では、このような評価の仕組みは、継続的な改善活動を「ぐるぐる回す」上で不可欠です。

柴亮太が考えるECサイトの未来

私は、SMEOのような技術が、ECサイトの運営に根本的な変革をもたらすと確信しています。これまでのECサイトは、商品の数や価格競争に重点を置きがちでした。しかし、これからは「顧客がどれだけスムーズに、そして満足して商品を見つけ、購入できるか」という顧客体験の質が、競争力の源泉になります。SMEOは、その体験を科学的に最適化する強力なツールです。

表面的なクリック数や滞在時間だけを見ていては、顧客の真のニーズを見誤ります。SMEOは、顧客が購入という最終目標に到達するまでの「道のり」全体を最適化します。これは、顧客のストレスを減らし、満足度を高めるだけでなく、ECサイト運営者にとっては売上向上と効率的な情報管理に繋がります。私は、このような顧客中心のデータ活用こそが、これからのECサイトが目指すべき「最速」の成長戦略だと考えます。一次情報を取りに行き、顧客の行動を深く理解し、それをシステムに反映させる。この繰り返しが、持続的な成功を生み出すのです。