クリック率を最大化しない推薦システム

概要

• クリック率の最大化だけを目指すと不幸な結果になる。
• グッドハートの法則：指標は目標になったとき、良い指標ではなくなる

• とはいえ機械学習なりで最適化を行う場合、何かしらの指標を定義する必要がある。
• 単純なクリック率以上の、より「根源的」な基準が必要

• 一般的にはLTV（長期的な利益）を最大化しようという話がよくなされる。

• Serendipityや多様性がそれに相関するという研究が2018年くらいから良くやられている印象。
• 論文を引用しつつそのあたりを紹介している資料。
• Google社やSpotify社が精力的な印象。松村もめちゃくちゃこの辺りは関心が強く、当初は追いかけていました。

• 消費者側だけでなく、生産者側（コンテンツを作る側）の利得も考えるべきという研究についても紹介。
• いきなりレコメンドを大きく変えると、それによっていきなりコンテンツが消費されなくなって場合によっては生活に困るというケースも存在する。
• two-sided というキーワードで一時盛り上がっていました。これも関心が強くて当時めちゃ追いかけていました。
• 松村が最も関心を持っていたのは、もう少し限定的な Reciprocal Recommender Systems というマッチングプラットフォームの話。

• 実サービスでレコメンドやるにおいて、シンプルにCTRやCVRを最適化しよう！の次のステップに進むのに最高の資料だと思いました。