Yahoo!ショッピング、直前検索を使ってサジェストを再順位付け

編集: グリットアーツ編集部

公開日：2026年9月27日

3行解説

ニュースの概要

LINEヤフーは、Yahoo!ショッピングの検索サジェスト改善について、直前の検索クエリを考慮した再順位付けの取り組みを公開しました。入力中の文字列だけでなく、その直前に何を検索していたかを加味し、候補ごとにBERTでスコアを付けて並び替えます。評価では、オフラインでMRRが相対11.6％、hits@1が26.9％、hits@3が5.2％改善し、オンラインA/BテストでもCTRが相対約7％改善したとしています。

何が新しいのか

新しい点は、検索窓に入った文字列だけで候補を並べるのではなく、直前の検索文脈を加えて再順位付けしていることです。たとえば「ワンピース」という入力でも、直前に「呪術廻戦 フィギュア」を検索していれば、服より漫画関連の商品候補が上位に来やすくなります。

学習では、[CLS] 直前の検索クエリ [SEP] 入力中のクエリ [SEP] サジェスト候補 [SEP] の形で候補ごとにBERTへ入力し、クリックされた候補を正例、同時表示された他候補を負例として扱います。単純なクリック数順の並び替えよりも、文脈に応じた候補の違いを拾いやすい構成です。

グリットアーツ編集部の分析

この事例で重要なのは、改善が「モデルを入れた」だけで終わっていない点です。オフライン評価でMRRやhits@1を確認し、さらにA/BテストでCTRの改善まで見ています。つまり、検索体験の良し悪しを、学習指標と実運用指標の両方で確かめているわけです。

導入判断の観点では、直前クエリを使うことで短い入力や多義語に強くなる一方、文脈が弱い検索では効果が出にくい可能性があります。また、今後の課題として表示位置の影響やモデル軽量化が挙げられており、本番では精度だけでなく応答速度と運用負荷も見ないといけません。検索改善は、精度が上がっても表示が遅ければ体験を損ねるためです。

日本の現場で考えると

日本のECや社内検索でこの手法を使うなら、まずは多義語が多い商品群や、スマートフォンのように候補表示数が限られる画面で効果を見やすいでしょう。逆に、検索意図が最初から明確な業務システムや、直前文脈がほとんど残らない導線では、改善幅は小さいかもしれません。

運用面では、検索ログをどこまで学習に使うか、候補の生成元をどう保つか、更新頻度を上げたときに表示遅延が増えないかが論点になります。ECでは売れ筋だけを上位に出すと、意図の違うユーザーを取りこぼすことがあるため、クリック率だけでなく、目的の商品に到達できたかも見た方がよいでしょう。

導入・検討時に確認したいこと

• 学習に使うログの範囲と、個人情報・匿名化の扱い
• 候補生成から再順位付けまでの処理時間と表示遅延への影響
• 直前クエリがない場合や短い入力での効果の出方
• A/Bテストで追うKPIをCTR以外に何にするか
• モデル更新頻度を上げたときの運用負荷とロールバック手順

現時点で分かっていないこと

公開情報だけでは、学習データの期間や規模、モデルの推論コスト、実運用での更新頻度は分かりません。また、表示位置の影響をどう補正したかも、この記事の範囲では確認できません。

検索体験の改善は、ログの使い方と運用設計で結果が大きく変わります。ECや検索基盤の見直しを進める際は、評価指標や更新運用の整理から始めると判断しやすくなります。

出典: LINEヤフー Tech Blog