LLMO・GEO の研究論文と民間調査/GEO手法・効果検証
研究論文
Shopify における生成検索と推薦
原題:Generative Search and Recommendation at Shopify
著者は Juhana Kangaspunta, Khalil Hajji, Darshan Fofadiya, Kyumin Park, Michael Garner, Anthony Maltsev, Ryan Synk, Jose Sepulveda, Joshua Crisologo, Shuying Sun, Akshay Soni。に arXiv へ投稿されました。日本語の題名は、ガーオンによる仮の訳です。
論文の原文を arXiv で読む(arXiv:2611.08804)論文が報告した結果
Shopify の検索と推薦を、商品を短い意味IDの列として生成する SID-LLM にまとめた、という本番システムの報告である。
カタログと行動データで共同学習し、強化学習や蒸留も使う。既存の複数モデル検索と同等の品質を、本番の遅延制約の中で達成し、オンラインA/Bでは対象面で注文が7.95%、転換ユーザーが8.60%、転換率が9.85%上がった、と報告している(Dunnett 補正後も有意、とされる)。
調査の条件
- 論文が調べたこと
- Shopify における生成検索と推薦
- 調べた対象の AI
- 研究用の独自システム
- 調べたモデル
- SID-LLM(基盤モデルの一般名は原文に記載なし)
- 回答データの取り方
- オフライン評価と、Shopify 本番への組み込みによるオンラインA/B(要旨・本文)
- 調査の規模
- カタログは数十億件規模(要旨)。オンラインA/Bのリフトは本文に記載の3指標
- 数字が載っている場所
- 要旨(オンラインA/Bの7.95%、8.60%、9.85%)。補正の記載は本文
結果を読むときの注意
Shopify 社内の生産システム(SID-LLM)の報告である。基盤モデルの一般的な商品名は、確認した範囲では原文に明記されていない。v2(2026-11-15)。カタログは数十億件規模、と要旨。
上の要約は、株式会社ガーオンが生成AIを使って作成しました。最終更新は2026年11月19日です。正確な内容は、論文の原文で確認してください。
「GEO手法・効果検証」を調べたほかの論文
- 2026年11月IntentGEO:意図を意識した、推薦向け生成エンジン最適化
- 2026年10月GEOの伸びは、ライブのウェブでも残るか:LIVE-GEO による野外評価
- 2026年10月GLOBE:生成検索向けの電子商取引で、構造化したエージェント記憶を育てる
- 2026年8月クエリを暗示する生成エンジン最適化