Thompson Samplingのコールドスタート対策 ── 過去の実績データを事前分布に活かす - ZOZO TECH BLOG

はじめに こんにちは、検索基盤部 検索グロースブロックの広渡です。検索グロースブロックでは、ZOZOTOWNのある施策において、ユーザーに表示するコンテンツを複数の候補の中から選んで配信しています。どの候補がユーザーの反応（クリックなどのエンゲージメント）を最も得られるかは事前にわかりません。そこで、配信結果から学習しながら最適な候補に配信を寄せていくMulti-Armed Bandit（MAB）、なかでもThompson Samplingの活用を検討・検証しています。 MABは、広告配信のクリエイティブ選択・検索結果ページに差し込むレコメンドモジュールの出し分け・アプリのホーム画面のコンテンツ最適化など、ECや広告の分野で広く使われているアプローチです。なお、本記事では対象施策の詳細には触れず、この問題設定を前提に話を進めます。 今回の検証の中で課題になったのが、いわゆるコールドスタート