DROBE初の大型アップデート。AIが直接お客さまに提案、スタイリング精度を向上させる新機能とは【CTO×COO対談】

2020年3月の正式リリース以来の初の大型アップデート。今回新たに、DROBEにItem Proposal（アイテムプロポーザル）、Style Proposal（スタイルプロポーザル）という2つの機能が追加されました。開発の裏側を、CTOの都筑、COOの長井に聞いてみました。

都筑　友昭（ツヅキ　トモアキ：トップ画像左）
Analog Devices, GREE, Fileio (Founder/CTO), BCG Digital Venturesを経てDROBEに参画。センサーや信号処理等の低レイヤー開発や、マネージャーとしてゲーム開発などを経験。BCG Digital VenturesではAI研究開発に従事。2019年4月よりDROBE設立し、CTOに就任。

長井　大輔（ナガイ　ダイスケ：トップ画像右）
早稲田大学大学院創造理工学研究科を修了後、株式会社ディー・エヌ・エーに入社。Mobage (モバゲー)事業責任者、新規事業の立ち上げ、旅行メディアを運営する子会社COO、個人間カーシェア「Anyca (エニカ)」のビジネス統括を歴任。2018年BCG Digital Venturesにジョインし一貫してプロダクトマネージャーとして従事。2019年4月よりDROBE設立し、COOに就任。

仕様書は作らない。密なコミュニケーションで、スピード感と柔軟性のある開発を

ーまず、プロダクト開発にあたっての、お二人の役割を教えてください。

長井：僕がプロダクトマネージャーで、都筑さんがリードエンジニアという立ち位置です。プロダクトマネージャーとしては、僕はだいぶ楽しているんじゃないかと思っています（笑）。もちろんリサーチや分析結果から仮説を立て、ビジネスとしてのロジックを組み、課題解決のアプローチの方向性を考える WHATの部分は僕がやることが多いですが、HOWの部分、つまり具体的な仕様やUXに関しては、都筑さん含めたエンジニアにも一緒に考えてもらっているのが今のチームです。

都筑：僕としては、仕様書を細かく作って欲しいというよりは作り方から考えたいタイプ。長井さんは、方向性など決めるところはパキッと決めてくれるし、それ以外のところは割と任せてくれるので、やりやすいですね。具体的な作り方はもちろんですが、「この機能改修は、ROIに合うのか」というそもそもの部分の議論になることもあります。

ーROIに合う、というのは・・・？

都筑：投資した分の効果が得られるのか、ということですが、エンジニアとしての観点でいうと、今後の運用を見据えて設計した方がいいのか、かき捨てのコードでいいのか、というところは気にしますね。技術的な負債やバグが増えると、エンジニアはやっぱり後ろ向きになりますし。。

長井：この改修はあくまで仮説検証のためのものなのか、それとも証明されている仮説に対して今後も運用していくことを見据えた機能なのか、といった目線の議論はよくしています。

常にディスカッションしながらものづくりをしています

都筑：今後組織が拡大し、開発チームのメンバーも増えていけばしっかりした仕様書が必要になっていくかもしれませんが、現状は開発メンバーも一人ひとりが自走して、自発的にビジネスサイドともコミュニケーションを取ってくれるので、スピードと柔軟性のある開発ができていると感じています。

アイテム提案をAIで自動化することで、スタイリストがスタイリングを提案する時間を創出

ー今回新しく開発された機能について教えてください。

長井：Item Proposal（AIによるおすすめ商品の提案）と、Style Proposal（スタイリストよる発送前のスタイル提案）という２つの機能になります。

DROBEの場合、初回登録時にお客さまが70項目にわたるプロフィールを登録するのですが、登録後にAIがプロフィールを分析し、お客さまにあったアイテムを即時お勧めするのがItem Proposalという機能です。推薦されたアイテムのうち、リクエストしたいものをその場でお客さまに選んでもらうことによって、より精度の高いスタイリングが可能になります。

そして、Item Proposalの結果を受けて、実際の商品をお届けする前にスタイリストがプロの視点でお客さまにスタイリングの事前提案をするのが、Style Proposalという機能です。

都筑：今まで、AIの活用はあくまでも社内に留まっていました。管理画面上で、AIが絞り込んだアイテムを参考に、スタイリストがスタイリングする。つまり、AIが「それはないだろう」というようなアイテムをリコメンドしてしまっても、スタイリストが弾くことができるので、お客さまの目に触れることはなかったんですね。今回、Item Proposalでは、AIの分析結果が、初めてそのままお客さまの目に触れることになります。これは僕にとっては非常にチャレンジングだったし、リリースまでこぎつけられたのは感慨もひとしおです。

ーお客さまにからすると、この機能によって、より自分にあったコーディネートが届くことになるのでしょうか？

長井：そうです。今までは、プロフィールを記入したあと、スタイリストがアイテムの提案をし、お客さまにアイテムごとに「ほしい」か「いらない」かをフィードバックいただき、その結果を受けて実際にお届けする商品をスタイリングしていました。

今回の機能開発によって、アイテムの提案自体はAIで自動化し、スタイリストが事前にスタイリング提案をする余裕が生まれ、お客さまの求めているものをすり合わせる機会が増えたことになります。

都筑：Style Proposalは、実際のBOXが届く前の仮想BOXのような位置付けになります。手元に届く前に提案に対して要望が伝えられるので、実際に届くものはより自分の好みに近づきますよね。

管理画面上で、スタイリングを提案中

当初の仮説は半分正解、半分不正解。そこから見えてきた新たな観点

ーこの機能が生まれた背景を教えてください。

都筑：実は、ベータ版のときのDROBEは、事前アイテム提案の機能もありませんでした。サービス体験として「セレンディピティ」を大事にしていたからです。ある日突然BOXが送られてきて、開けると素敵な洋服が入っている...。そんな驚きや感動を届けたかったんです。

長井：実物を見る前に「これが入ってますよ」とわかってしまうと味気ないじゃないですか。「何が入っているかわからないワクワク感」というのが、DROBEの一つのコアな価値になると信じていました。ただ、ベータ版のβテスト中にたくさんの方にユーザーインタビューをしてわかったのが、やっぱりみなさん、ある程度は選びたいって人も多いんですよね。実際にBOXが届いたときの驚きを失わずに、それでも自分が欲しいものを一定選べるようにするにはどうしたらいいか...。その解決策として正式リリース前に入れたのが、事前のアイテム確認のプロセスでした。

ー事前のアイテム確認を入れたことで、お客さまの反応は変わったんでしょうか？

長井：そもそも、事前のアイテム確認の目的は2つありました。一つは、実際に送るアイテムがよりお客さまの好みに沿ったものになることで、購入率が上がること。もう一つは、事前にスタイリストがお客さまの好みを把握することであれこれ悩むことが減り、スタイリング時間を短縮することです。結果としては、後者のスタイリング時間は期待通りだったのですが、前者の購入率の向上はイマイチだったんです。

レコメンドの精度向上のために購入アイテムをマッピングして分析

都筑：僕らからすると、事前に「欲しい」と言われたアイテムは、当然かなり高い確率で購入してもらえるようにかなぁと思ってたのですが、そんなことなくて...。事前に「いらない」と言われたアイテムよりは買ってもらってるけど...ぐらいの差分でした。

長井：分析を進めていくと、新しい観点が見えてきました。たくさん「ほしい」をつけていただいたお客さまのフィードバックを分析すると、スタイリングやコーディネートに対する要望と満足度が相関していることがわかりました。

また、お客さまが「ほしい」と回答してくれたアイテムの数や比率が、お客さまの受容性、つまり「「他者からの提案を受け入れていただきやすい方なのか」を示す指標になり、それを理解した上でスタイリングすることが精度を上げる上で重要だということが見えてきました。

これらの他にも購入アイテムをマッピングしてみたり、分析を重ね、よりスタイリングの精度を上げるための施策を、、と考えて生まれたのが、今回のItem Proposal、Style Proposalの2つの機能でした。

初の大型アップデート。全体をバランスすることの難しさ

ー開発にあたって大変だったことなどありましたか？

長井：全体をバランスさせることを一番意識しました。スタイリングに満足していただき、購入率をあげることが一番のKPIではありますが、スタイリングにかかる時間が増えてしまえばビジネスとしては意味がない。仕様検討にあたっては、スタイリストにもたくさん意見を聞きました。

スタイリストとサービス改善について議論

都筑：どこまで作り込むか、は悩みましたね。ガッツリ重厚長大に作ろうとすると、非常に時間と工数がかかる。とはいえスピードを優先して雑に作ってしまうと、結局スタイリングの精度が上がらず意味がない。かつ、あくまで仮説の検証ではあるので、もし仮説が違ったよね、となったときに、すぐに元に戻せるようにしないといけない。

仮説検証に最低限必要なのはどこで、うまくいったときに後から作り込めるのはどこか、という優先度のバランスは非常に重視しました。

長井：とはいえ検討を開始したのが5月なので、リリースまでに2ヶ月かけているんですよね。僕らは基本的には一週間を1スプリントとして機能リリースをしているので、2ヶ月だとかなり時間をかけた機能と言える気がしますね...

都筑：一つの機能の開発としてはとても長く、大変でした...（笑）

データを整備し、ルールを明確化。自動化と人力の掛け合わせで実現

ーAIがお客様に直接提案するのは大きな変更だと思うのですが、どのようにして実現したんですか？

都筑：まず、データの整理をしました。それまでは、カットソーにはカットソーというタグしかついてなかったんですよね。でも、カットソーにも、UネックやVネック、麻素材のものやニット素材のものなどの多くの種類があります。スタイリストがアイテム画像を見れば一発でわかることですが、データとしては紐づいていなかった。なので、タグ付けを自動でできるようにしたのと、自動化できないものは人力でつける仕組みを作りました。

長井：スタイリストが空き時間にタグ付けしてもらえるようなワークフローになっていますね。ちょっと力技ではあるんですが、やはりまだまだ人の目の方が正確な部分はありますね。

都筑：また、スタイリストの暗黙知を、ルールとして明文化し、システムに組み込みました。例えば、プロフィール項目にこのチェックがついていたらこのアイテムは出さないとか、北海道の10月に薄手の服は提案しないとか...。AIは、フェミニンとかマニッシュとか、テイストのマッチまでは見れるのですが、テイストがマッチしててもオススメしない服、要らない服はあるんです。スタイリストが無意識に行っていた選別を、明確なルールに落とし込みました。

長井：UIUXの面でも、考慮すべきことが多かったです。プロフィールの登録後、即時にAIが内容を分析し、アイテムを推薦するのですが、どうしても数十秒くらいは時間がかかってしまう。表示速度が1秒遅れるだけで何%も離脱率が増加してしまうWebの世界で、その時間をどう違和感なく過ごしてもらうかはデザイナーとも議論を幾度となく重ねました。また、検証環境で全職種のメンバーにサービスを触ってもらって、体感としてどうかを確かめてもらったりもしてブラッシュアップしていきましたね。

DROBE恒例のBug Bash。全職種のメンバーでサービスを触って改善点を伝えまくる会。

AIの提案は業界初！？テクノロジーと人の協業の新しいカタチを

ー約2ヶ月の検討・開発期間を経て、いよいよリリースですが、今の心境は？

都筑：一言で表すとめちゃくちゃエモいです。

長井：え、エモいんですか？？笑

都筑：サービスの構想当初から、AIで提案をしたい、できるはずだ、ということをチームとして掲げていました。ただ、AIを使った新規事業の難しさを知っている身としては「本当にそこまでできるのか」と不安な気持ちももちろんありました。それが、今回のアップデートで、初めてお客さまにAIが直接提案することになるんですよね。無理だと思われているようなことでも、意外とできるんだ、という実例になってほしいです。

長井：確かに、ここまでAIの活用に本気で取り組んでいるファッションテックの会社ってあんまりないんじゃないかと思います。今回も、アイテム提案をAIで自動化できることで、スタイリストがよりその知見を生かしてお客さまに提案しやすくなり、本来の価値を発揮できるようになる。テクノロジーと人の協業が、より一歩進んだな、と思うと、僕としても感慨深いですね。

都筑：とはいえ結果がどうなるのか、楽しみなような、怖いような...。

長井：でもそこは僕ら、ダメだったらちゃんとサッと元に戻せるように設計してるので！だからこそ思い切った仮説検証ができるのは、このチームの強みですよね。違ったら違ったで、また分析しまくって、より強固な仮説を探すだけですし！

株式会社DROBE
プロのスタイリストがお客さま一人ひとりに合った商品を提案し、ご自宅で試着できるパーソナルスタイリングサービス「DROBE（ドローブ）」を運営しています。ファッションの好みや悩み、変わりつづけるライフスタイルに寄り添った提案をし続けることで、だれもが自分にぴったりのファッションを楽しみ、日々を明るく過ごすことができる世界をめざしています。全職種積極採用中です！

DROBEサービスサイト