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必要な時間を 20 分から 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結果、プラットフォームのクリックスルー率（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側（買い物客とビジネス）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を高めることができます。最終的に、このオンデバイス アーキテクチャにより、販売者の運用上の負担が軽減され、機密性の高いユーザーデータがローカルで保護され、クラウド スケーリング コストの増大から企業とその顧客が守られます。
Yahoo TW Ecommerce が組み込み AI を選んだ理由
Yahoo TW Ecommerce がオンデバイスの組み込み AI を採用した背景には、主に次の 2 つのビジネス要件があります。
- データ プライバシー: ユーザーのファーストパーティのサイト内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 トラフィックに直接比例するため、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の背後に隠さざるを得ないことがよくあります。推論をデバイス上で実行することで、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で、マーケットプレイスのすべての販売者と購入者に、応答性の高いパーソナライズされた機能を民主化できます。
Yahoo! オークションのケースでは、組み込み AI のメリットが特に大きくなります。組み込み AI によって、アンビエント インテリジェンス（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、提供される、コンテキストを認識した便利なアシスタンス）が可能になるからです。ブラウザはクライアントサイドでデータを処理するため、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 アシストを安全に提供します。
Yahoo! オークションを支える 9 つの AI 機能
Yahoo TW Ecommerce は、組み込みの AI を使用して、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 サポートにわたる 9 つの異なるユースケースを実装しました。
コンテンツの作成と管理
販売者向けのリスティング 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。Yahoo! オークションの AI 搭載アシスタントは、出品者が商品の写真を 1 枚アップロードすると、20 秒以内に、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、推奨価格を提案します。この下書きは販売者にとって有用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。
購入者向けのレビュー アシスタント: ユーザーが選択した評価と感情の入力に基づいて、購入者のエクスペリエンスをより適切に構成して説明するための、コンテキストに沿った表現の候補を提示します。
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、コンテキスト認識型のプロアクティブな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: ログインした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すすめ、コンバージョン率を高めます。
予測検索とレコメンデーション: ユーザーのアクティブ セッションに基づいて、プロダクト レコメンデーションと検索キーワードをログイン ユーザーに合わせて調整します。クライアントサイド処理では、ユーザーの最近のサイト内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して、カスタマー ジャーニーの発見プロセスを簡素化するのに役立つ検索キーワードを予測して提案します。
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、購入者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: ログインしているユーザーのポイントを特定し、期限切れ間近のポイント（または最小限の追加支払い）で購入できるアイテムを提案します。その後、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 / 関心に基づいて最適なアイテム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 chatbot: 自然言語のテキストまたは音声入力を使用して購入者の質問に即座に回答する、インタラクティブなオンデバイス chatbot を提供します。オンデバイス モデルは、会話から購入意向を分析し、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。
実社会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導入して以来、Yahoo TW Ecommerce は Google アナリティクスを使用して、エンゲージメントに関する重要なマイルストーンを追跡してきました。
- 効率が大幅に向上: 販売者向けのリスティング アシスタントにより、商品リスティングの完了に必要な平均時間が 20 分から 2 分に 90% 短縮されました。
- 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 ユーザーによる 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 ツールを積極的に試して活用していることを確認できます。
- 質の高いインタラクション: 新しい「アンビエント インテリジェンス」モジュールのクリック率（CTR）は 3% 近くに達しました。これは、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プロダクト レコメンデーションの CTR（1.3 ～ 1.8%）と比較して高い数値です。AI を活用した推奨事項は、ウェブサイトの既存の標準カルーセル レイアウトに直接組み込まれるため、チームは費用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が最小限に抑えられます。また、パフォーマンスを直接比較することで、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候補を提示していることが証明されます。
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うち、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 の独自の強みを活かした代表的な例です。Yahoo! オークションのアンビエント 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候補を提示する、デバイス上の便利な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推奨事項を生成するには、非常に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! オークションでは、ローカル ストレージから購入履歴、検索キーワード、閲覧設定などのユーザーの豊富なコンテキスト データが利用されます。この量の個人データをクラウド サーバーに送信すると、大きなレイテンシが発生し、プライバシー リスクも高まります。
Yahoo TW Ecommerce は、ローカル アーキテクチャを利用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、すべてをクライアントサイドで処理します。これにより、個人データが外部に公開されることはありません。また、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。
「組み込みの 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 インテリジェンスに対するアプローチのパラダイム シフトです。」
- Yahoo TW Ecommerce リード エンジニア Paul Li 氏
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に専用の Web 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、標準の切り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 UI の安定性を維持し、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、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。組み込みの 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及ぼすことはありませんが、バックグラウンド スレッドに移動することで、ユーザーがページ間を移動する際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、プロンプト API などの組み込みの AI プリミティブは、トップレベルのドキュメント 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に関する課題が原因です。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中です。
解決策: リソース オーケストレーターとしての SharedWorker
Yahoo TW Ecommerce は、ドキュメント バウ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、SharedWorker を使用して同一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 ナビゲーションでアクティブな AI 計算をキャンセルする代わりに、SharedWorker が一元化されたイベント 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 タブ間で調整を行い、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、早期の中断なしでプロンプトを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）とともに Web Storage に安全にキャッシュ保存され、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を持ち、マルチページ アプリケーションの全行程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! 拍賣でご利用いただけます。
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活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、ウェブ上で安全でローカルな 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、基本的な青写真となります。