Zappos が AWS を使用して画期的なカスタマーエクスペリエンスを提供

信頼できる e コマースブランドを確立するためには、カスタマーエクスペリエンスを革新することに集中する必要があります。特にアパレル業界では、実店舗で商品に触れる購入体験がカスタマーエクスペリエンスを形作っていました。Zappos の Head of Machine Learning Research and Platforms 、Ameen Kazerouni 氏は「e コマースの究極の目的は、顧客に実店舗での買い物と同じ快適さを感じてもらうことです。体に合うかどうか、着た時にどのように見えるかがわかり、実際に試着したような安心感があることです」

デジタル店舗でこのようなパーソナルなカスタマーエクスペリエンスを実現することは簡単ではありません。しかし、それを実現できる会社があるとしたら、Zappos でしょう。1999 年に創業した Zappos.com は、365 日の返品ポリシー、迅速な無料配送、24 時間年中無休サービスで有名な、業界有数のオンラインアパレル小売業者です。2009 年から、Zappos は Amazon の子会社となりました。

同社はアマゾン ウェブ サービス (AWS) 上に構築された分析機能と機械学習を使用して、e コマースのカスタマーエクスペリエンスを目に見えて大きく向上させました。このソリューションによって、Zappos は流れるようにスムーズで応答性の高いユーザーエクスペリエンスはそのままに、サイズと検索結果を個別のユーザーに合わせてパーソナライズできるようになりました。

Zappos は、効率よくショッピングを楽しめるエクスペリエンスを実現するための鍵は、正確なレコメンデーションを提供することにあると考えています。気前のよい返品ポリシーと迅速な無料配送で顧客に安心感を与えてはいますが、これらのサービスはコストが高く、他社と比べて特に差別化されたものではありません。

「私たちはさらに自社を差別化するにはどうすればよいかといつも考えています」と Kazerouni 氏は述べています。「カスタマーエクスペリエンスを犠牲にせずに、返品率を最小にするにはどうすればいいのだろうか。 このような課題を、私たちは AWS の機械学習と分析機能を使って解決しようとしているのです」

お客様が検索をする段階において、検索の正確性を高めるために、よりパーソナライズされたレコメンデーションを提供することを目標としました。汎用的な検索アルゴリズムを使用するのではなく、顧客個人をよく知り、入力された検索ワードに対してその顧客固有の検索結果を表示することを目指しています。(また、このレベルのパーソナライズを希望しない顧客向けに、オプトアウトボタンが目立つように表示されています。)

だからといって、検索のスピードが犠牲になってはいけません。「余計な操作にかかる時間を最小限に抑えたいと考えていました」と Kazerouni 氏は話します。「そこで、ハイパフォーマンスなキャッシング、特定の結果についての戦略的な事前計算、そして複数の単純なモデルを使用するアンサンブルベースの機械学習アプローチを組み合わせています」

データパイプラインは、関連性の高いイベントを処理するために取り込み API に送信する軽量なクライアントから始まります。API は大量のデータを扱えるように Auto Scaling グループ内に配置されています。データはこの API から Amazon Data Firehose に送信されて Amazon Redshift データウェアハウスに取り込まれます。このデータウェアハウスが機械学習リサーチ向けにハイパフォーマンスなデータアクセスを提供します。Amazon Simple Storage Service (Amazon S3) は Amazon Data Firehose と Amazon Redshift の橋渡しをします。

Zappos は複数のテクノロジーを使用してモデルのトレーニングと実行を行っています。顧客の衣料のサイズの予測には Amazon SageMaker を使用しています。これらの予測はキャッシュされ、レコメンデーションに使用するマイクロサービス API を介して実行時に提示されます。ビッグデータ分析の実行には Amazon EMR を使用していますが、従来のオンプレミスのクラスターと比べるとコストはわずかです。また、Amazon Elastic Compute Cloud (Amazon EC2) でグラフィック処理ユニット (GPU) を使用してモデルを実行しています。

2 つの異なるサービスを使い、事前に計算した予測の超高速検索を可能にしました。Amazon DynamoDB は事前に計算した結果を保存し、実行時にアクセスできるようにします。このフルマネージド型のキーバリューおよびドキュメントデータベースが、ほぼあらゆる規模において数ミリ秒台のパフォーマンスを実現しています。DynamoDB は、1 日に 10 兆件以上のリクエストを処理することができ、毎秒 2,000 万件を超えるリクエストをサポートします。さらに高速な応答時間を実現するために、Zappos はインメモリデータストアの Amazon ElastiCache for Redis をキャッシュレイヤーとして使用しています。このサービスによって、必要な場合にミリ秒未満のレイテンシーを実現します。

モデルを実行して結果を統合するマイクロサービスは Amazon EC2 インスタンス上で実行されています。このインスタンスはロケーションベースのロードバランサーを備えた Auto Scaling グループに配置されています。Zappos はソリューション全体のトラフィックをルーティングするドメインネームシステムには Amazon Route 53 を使用しています。

従来の開発方法とデプロイ方法で、このような入り組んだアーキテクチャを構築して維持しようとすると、とてつもなく複雑になるでしょう。その代わりに、Zappos では AWS CloudFormation を使用した Infrastructure as Code を活用しています。「このソリューションのすべての面が AWS CloudFormation テンプレートで表現されています」と Kazerouni 氏は話します。「変更する場合は、テンプレートを修正するだけです。サービスと Redis との通信方法を変える必要があれば、手動で変更を繰り返さなくても、テンプレートを変更してどこにでもデプロイできます」

同氏はまた、チームが思いのままに利用できる AWS の豊富なサービスがなければ、ソリューションを構築することはできなかっただろうとも述べています。AWS のサービスを中核に使用することで、エンジニアは DevOps にかかる経費ではなく、パフォーマンスと結果を向上させることに集中できるようになりました」

Zappos はこのようにして改善した検索結果を、ほぼレイテンシーの増加なしで提供しています。検索の 99% は 48 ミリ秒未満で完了します。サイズのレコメンデーションについても、同様のアーキテクチャを使用して、簡単なフィット感アンケートと過去の購入履歴に基づいてパーソナライズを行うように大きく改善しました。その結果、何度も検索しなくてすむようになり、商品の返品率を減らすことができました。また、検索から商品へのクリックスルー率が向上し、検索結果内で顧客が商品を選択するケースが増加しました。

Kazerouni 氏はこの改善を次のようにまとめています。「私たちはカスタマーサービス企業であり、たまたま靴と衣料を売っているのだと考えています。サービスを向上させるためにできることは何でも、私たちのビジネスの向上につながります。AWS を使用することで、エクスペリエンスを迅速に革新できました」

詳細については、aws.amazon.com/big-data/datalakes-and-analytics をご覧ください。