Next-Gen Sponsored Search: Crafting the Perfect Query with Inventory-Aware RAG (InvAwr-RAG) Based GenAI
本論文は、リアルタイムの広告在庫に適合した関連性の高いクエリを動的に生成することでスポンサー検索を最適化し、Walmartのプラットフォームにおけるフィルレートを68%向上させ、収益とユーザー体験を改善する、在庫認識型RAGベースの生成AIモデルであるInvAwr-RAGを紹介するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
巨大で賑やかなデジタルスーパーマーケット（Walmartのウェブサイトのような）を歩いているところを想像してみてください。あなたは頭の中で一つのアイテムを手に取り、店に向かって質問を叫びます。「雨の日のピクニックに何か必要なんだ！」
理想的な世界では、店長は即座に「素晴らしいですね！こちらに傘やレインコート、防水ブランケットがありますよ！」と叫び返し、それらのアイテムの広告を表示してくれるでしょう。
しかし現実には、多くの場合、そのようなことは起こりません。なぜなら、店の在庫は一秒ごとに変化しており、人々は奇妙だったり曖昧だったりする言い方で質問したりするため、店長は時として、「すみません、それに関する商品はございません」と言ってしまうのです。たとえ実際には、それに適合する可能性のある商品が何千個も存在するとしてもです。この論文では、これを「13%問題」と呼んでいます。つまり、100回の検索のうち13回は広告がゼロとなり、これは店にとっての収益損失であり、あなたにとってはお気に入りの商品を見つける機会の喪失を意味します。
問題点：「言葉の壁」による瞬間
著者らによれば、現在のコンピュータシステムは、まるで融通の利かない司書のようなものです。もしあなたが「雨天用ギア」と頼み、データベースには「レインギア」の下に「傘」としか記載されていなければ、司書はそのつながりを見逃してしまうかもしれません。あるいは、たとえ一致するものを見つけたとしても、その商品が「今この瞬間」に実際に在庫があるのか、あるいは広告主が現在その広告を表示することに対して費用を支払っているのかどうかを知らない場合があります。
その結果、あなたは空白のページを目にすることになり、店は売上を逃すことになります。
解決策：「スマートショッパー」アシスタント (InvAwr-RAG)
これを解決するために、Walmartのチームは InvAwr-RAG と呼ばれる新しいAIシステムを構築しました。このシステムは、2つの特別なスーパーパワーを持つ、非常に賢いリアルタイムのパーソナルショッパー・アシスタントだと考えてください。
- 「ライブ在庫」レーダー： 従来のシステムのように推測するのではなく、このアシスタントは倉庫への直通電話を持っています。彼らは、まさに「今この瞬間」に何が棚にあり、どの広告主が現在商品の表示に対して支払っているのかを正確に把握しています。
- 「言語翻訳機」（生成AI）： もしあなたが曖昧な質問をしたとしても、このアシスタントは単に「いいえ」とは言いません。彼らは、実際に在庫があるものと確実に一致するように、あなたの質問を素早く、より明確ないくつかのバージョンへと書き換えます。
仕組み：ステップ・バイ・ステップのダンス
論文では、瞬きする間に行われる6つのステップのプロセスについて説明しています。
- チェックイン： システムはあなたの質問を確認します。もし、あなたの質問が（先ほどの「雨の日のピクニック」の例のように）通常は結果が得られないような内容である場合、システムはそれを特別なサポートが必要なものとしてフラグを立てます。
- 偵察ミッション： システムは即座に「ライブ在庫」（ベクトルデータベース）をスキャンし、実際に利用可能で関連性の高い上位20個のアイテムを見つけ出します。
- プロンプト： システムは、あなたの元の質問と、これら20個のアイテムの記述を組み合わせます。これは、アシスタントがクリエイティブ・ライターにこう囁くようなものです。「ねえ、ユーザーは雨の日のピクニック用品を求めているけれど、手元にはこれらの特定の傘やブランケットがあるよ。これらに関連する新しい問いかけ方を5つ考えてみて。」
- 書き換え： 強力なAI（微調整されたLlama2）が、あなたの質問の、より巧妙で多様なバリエーションを5つ生成します。単なる「雨の日のピクニック」ではなく、「屋外での食事に最適な防水ブランケット」や「家族ピクニック用のコンパクトな傘」といった具合です。
- 「群衆の知恵」チェック： システムはAIをただ盲信するわけではありません。過去に「実際にうまくいった」検索キーワードとして、人間が実際にどのような検索を行ったかという履歴ログも参照します。AIの新しいアイデアを、これら実証済みの人気のある検索語句とミックスさせます。
- 最終マッチング： システムは、これら書き換えられたすべての質問を厳格なフィルターに通し、極めて関連性が高く、かつ実際に利用可能な広告のみが表示されるようにします。
結果：「無」を「有」に変える
このシステムは、以前は成功率が0%（つまり、一度も広告が表示されなかった）であった10,000件の検索に対してテストされました。
- 導入前： これらの検索のうち、広告が表示されたのは0%でした。
- 新しいAIを使用した場合： それらの検索の**68%**において、関連する広告を表示することに成功しました。
視点を変えて、もしあなたが、100件の「行き止まり」のうち68件を成功したショッピング体験に変える魔法の杖を持っていたとしたら、それは非常に大きな勝利です。論文ではまた、このシステムが非常に有名な汎用AIであるGPT-4（成功率は53%）よりも優れた結果を出したことも記されています。これは、AIをWalmartの在庫やショッピング習慣に特化してトレーニングすることが、この特定の仕事において非常に賢明であることを証明しています。
なぜ重要なのか
著者らは、これは単に広告を増やすことではなく、ショッピング体験を向上させることであると主張しています。
- あなた（ショッパー）にとって： 行き止まりに突き当たることがなくなります。たとえ正確な名称を知らなくても、あなたが本当に好きそうな商品を目にすることができるようになります。
- 店（Walmart）にとって： 空白の検索結果によって利益を逃すことがなくなります。論文は、これが今後5年間で数十億ドルの追加収益につながる可能性があることを示唆しています。
- 広告主にとって： 彼らの製品が、実際にそれを探している人々の目に触れるようになり、投資に対するより高いリターンを得ることができます。
要約すると、InvAwr-RAG モデルは、店長に倉庫のライブマップと、あらゆる「ショッピング言語」を話せる翻訳者を与えるようなものです。これにより、顧客が手ぶらで帰ることのないよう保証しているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。