楽天AIの内側：マーチャントを支援するAI広告の力
デジタル広告の世界は、人工知能（AI）によって大きな変革を遂げています。AIは広告のパーソナライゼーションを強化し、広告主の投資収益率を向上させることで、すでに大きな価値を生み出しています。70以上のサービスを展開する多様な楽天エコシステムは、広告主が顧客にリーチするための豊富なデジタルタッチポイントを提供しています。今回は、業界のベテランエキスパートであるNeil Primozich氏（マーチャンダイジング・広告部門 ゼネラルマネージャー）にお話を伺いました。彼の独特なキャリアパス、そして楽天の広告成功を支えるAI駆動型プラットフォームの内部について、詳しく語っていただきました。
素粒子物理学から価格最適化の世界へ
Primozich氏のキャリアパスは、決して一般的なものではありません。高度に専門化された物理学の領域から、収益重視の小売・広告の世界へと舵を切った彼の道のりは、実にユニークです。
「大学で物理学を選んだのは、単純にかっこいいと思ったからです」と、Primozich氏は振り返ります。「しかし、大学院に進む頃には、教室にいる25人くらいしかその話題を理解できないような状況でした。それは超天才的だからというわけではなく、ただ非常に専門的だったのです」
やがて彼は、より具体的なインパクトを持つキャリアについて考え始めました。「物理学の進歩は非常にゆっくりです。非常に小さな部分に取り組んでいて、全体像が見えないのです」とPrimozich氏は語ります。転機となったのは、ある光景を目にした時でした。「建設作業員が高速道路を建設しているのを見たんです。誰もがそれを見て、知っていて、評価できるものです」と彼は回想します。「私もそういうものを作りたいと思いました。誰も読まないような学術誌に論文を発表するだけでなく、子供たちに見せられるようなものを」
転換点となったのは、当時まだ黎明期にあった小売価格最適化の求人を見つけた時でした。これは「AIという言葉が一般的になる前のこと」だったと彼は言います。「25人のスタートアップに入社しました。会社は急成長し、最終的にSAPに買収されました。私たちは定量的モデリングを使って売上と在庫を予測し、小売業者の価格最適化を支援していました」
楽天広告における10年以上のイノベーション
2010年、Primozich氏は楽天に入社し、以来、同社のデータ戦略と広告戦略の進化の中心にいます。「次世代検索チームから始まり、それが後にビッグデータ部門に成長しました」と彼は説明します。「初期の仕事は価格と在庫の最適化でした。その後、マーチャントに代わって一対一のクーポンを提供する広告プラットフォームを提案しました。これがスマートクーポンで、広告の世界に本格的に入るきっかけとなりました」
広告の力を証明する機会が訪れたのは、楽天グループの三木谷浩史会長兼社長が、楽天の検索広告のパフォーマンスを向上させるため、GoogleとA/Bテストで競争するよう開発チームに挑戦した時でした。「私は手を挙げて、検索広告のための第三の代替プラットフォームを提案しました。わずか2人の仲間と2週間でソリューションをまとめたのです」とPrimozich氏は振り返ります。「私の目標は、楽天がGoogleの得意分野である検索で競争できることを証明することでした」
「私たちの新しいプラットフォームは、既存の検索品質改善プラットフォームを活用しました。これは顧客の全体的なジャーニーと検索を追跡し、それを元のクエリに結びつけるものでした」と彼は説明します。「競争統計を使い、検索クエリをグループ化することで、関連性の高い広告を表示するためのより包括的なシグナルを収集することを目指しました。この革新的なアプローチにより、定義されたタスクと条件下での特定のテストにおいて、Googleの検索広告システムと同等の性能を実現できました」
検索におけるAIの影響
楽天の広告環境は、主に2種類の広告で構成されています。検索クエリ広告とパーソナライズドディスプレイ広告です。検索クエリ広告はシンプルです。「ユーザーが『ナイキ シューズ』と入力すると、ナイキのシューズと、最も高い金額を支払っている人の類似商品を表示します」とPrimozich氏は説明します。一方、パーソナライズドディスプレイ広告は、よりプロアクティブです。「これは、その顧客が積極的に検索しているかどうかに関わらず、商品の広告を表示し、楽天市場のトップページに目立つように表示するものです」
広告における特化型AIモデルの利点は、効率性とコストに集約されます。「LLMを毎秒何万ものリクエストに対して実行すると、すぐに法外なコストがかかってしまいます」と彼は説明します。「特に小売に特化したモデルは、はるかにコスト効率が良いのです。例えば、夏用コートのような特定の商品を識別するために訓練された小さなモデルが、正確にその商品を見つけることができれば、その小さなモデルには大きな価値があります」
これらのモデルは、強化学習による反復学習にも十分に機敏です。これは大規模なLLMには高コストすぎるプロセスです。「一般的に、小さなモデルは何十億回も試行錯誤できます。長期的にはそれほどコストがかからず、反復するたびに少しずつ良くなっていきます」
実際には、複数の特化型モデルが連携して動作することが多いです。「検索モデルは、商品の関連性とクリック確率の両方を決定するために、8つまたは9つの小さなモデルで構成されることがあります。これら複数の小さなモデルを組み合わせたコストは、1つの大きなモデルよりも劇的に安く、システムもより効率的になります」とPrimozich氏はコメントしています。
楽天の広告プラットフォームでマーチャントを支援
楽天の広告力は、2つの主要プラットフォームによって大幅に強化されています。楽天プロモーションプラットフォーム（RPP）と価格・在庫最適化プラットフォーム（PIOP）です。「RPPは、マーチャントが予算を入力できるマーチャント向けツールで、楽天市場の検索ページ、トップページ、およびさまざまな場所に商品を表示します」とPrimozich氏は説明します。「PIOPは商品の販売と価格設定を管理し、在庫管理も含まれます。一方、RPPは広告の側面を処理します。これら2つのプラットフォームは、複雑な意思決定を自動化することでマーチャントを支援し、彼らが本業に集中できるようにします」
「PIOPは過去の販売データを分析し、将来のさまざまな価格帯で各商品がどれだけ売れるかを予測します」とPrimozich氏は説明します。「これは在庫管理にとって非常に重要で、セールイベントのためにどれだけの在庫を購入すべきか、または過剰在庫を一掃するために商品をどう価格設定すべきかをマーチャントが決定するのに役立ちます。このプラットフォームは、さまざまなチャネルや広告配置における予算配分も追跡し、広告費用対効果を最適化します。最終的な目標は、広告予算を考慮してマーチャントのために常に最適化を試みることです」
楽天のAI駆動型広告の成功は、明確で影響力のあるKPI、すなわち広告費用対効果（ROAS）によって測定されます。「楽天の広告費用対効果が日本全国で圧倒的に最も高いことを確実にすることに、私たちは大きな誇りを持っています」とPrimozich氏は誇らしげに述べます。「平均ROASは1,000%です。つまり、マーチャントが広告に1円投資するごとに、売上でその約10倍のリターンが期待できるということです」
ROASに加えて、Primozich氏のチームは広告消費量、つまり広告予算がどれだけ活用されているかに注目しています。彼らはまた、販売履歴がない新しいマーチャントや商品のコールドスタート問題にも取り組んでいます。そのような場合、モデルはクリック確率を予測してそのマーチャントに露出を与え、新規参入者でも成功のチャンスを得られるようにしています。
デジタルとリアルを橋渡しする、生成的創造性を持つ広告の未来
将来を見据えて、Primozich氏はオンラインと実店舗の両方のマーチャントに利益をもたらす、エキサイティングな広告トレンドを予見しています。「ビジョンは、実店舗が価格と在庫を最適化するのを支援し、次にデジタル広告を使って、あなたが販売しているセーターに興味を持つ人々と広告をマッチングすることです。これは誰にとってもウィンウィンなのです」
AIは既存のシステムも加速させ、改善しています。「多くのマーチャントにとって長年の課題は、顧客にどのような画像を表示するかでした」とPrimozich氏は指摘します。「従来、これは非常に時間がかかる手作業でした。しかし、AI LLMは、A/Bテストとより迅速な展開のために、多様な広告クリエイティブを素早く作成することに非常に優れています」
理論物理学から楽天での具体的な成果を生み出すAI広告の構築まで、Primozich氏の旅は、彼の適応力とマーチャント支援への情熱の証です。高度なAIプラットフォーム、特化型モデル、戦略的KPIを駆使して、彼のチームは、マーチャントが広告投資に対して最高のリターンを達成できるよう支援し、すべての人にとって繁栄するエコシステムを育成することに尽力しています。
私見と考察：楽天AIが描く「三方よし」のデジタル経済圏
今回のNeil Primozich氏へのインタビューは、楽天がいかにして「テクノロジーの社会実装」を具現化しているかを浮き彫りにしました。高度な数理モデルが、日々の買い物や中小企業の売上にどう直結しているのでしょうか。
巨大な汎用AIではなく賢い特化型AIの勝利
現在、世の中の関心はChatGPTのような大規模言語モデル（LLM）に集中していますが、楽天の戦略は極めて現実的かつ合理的です。Primozich氏が指摘するように、秒間数万件のリクエストを処理するeコマースの現場において、すべての判断をLLMに委ねるのはコスト面でも速度面でも現実的ではありません。
特筆すべきは、小さなモデル（スモールモデル）の群知能という考え方です。
検索意図を汲み取るモデル
クリック率を予測するモデル
在庫の回転率を測るモデル
これら複数の特化型AIをオーケストレーション（調和）させる手法は、まさに物理学的なアプローチに近いと言えます。巨大な1つの脳を作るのではなく、精密な部品を組み合わせて最強の機械を作る。この「コスト効率」と「精度」の両立こそが、平均ROAS 1,000%という驚異的な数字を支える技術的背景にあると考えられます。
コールドスタート問題への挑戦と民主化
広告プラットフォームにおいて、実績のない新規参入者や新商品が埋もれてしまう「コールドスタート問題」は最大の壁です。楽天のAIが、過去のデータがない商品に対しても「クリック確率」を予測して露出のチャンスを与える点は、プラットフォームとしての公平性の担保を意味しています。これは単なる効率化ではありません。資本力のある大手メーカーだけでなく、キラリと光る商品を持つ小さなマーチャントにも光を当てる「商売の民主化」です。三木谷会長が掲げる「エンパワーメント（力づける）」という理念が、AIのアルゴリズムというもっともドライな場所にまで浸透している点は、楽天が他国の巨大テック企業とは一線を画す「温かみのあるエコシステム」であることを示唆しています。
オンラインとオフラインの境界が溶ける日
Primozich氏が語る未来像、すなわち「実店舗の在庫・価格最適化とデジタル広告の融合」は、私たちが現在体験しているショッピング体験を根底から変える可能性を秘めています。例えば、ある街のブティックに滞留している在庫をAIが検知し、その瞬間に近隣に住む「そのブランドを好むユーザー」のスマホへパーソナライズされた広告を届ける。これはもはや単なる広告ではなく、情報の最適なマッチングです。ユーザーは欲しいものが手に入り、店主は在庫リスクを軽減し、プラットフォームは活性化する。この「三方よし」の循環を、AIという潤滑油が加速させていくでしょう。
AIは道具であり、目的は繁栄にある
物理学の世界から「誰もが評価できる高速道路のようなものを作りたい」と転身したPrimozich氏の志は、現在の楽天の広告プラットフォームに見事に結実しています。楽天のAIは、決して人間を置き換えるものではありません。マーチャントがクリエイティブな意思決定（どんな商品を仕入れ、どうブランドを育てるか）に集中できるよう、背後の複雑な計算をすべて引き受ける「最強の副操縦士」です。AIが進化すればするほど、そこに関わる「人間」の情熱やこだわりが、より正確に、より遠くの顧客へと届くようになりそうです。テクノロジーと人間が共生する未来が近づいてきています。
Inside Rakuten AI: Neil Primozich on Rakuten AI-powered ads empowering merchants
https://rakuten.today/blog/inside-rakuten-ai-neil-primozich-on-rakuten-ai-powered-ads.html
