BT（behavior targeting）からBT最適化へ

最近、社内でBT（behavior targeting）メールの案件が活発化している。

これだけ、案件が増えてくると、各事業ごとにモデルを作っているわけには行かないので、モデルのコアとなる部分は同じで作ることにした。
微妙なパラメータ部分に関しては、各事業ごとにパラメータで自己学習する様にしておいた。

グルメ領域と住宅領域に関して、BTとランダムのABテストを行ったところ、なんとBTの方が2倍～3倍の効果がでることが解った。
モデルは、アソシエーションでもなく、協調フィルタリングでもなく、自己作成のモデル。

実際に、社内の人や自分に対して、欲しい物がリコメンドされるのかをみたところ、確かに驚くほどピッタリとしたものが選ばれている。ｗ
後は、その中で、ど真ん中のストライクをリコメンドするのか、ボールではないが、ギリギリストライクのものをリコメンドするのかといったさじ加減も必要になってくる。

次の展開としては、大規模割り当ての数理計画問題だ。
ユーザーが欲しいものをリコメンドするだけでなく、広告を出向しているクライアントなどのことも考えないといけない。
かといって、余剰在庫ばっかり送られたらユーザは、怒ってしまう。
このあたりのことは、データマイニングというよりも、最適化問題で解くのが良いだろう。

ここで問題となってくるのは、ユーザー数、商品数ともに巨大な場合、どのように解くのか？という大きな問題が残ってくる。
詳しくは書けないが、この問題も無事に解決できそうである。