[論文レビュー] When relevance is not Enough: Promoting Visual Attractiveness for Fashion E-commerce

Di Wei, Anurag Bhardwaj+3 more|arXiv (Cornell University)|Jun 13, 2014

Consumer Behavior in Brand Consumption and Identification参考文献 26被引用数 9

ひとこと要約

本論文は、ファッション通販における視覚的魅力に基づく再順序付けモデルを提案し、関連性を超えてユーザーの関与を向上させる。画像の提示タイプ（人物、マネキン、フラット）を活用し、Fisher非心超幾何分布に基づくユーザー選択モデルとPMFに基づく魅力スコアリングを用いる。この手法により、ベースラインのrankSVMおよびランダム再順序付けよりも顕著なnDCGの向上が達成され、人間モデルの提示がユーザーの注目と購入意欲を最も効果的に引き出すことが示された。

ABSTRACT

Fashion, and especially apparel, is the fastest-growing category in online shopping. As consumers requires sensory experience especially for apparel goods for which their appearance matters most, images play a key role not only in conveying crucial information that is hard to express in text, but also in affecting consumer's attitude and emotion towards the product. However, research related to e-commerce product image has mostly focused on quality at perceptual level, but not the quality of content, and the way of presenting. This study aims to address the effectiveness of types of image in showcasing fashion apparel in terms of its attractiveness, i.e. the ability to draw consumer's attention, interest, and in return their engagement. We apply advanced vision technique to quantize attractiveness using three common display types in fashion filed, i.e. human model, mannequin, and flat. We perform two-stage study by starting with large scale behavior data from real online market, then moving to well designed user experiment to further deepen our understandings on consumer's reasoning logic behind the action. We propose a Fisher noncentral hypergeometric distribution based user choice model to quantitatively evaluate user's preference. Further, we investigate the potentials to leverage visual impact for a better search that caters to user's preference. A visual attractiveness based re-ranking model that incorporates both presentation efficacy and user preference is proposed. We show quantitative improvement by promoting visual attractiveness into search on top of relevance.

研究の動機と目的

• 異なる画像提示タイプ（人物、マネキン、フラット）がファッション通販におけるユーザーの注目と関与に与える影響を調査すること。
• 関連性とは独立して、視覚的魅力がユーザーの好みや購入意欲に与える影響を定量化すること。
• 視覚的魅力と関連性を統合した再順序付けモデルを開発し、検索パフォーマンスを向上させること。
• オンラインファッションショッピングにおけるユーザー選択の背後にある心理的・行動的動機を理解すること。
• eリテイラーが製品の提示を改善し、コンversionを向上させるための実行可能なインサイトを提供すること。

提案手法

• 本研究では2段階のアプローチを採用する。まず、オンラインマーケットプレイスから得た大規模な行動データ（クリック、視聴、購入）を分析し、その後、好みの理由付けを収集するための制御されたユーザー実験を実施する。
• 視覚的魅力は3段階のスケール（人物（人間モデル）、マネキン、フラット（モデルなし））で定量化され、画像特徴は高度なビジョン技術を用いて抽出される。
• ユーザー選択を提示タイプ間で定量的に評価するため、Fisher非心超幾何分布に基づくユーザー選択モデルを提案する。
• PMF（確率的行列分解）分類器を訓練し、各画像タイプの魅力スコアを推定する。この際、ラベル情報と意思決定スコアを両方使用する。
• 魅力スコアと関連性を組み合わせる、学習された順序関数を用いた新しい非教師あり再順序付けモデルを開発する。このモデルでは、提示効果性を重み付けるためにガンマ（Γ）パラメータを用いる。
• 最終的なモデルは、特徴ベクトルにラベルデータ、分類器スコア、およびシグモイド変換（g(x) = 1/(1+e^x)）を組み合わせたもので、rankSVMを用いて学習される。

実験結果

リサーチクエスチョン

• RQ1 どの画像提示タイプ（人物、マネキン、フラット）が、ファッション通販におけるユーザーの注目を最も効果的に引きつけ、関与を促進するか？
• RQ2 視覚的魅力は、価格やブランドといった従来の要因と比較して、ユーザーの好みにどの程度影響を与えるか？
• RQ3 行動データとアンケートデータを用いて、ユーザーの視覚的提示に対する好みをどのようにモデリングし、定量化できるか？
• RQ4 視覚的魅力を統合した再順序付けモデルは、関連性のみに依存するものよりも検索パフォーマンスを向上させられるか？
• RQ5 提示効果性は、オンラインファッションショッピングにおけるユーザー関与と購入意欲にどのような影響を与えるか？

主な発見

• 人間モデルの提示（人物）が、ユーザーの注目を引きつけ、関与を高める点で最も効果的であり、マネキンやフラット表示を顕著に上回った。
• 視覚的魅力は、ユーザーの意思決定に測定可能で顕著な影響を与え、価格やブランドの影響を上回ることさえあった。
• 提案された非教師あり再順序付けモデルは、ベースラインのrankSVMおよびランダム割り当てよりも高いnDCGパフォーマンスを達成し、統計的に有意な改善を示した。
• PMFに基づく魅力スコアリングモデルは、ユーザーの好みを効果的に捉えており、ラベルと分類器の意思決定スコアを組み合わせた特徴ベクトルが最良の結果をもたらした。
• nDCG@K評価では、全テストされたトップ-k順位で一貫した改善が確認され、再順序付けアプローチの強固さが裏付けられた。
• 本フレームワークは、ユーザー行動に顕著な影響を与える画像提示が重要な視覚中心製品カテゴリーへも一般化可能である。