台湾の大手 e コマース企業である Yahoo TW Ecommerce は、市場をリードする現地の小売コングロマリットとの戦略的出資提携として運営されており、同社のプラットフォームである Yahoo Auction で販売者が商品リスティングを完了するのにかかる時間を 20 分からわずか 2 分に短縮しました。プライバシーを重視したオンデバイスの組み込み AIプリミティブを統合して、自動リスティング アシスタントと高度にパーソナライズされたユーザー エクスペリエンスを実現したことで、プラットフォームのクリック率（CTR）は 3% に達しました。
この統合は、マーケットプレイスの両方にメリットをもたらします。買い物客は、検索を簡素化するコンテキスト認識型の便利なパーソナライズ機能を利用でき、ビジネスでは、従来のバックエンド アルゴリズムと比較してエンゲージメントが向上します。最終的に、このオンデバイス アーキテクチャにより、販売者の運用負担が軽減されるとともに、機密性の高いユーザーデータがローカルで保護され、企業とその顧客がクラウド スケーリング コストの増大から守られます。
Yahoo TW Ecommerce が組み込み AI を選択した理由
Yahoo TW Ecommerce がオンデバイスの組み込み AI を採用した理由は、主に次の 2 つのビジネス要件にあります。
- データ プライバシー: ユーザーのファーストパーティのオンサイト インタラクション履歴と認証済みセッション データを利用し、モデルをローカルで実行することで、機密性の高いユーザー情報がデバイスから流出することはありません。
- 費用対効果の民主化: クラウド ホスト型の AI インフラストラクチャの費用はユーザー トラフィックに比例して増加するため、デジタル プラットフォームでは、高度なツールやパーソナライズされたエクスペリエンスをプレミアム サブスクリプションや販売者の取引手数料の引き上げによって制限することがよくあります。推論をオンデバイスに移行することで、バックエンドの運用オーバーヘッドの増大を解消できます。この持続可能なアーキテクチャにより、Yahoo TW Ecommerce は、プレミアム ペイウォールやエコシステム料金の転嫁なしに、マーケットプレイスのすべての販売者と買い物客に、応答性の高いパーソナライズされた機能を提供できます。
組み込み AI のメリットは、Yahoo Auction のケースで特に顕著です 組み込み AI により、アンビエント インテリジェンスが実現します。これは、ユーザーが必要とするタイミングで、ローカルで処理されて提供される、コンテキスト認識型の便利なアシスタンスです ブラウザはデータをクライアントサイドで処理するため、機密性の高いインタラクション ログを外部サーバーに送信することなく、これらのスマート アシスタントを安全に提供できます。
組み込み AI が Yahoo Auction を強化する 9 つの方法
Yahoo TW Ecommerce は、アンビエント インテリジェンス、コンテンツ管理、ショッピング サポートにまたがる 9 つの異なるユースケースを組み込み AI を使用して実装しました。
コンテンツの作成と管理
販売者向けリスティング アシスタント: 販売者が魅力的で正確な商品説明をすばやく作成できるようにします。販売者が 1 枚の商品画像をアップロードすると、Yahoo Auction の AI 搭載アシスタントが、関連する商品カテゴリ、下書きのタイトル、詳細、ハッシュタグ、推奨価格を 20 秒以内に提案します。下書きは販売者にとって便利なベースラインとなり、リスティングの入力にかかる平均時間を 20 分から 2 分に短縮できます。
次の画像には、AI で翻訳されたテキストが含まれています。
購入者向けレビュー アシスタント: 購入者が選択した評価と感情入力に基づいて、コンテキストに沿った、よく書かれた表現の候補を提示し、購入者がエクスペリエンスをより適切に構成して説明できるようにします。
アンビエント インテリジェンス
このコンテキストでは、アンビエント インテリジェンスとは、ユーザーのブラウジング エクスペリエンスに自然に適合する、プロアクティブなコンテキスト認識型のアシスタンスを指します。
Yahoo TW Ecommerce がユーザー向けにアンビエント インテリジェンスを実装した方法は次のとおりです。
パーソナライズされた商品のおすすめカルーセル: ログイン ユーザーの最近の購入履歴を分析して、購入を補完する親和性の高い商品を推奨し、コンバージョン率を高めます。
予測検索とおすすめ: ユーザーのアクティブなセッションに基づいて、ログイン ユーザー向けに商品のおすすめと検索キーワードを調整します。ユーザーの最近のオンサイト検索やサイト固有のブラウジング設定などのローカル コンテキストを参照することで、クライアントサイド処理は役立つ検索キーワードを予測して提案し、カスタマー ジャーニーの検索プロセスを簡素化します。
お買い物のサポート
商品の要約: 長い商品詳細ページを 100 語以内のわかりやすいハイライトに要約します。
絵文字ベースのレビューの要約: 代表的な絵文字を使用して、お客様のフィードバックを簡潔な概要に集約します。
ポイントの利用: ログイン ユーザーのポイントを特定し、期限切れのポイント（または最小限の追加支払い）で購入できる商品を提案します。次に、ローカル推論を活用して、ユーザーのパーソナライズされた興味に基づいて最適な商品をランク付けして選択します。
ライフスタイルのおすすめ: ユーザーが閲覧している商品カテゴリに基づいて、パーソナライズされたスタイリングのヒントやインテリアのアドバイスを提供します。
ショッピング アシスタント チャットボット: インタラクティブなオンデバイス チャットボットを提供し、自然言語のテキスト入力または音声入力を使用して、購入者の質問に即座に回答します。 オンデバイス モデルは、購入意向について会話を分析し、ユーザーの興味に沿った商品リストをインテリジェントに推測してキュレートします。
実際のビジネスへの影響
2025 年末にこれらの機能を本番環境にデプロイして以来、Yahoo TW Ecommerce は Google アナリティクスを使用して、エンゲージメントの重要なマイルストーンを追跡しています。
- 大幅な効率化: 販売者向けリスティング アシスタントにより、商品リスティングの完了にかかる平均時間を 20 分からわずか 2 分に 90% 短縮できました。
- 深いエンゲージメント: このプラットフォームでは、10 万人を超えるユニーク ユーザーに対して 100 万件を超えるインタラクション イベントが生成されました。これは、ユーザーの関心と導入率が高いことを示しており、ユーザーが新しい AI ツールを積極的に探索して活用していることを確認できます。
- 高品質のインタラクション: 新しい「アンビエント インテリジェンス」モジュールは、標準アルゴリズムや編集チームによる手動キュレーションに依存する従来の商品のおすすめのクリック率（CTR）が 1.3 ～ 1.8% であるのに対し、3% 近くのクリック率（CTR）を達成しました。AI によるおすすめはウェブサイトの既存の標準カルーセル レイアウトに直接表示されるため、チームはコストのかかるフロントエンドのリファクタリングを回避できました。このシームレスな実装により、エンジニアリングのオーバーヘッドを最小限に抑えながら、直接的なパフォーマンス比較により、基盤となるオンデバイス AI が関連性の高い、コンバージョン率の高い提案を提供することが証明されています。
アンビエント インテリジェンスの詳細
9 つのユースケースの中で、アンビエント インテリジェンスの実装は、オンデバイス AI が独自の強力な機能を発揮する代表的な例です。Yahoo Auction のアンビエント インテリジェンス モジュールは、ユーザー ジャーニーを効率化します。ユーザーにとって最も役立つタイミングで、リアルタイムのコンテキスト認識型のおすすめを提供する、便利なオンデバイス アシスタントとして機能します。
ローカル アーキテクチャでデータを保護し、クラウド費用を削減する
このレベルの高度にパーソナライズされたおすすめを生成するには、機密性の高いユーザーデータを分析する必要があります。Yahoo Auction は、購入履歴、検索キーワード、ブラウジング設定などの豊富なコンテキスト データをローカル ストレージから利用します。この量の個人データをクラウド サーバーに送信すると、レイテンシが大幅に増加し、プライバシー リスクが大幅に高まります。
Yahoo TW Ecommerce は、ローカル アーキテクチャに依存することでこの問題を解決しました。ローカル AI モデルは、セッション データとローカル ストレージを利用して、すべての処理をクライアントサイドで行います。これにより、個人データが外部に公開されることはなく、高度にパーソナライズされたプロアクティブなインテリジェンスがローカル AI に最適であることが証明されます。
「組み込み AI により、ユーザーのプライバシーを侵害したり、コミュニティに非表示の料金やペイウォールを導入したりすることなく、高度にパーソナライズされたアンビエント エクスペリエンスを提供できます。これは、e コマース インテリジェンスへのアプローチにおけるパラダイム シフトです。」
- Paul Li, Lead Engineer, Yahoo TW Ecommerce
組み込み AI のライフサイクルを管理する
組み込み AI を本番環境に統合するには、モデルのダウンロード状態を適切に管理する必要があります。組み込み AI の仕様とダウンロード 動作は変更される可能性があるため、Yahoo TW Ecommerce チームはメンテナンスを効率化するための専用のウェブ コンポーネントを構築しました。
このラッパー コンポーネントは、標準の分離されたプロパティを提供し、ユーザーのダウンロード ライフサイクル全体を処理します。チームはコンポーネントの data-status
属性を監視することで、モデルの正確な状態（利用不可、ダウンロード可能、ダウンロード中、
利用可能）を反映するようにユーザー インターフェースを動的に更新します。
この設計により、プラットフォームは基盤となるコアコードをリファクタリングすることなく、UI の安定性を維持し、ページ全体にわたって即座に更新を提供できます。
SharedWorker オーケストレーションで MPA の制約を克服する
マルチページ アプリケーション（MPA）では、デベロッパーは通常、バックグラウンド スレッドを使用して、同一サイト内のナビゲーションを維持する長時間実行ワークフローを維持します。組み込み AI API はネイティブに非同期であり、メインスレッドの UI の応答性に悪影響を与えませんが、バックグラウンド スレッドに移動すると、ユーザーがページ間を移動したときにアクティブな推論セッションが突然終了するのを防ぐことができます。
ただし、Prompt API などの組み込み AI プリミティブは、最上位のドキュメント コンテキストに制限されています。これは、オープン ウェブ プラットフォームの仕様上の課題によるものです。W3C Permissions Policy フレームワークはドキュメント ツリーに根本的に関連付けられており、これらのセキュリティ境界を独立したワーカー ルートに伝播する標準メカニズムは、コミュニティによってまだ設計されています。
解決策: リソース オーケストレーターとしての SharedWorker
ドキュメント バインドのセキュリティ境界を尊重しながら、これらのライフサイクル制約を安全にナビゲートするために、Yahoo TW Ecommerce は SharedWorker を使用して、同じオリジンのブラウザタブ間で AI コンピューティングを調整しました。ページ ナビゲーションによってアクティブな AI コンピューティングがキャンセルされるのではなく、SharedWorker が集中型イベント ブローカーとして機能します。オンデバイス AI コンピューティングがリクエストされると、SharedWorker はオリジンの同時オープンタブ間で調整し、アクティブなナビゲーションが発生しにくい並列タブ コンテキストに実行を委任し、プロンプトを中断することなく完了まで処理します。AI コンピューティングが終了すると、結果は指定された有効期間（TTL）でウェブ ストレージに安全にキャッシュされ、ウェブサイトの開いているタブからすぐにアクセスできるようになります。この設計により、オンデバイス AI オペレーションはページ遷移に対して復元力があり、マルチページ アプリケーション ジャーニー全体で効率と一貫性を最大限に高めることができます。
これらのアーキテクチャの回避策の詳細については、GitHub をご覧ください。
これらの機能は Yahoo 拍賣 で公開されています。
クライアントサイド AI の未来
Yahoo TW Ecommerce の組み込み AI の実装は、オンデバイス モデルの実用的な価値を示しています。費用対効果と厳格なデータ プライバシーを優先することで、ローカル ブラウザの認証情報と豊富なユーザー履歴を安全に利用する強力なアンビエント インテリジェンス機能を実現しています。
進化を続ける中で、Yahoo TW Ecommerce のアーキテクチャから得られた教訓は、ウェブ上で安全なローカル駆動型 AI エクスペリエンスを構築しようとしている他のデベロッパーにとって、基本的なブループリントとなります。