Mercado Libre：ベクトル埋め込みと生成AIでEC検索体験を進化

Before

Mercado Libreはラテンアメリカ最大のオンライン商取引・決済プラットフォームであり、約1億4,400万人のユニークアクティブユーザーを擁する。同社のビジョンは、信頼され、機敏で人間中心のプラットフォームを通じて、大陸全体の商取引と金融を民主化することである。このスケールの運用において、リアルタイムでユーザーの意図を理解し適切な商品を提示する検索機能は、事業の中核をなす基盤であった。

しかし、従来の検索エンジンは 単語マッチング（word matching） に大きく依存しており、複雑な検索意図に対する限界が顕在化していた。機械学習エンジニアリングシニアマネージャーNicholas Prestaが挙げた具体例は、従来アプローチの不十分さを象徴している。

ユーザーが「Fortniteをプレイして動画編集もできるコンピュータが欲しい」と検索すると、従来のシステムは「コンピュータ」という単語を含むコンピュータ関連の書籍やビデオゲームを返してしまった。同様に「サッカーが好きでメッシのファンである娘へのプレゼントが欲しい」というクエリに対しては、「daughter」という単語が刻印されたハート型のペンダントを提案する始末だった。

従来のアプローチは、クエリに含まれる特定の単語（「Samsung」「TV」など）を商品タイトルや属性から検索し、結果を取得・ランキングして表示する仕組みだった。シンプルで直接的なクエリに対しては一定の機能を発揮するが、ユーザーが複雑な意図を持ち、自然言語やニュアンスを含む要件を表現する場合、キーワード一致では根本的に対応できないことが明らかになっていた。

この限界はビジネスに大きな影響を与えていた。プラットフォームにおける多くの成功した購買は検索クエリから始まっており、 ユーザーが行う全クエリの約半数が「複雑なクエリ」 に分類される。つまり、複雑クエリの検索品質を改善することは、クリック率とコンバージョン率に直接的かつ大きなインパクトを与えることを意味していた。

AI導入内容

Mercado Libreは、キーワードマッチングの限界を克服するため、 ベクトル埋め込み（vector embeddings） を用いた意味的検索（semantic search）をGoogle CloudのVector Searchデータベースと組み合わせて実装した。

ベクトル埋め込みの生成と格納

まず、カタログ内の各商品に対してベクトル埋め込みを生成する。これらの埋め込みは、高次元ベクトル空間において商品の意味的特徴や属性を捉えており、同じキーワードを共有していなくても意味的に類似する商品が数学的に近い位置に配置される。これらの商品埋め込みはすべてGoogle Vector Searchデータベースに挿入され、大規模なベクトルデータセットに対する効率的な類似性検索が最適化されたインフラ上で管理される。

クエリ埋め込みによる意味的マッチング

ユーザーがクエリを送信すると、システムはクエリテキストの埋め込みを計算する。このクエリ埋め込みは、単純なキーワード抽出では捉えられない暗黙的な意味も含めて、ユーザーが求めているものの意味的意図を捉える。そしてVector Searchに対して、クエリ埋め込みに最も近い商品をベクトル空間内で検索するよう要求する。

このアプローチにより、検索エンジンは「サッカーが好きでメッシのファンである娘へのプレゼント」というクエリに対して、メッシのユニフォームやサッカー用品、関連グッズを返すことができる。これらの商品には「daughter」や「gift」という単語が含まれていなくても、意味的な理解によってユーザーの意図と商品カタログのギャップを埋めることができる。

既存システムとの統合

ベクトル検索アプローチは既存の検索インフラを置き換えるのではなく、補完する形で実装された。シンプルなクエリ（ブランド名や型番など、キーワードマッチングで十分なケース）では従来のアプローチが継続して機能し、複雑なクエリでのみベクトルベースのアプローチが特にターゲットされている。このハイブリッド設計により、システム全体の安定性と互換性が維持されている。

LLMOpsの視点からの運用考慮事項

本番環境での運用にあたり、以下の課題に対処している。

スケールとレイテンシ 1億4,400万人のアクティブユーザーに対してミリ秒単位で検索結果を返す必要がある。埋め込みモデルとベクトルデータベースの両方において、大規模かつ低レイテンシでの運用が求められる。

継続的学習と進化 ユーザーの行動パターンは時間とともに変化するため、埋め込みモデルは定期的に再学習・微調整が必要である。特に「ロングテールクエリ」が時間とともに変化し、システムが新たなクエリパターンを学習していく必要がある。

マーケットプレイスの両面性への配慮 検索品質の向上は、買い手と売り手の両方にメリットをもたらす。買い手はより効率的に必要な商品を発見でき、売り手は買い手のニーズとより効果的に結びつく。これにより、生成AIインフラへの投資継続に対する強いビジネス正当性が生まれる。

After

ベクトル埋め込みと意味的検索の導入により、Mercado Libreは検索体験を根本的に改善した。

複雑クエリの検索精度向上

従来、キーワードマッチングでは対応できなかった自然言語クエリに対して、意味的に適切な商品を提示できるようになった。これにより、複雑クエリにおける検索精度が向上し、約15%のクリック率・コンバージョン率改善が見込まれる。具体的な数値は非公開だが、同社は複雑クエリの検索品質向上がビジネスにとって「意味のある進歩（meaningful progress）」であると評価している。

ユーザーの意図理解の深化

「Fortniteが動く動画編集PC」や「メッシファンの娘へのプレゼント」のような、従来は無関係な結果を返していたクエリに対して、文脈を理解した適切な商品提案が可能になった。これは単なる検索技術の進化ではなく、ユーザーの期待に応える「対話的な商取引体験」への一歩である。

買い手・売り手双方への波及効果

検索品質の向上は、買い手の商品発見効率向上と売り手の販売機会拡大という両面で価値を生んでいる。このデュアルベネフィットは、プラットフォーム全体の健全性向上に寄与し、継続的なAI投資の根拠となっている。

Mercado Libreの事例は、Eコマースにおけるベクトル埋め込みと意味的検索の古典的かつ説得力のある応用例である。キーワードマッチングでは対応できないクエリが全クエリの半数を占めるという洞察が、意味的検索技術への投資に対する強いビジネス正当性を生み出した。Google Cloud Vector Searchを基盤インフラとして採用したことで、大規模な埋め込みベースシステムの運用を実現している。