手動オペレーションでマッチング精度を維持していたサービスに、ユーザー属性と行動データを掛け合わせたAIレコメンドエンジンを内製実装。手動マッチング工数を80％削減し、成立率は1.6倍に。スコアリング基盤は運営チームがチューニング可能な形で残しました。
レコメンド導入前比
運営オペレーターの
マッチング業務
月次継続率の改善
運営オペレーターが手動でマッチングをアサインする運用は、サービス品質を担保する一方でスケールの限界が見えていました。「機械にどこまで任せて、どこから人が見るか」を再設計する必要があったタイミングでのご依頼です。
WEST ORANGEはレコメンドアルゴリズムだけでなく、ログ／属性／フィードバックの取得設計から見直し、運営チームが「なぜこの組み合わせが提案されているか」を理解できる説明可能な仕組みを優先しました。
結果として、自動マッチングが過半を占めるようになっても、運営チームが品質をコントロール・改善し続けられる構造を残せています。
運営チームが手動でマッチングを組む運用は品質維持には貢献していたものの、ユーザー数の増加に運用工数が追いつかず、新規ユーザーが「待たされる」体験が生まれていました。
属性／行動／フィードバックを統合するデータ基盤と、説明可能なスコアリングを段階的に構築。ブラックボックスにせず、運営チームが調整可能な形に。
自動マッチングが大半を占めるようになり、成立率も大幅向上。運営チームは品質モニタリングと改善仮説の検証に時間を割けるようになりました。
アルゴリズムを「説明できる形で」設計してもらえたことが、運営チームの納得感とサービス品質の両方に直結しました。チューニングをこちらで巻き取れる構造になっているので、外注なのに内製と変わらないスピード感で改善が回っています。
レコメンドエンジン／データ基盤／AIアシスタント機能のご相談、お待ちしています。