株式会社サイバーエージェント（本社：東京都渋谷区、代表取締役社長：藤田晋、東証一部上場：証券コード4751）は、人工知能技術の研究開発組織「AI Lab」に所属する研究員の安井翔太と、東京工業大学の齋藤優太氏による共著論文が、機械学習分野の国際会議「ICML 2020」(International Conference on Machine Learning ※1)に採択されたことをお知らせいたします。
「ICML」は世界中の研究者によって毎年開催される国際会議で、「NeurIPS」「KDD」(※2)などと並び、機械学習の分野で権威あるトップカンファレンスの一つです。この度「AI Lab」から採択された論文は、2020年7月にオンラインで開催される「ICML 2020」で発表を行います。
■研究背景
「AI Lab」ではマーケティング全般に関わる幅広いAI技術を研究開発しており、大学・学術機関との産学連携を強化しながら様々な技術課題に取組むとともに、産学連携によって培ってきた技術を当社のビジネス課題と結びつけるような、より実践的な研究開発を行ってまいりました。
近年マーケティングにおいて、広告に接触したユーザーのブランド認知や購買意欲がどの程度向上しているかを測る「リフトアップ」という指標が注目を集めています。例えば、広告によってブランド認知が増加したかをみる「ブランドリフト」、検索数が増加したかをみる「サーチリフト」などが広告において考慮されており、リフトアップ効果を高精度で予測できれば、リフトアップ効果が大きいタイミング・ユーザー・メディアなどの状況に絞ってマーケティング施策を行うことができます。このような利点から、リフトアップ効果の予測は機械学習において重要な研究領域とされ、実際に数多くの手法が提案されています。しかしそれにより、数多くのリフトアップ効果予測の手法の中から最適な手法を選択しなければならない、という課題がありました。
■論文の概要
このような背景のもと、今回採択された共著論文 「Counterfactual Cross-Validation: Stable Model Selection Procedure for Causal Inference Models(※3) 」では、リフトアップ効果を予測する機械学習の応用において、数ある予測手法の候補の中から最適なものを選択するための手法を開発し、提案しました。
リフトアップ効果を機械学習で予測するためには、あるユーザーに対して、広告などの施策が実施された場合と実施されなかった場合の結果(検索や購買の量)を同時に観測し、その差を正解データとして使う必要があります。しかし、実際に同一のユーザーから両方の結果を観測することは不可能です。これにより、リフトアップ効果を予測する機械学習の応用においては、正解データが存在しないため「学習をする事」自体が難しく、さらに「大量に存在するリフトアップ効果予測手法の選択肢の中から、どれを使うべきか判断できない」という問題も発生します。
予測手法の性能評価を行う際、機械学習では学習に使わない評価データを別途用意し、評価データに対する予測結果と正解ラベルを比較します。しかし、リフトアップ効果の予測においては正解データが存在しない為、機械学習における一般的な評価方法を使うことができません。そのため、数多くのリフトアップ効果予測の手法から最適な手法を選択する際、従来はそれぞれの選択肢の予測性能をなるべく正しく評価し、その結果を元に比較・選択を行っていました。
今回の論文では、新たな着眼点として、予測性能の順位がわかれば最適な手法を選択することができ、さらに順位の評価は性能の評価よりも容易であることに注目し、「リフトアップ効果の予測性能における順位を高精度で検出する方法」を提案しました。これにより「多数の候補のうち、どの予測手法を導入するべきか？」という、ビジネス応用において本質的な課題を、より高い精度で解決することを可能にしました。
■広告展開への期待
今回の提案は、当社で提供している広告配信プロダクトや、今後リリースを予定しているDXプロダクトに導入を予定しており、企業のブランディングや購買率の増加などを目的とした様々なマーケティング活動において貢献が期待されます。「AI Lab」は今後もAI技術を用いた広告配信技術をプロダクトに取り入れるべく、より品質の高い広告配信技術の実現を目指し、研究・開発に努めてまいります。
※1 「ICML」International Conference on Machine Learning
※2 「NeurIPS」 Neural Information Processing Systems
「KDD」International Conference on Knowledge Discovery and Data Mining
※3 Saito, Yuta and Yasui Shotai. "Counterfactual Cross-Validation: Stable Model Selection Procedure for Causal Inference Models." ICML. 2020.
＜ご案内＞
ICML2020 因果推論系論文 著者発表会について (オンライン開催)
サイバーエージェント AI Labでは、Counterfactual Machine Learningと呼ばれる因果推論の知識を機械学習に応用する手法の研究開発の発展を目的に、CFML勉強会を定期的に開催しています。2020年07月22日(水)には、機械学習及び因果推論に関する論文に興味がある方を対象とし「ICML2020 因果推論系論文著者発表会」をオンラインにて開催いたします。日本人によって執筆された論文３つを著者本人が解説します。国際的なトップカンファレンスであるICMLにおいて採択された、因果推論に関連する研究内容を日本語で聴けるまたとない機会ですので、是非ご参加ください。