ML Lead Engineer/お買い物アプリ運営企業の求人

【募集背景】
同社は急成長しています。この成長を支えるコア技術がレコメンデーションです。Vertex AI上でTwo-Towerモデルをはじめとした複数のMLモデルが本番稼働しており、導入以来KPIを大きく改善してきました。
一方で、モデルの実装・改善・プロダクション化を専任でリードできるMLエンジニアが不在です。現在はData Science / ML領域を業務委託体制で運用しており、仮説構築から実装・効果検証まで分業できる体制が整っていません。
これまでの主な成果は商品レコメンドですが、今後はUGC（口コミ投稿）とお客様とのマッチング、商品出品者への改善提案、広告配信の最適化、ダイナミックプライシングなど、MLを活用できる領域は大きく広がっています。モデルの設計・実装からプロダクション化・効果検証まで、一気通貫でリードいただけるMLエンジニアを募集します。

【プロダクトの特徴】
発見型ソーシャルECアプリです。従来の「ほしいものを検索して買う」検索型ECとは真逆で、「なんとなく眺めているなかで、ほしいものを発見して買う」という体験を提供するECを指します。
セール商品との偶然の出会いや、レビュー・クエストなどの参加型機能を通じて、買い物が「単なる購入」を超えて感情を動かす体験になる場をつくっています。
ユーザーは全国にまんべんなく広がっております。特徴的なのは、これまでECをほとんど使ったことがない女性に多く利用いただいてる点です。
独自のゲーム機能や投稿機能など、日常的に楽しめる要素が豊富にあることが強みとなっており、高い頻度で利用いただいているユーザーが多く、これまでのECユーザーとはまったく異なる行動が生まれています。

【プロダクトの目指す世界】
「日常に楽しさを」をミッションに、「新しい生活圏のカタチ」をつくります。
検索と最適化に寄りがちなECでのお買い物体験に、発見や偶然、ほどよいにぎわいといった人間らしい豊かさを取り戻すことが狙いです。ふらっと立ち寄れば気になるものが見つかり、知人の姿に安心し、つい滞在したくなる。駅前や商店街のように、人が自然と集まり生活のリズムに溶け込む拠点を、ソーシャルとエンタメとコマースの掛け算で形にします。情報収集も遊びも買い物も同じ動線の中でゆるやかにつながり、作業となってしまっていたお買い物はいつしか楽しみへと変わります。
2023年の事業転換以降、急成長を達成。
変化を力に変えてきた企業です。人数に依存しない運営モデルで常識を更新し続けます。目指す姿は、楽しみが巡る生活インフラです。小売の主役となるべき生活圏を自分たちの手で切り拓きます。

【業務内容】
MLモデルの設計・実装・改善を通じて、プロダクトの体験と事業成長を直接動かしていただきます。分析や基盤整備だけで終わらず、モデルそのものをプロダクションレベルで動かすことに責任を持つポジションです。
- レコメンドモデルの設計・実装・チューニング（Two-Tower / LightGBM等）
- 特徴量エンジニアリングの実装と、オフライン/オンライン評価の設計
- A/Bテストの設計・実施・効果検証を通じたモデル改善のPDCA
- モデルのプロダクション化（Cloud Run等への実装・最適化）
- ML施策の技術的意思決定とPdM等との連携

【このポジションで向き合う難題】
**レコメンドモデルのアーキテクチャ進化**
現在稼働中のTwo-Towerモデルをベースに、精度・速度・スケーラビリティをどう高めるかを設計・実装します。次世代のアーキテクチャを自ら提案し、プロダクションで検証できる環境があります。

**コールドスタート問題**
新規お客様の初期利用期間は購買データが基本的にありません。独自のゲーム機能内行動やアプリ内行動など、固有のシグナルから嗜好を推定するモデルを設計・実装します。

**リアルタイム性の向上**
レコメンドユースケースではリアルタイム性の向上が事業インパクトに大きな影響を与えるものが多数あります。そのためのモデル側の最適化に取り組みます。

**短期CVR vs 長期LTV**
レコメンドが短期的な購入率に最適化されすぎていないか、長期的なお客様価値との両立をどうモデルに組み込むかという構造的な問いに、実装レベルで向き合います。

**新たなML活用領域への展開**
UGC（口コミ）のパーソナライズ、広告配信の最適化、ダイナミックプライシングなど、「何のデータをインプットに、何をアウトプットするか」の新しいモデルを事業インパクトの大きい順に設計・実装していきます。

【開発環境・技術スタック】
- データ基盤・分析: BigQuery, Dataform, Python, Looker Studio
- ML基盤: Google Cloud (Vertex AI, Vertex AI Experiments, Cloud Spanner, etc)
- AI/LLMツール: Claude Code, Cursor, Codex, GitHub Copilot（全員分予算あり）
- その他: GitHub, Slack, Notion

【仕事の魅力】
**書いたモデルが、翌日のKPIに直結する**
レコメンドはプロダクトの中核です。実装したモデルの改善が売上・滞在時間・継続率に直接反映される、解像度の高いフィードバックループの中で開発できます。

**現行モデルの次を自分で設計できる**
既存モデルはすでに本番稼働中ですが、アーキテクチャの進化余地は大きく残っています。「次世代のレコメンドエンジンをどう設計するか」を自分の技術判断でリードできる環境です。

**高密度データが武器になる**
一般的なECアプリの滞在時間は数分程度です。ゲーム要素を持つ独自の設計により、お客様が日常的に開くアプリになっています。この高頻度・高密度な行動ログは、精度の高いモデル設計と実験を可能にする、他社にはないデータ資産です。

**レコメンドにとどまらず、ML活用の今後を自分で描ける**
現在の主戦場は商品レコメンデーションですが、UGCパーソナライズ・広告配信最適化・ダイナミックプライシング・UI出し分けなど、データ・ML活用の余白は広大です。「次に何をデータで解くか、モデル実装していくか」の優先順位から自分で設計できる、一人目ならではの裁量があります。

**AIフル活用が前提の職場**
DS含む全エンジニアにAIフル活用を義務化しており、個人の利用予算も会社が負担します。Claude Code・Cursor・Codexを使い、コードの大半をAI経由で生成。少人数でスピードと品質を両立するスタイルです。

【開発スタイル】
- 1チームあたりPM、デザイナー、エンジニア、QAなどの職能混合チームで開発を行います。
- 要件定義からリリースまで、チーム全員が主体的に関わるスタイルです。
「品質を上げるからこそ速く作れる」という哲学のもと、品質を重視した開発を徹底しています。

【一緒に働く「人」と「技術文化」】
**直属上司：執行役員 CTO 池松 恭平**
...

【必須スキル】
- 平日日中の週4以上（できれば週5）の稼働
- ビジネス・リーダーシップ
- ビジネス指標（CTR、CVR、LTVなど）を目標として持ち、改善するためのロードマップの策定と実行経験、そのためのモデル開発や各種実装経験
- チームまたはプロジェクトのリード経験
- 技術
- レコメンデーション分野（コンテンツ推薦、商品推薦、パーソナライズド、ランキングなど）におけるプロダクト開発の実務経験
- 直近で最低2年以上の経験
- MAUが最低数十万以上の規模、もしくはそれに近いトラフィックやデータ量での経験
- PoC経験は不可
- レコメンデーション分野における、モデルを用いた実装、特徴量エンジニアリングや前処理、実運用・モニタリング（MLOps）、精度改善、効果検証の経験
- CF（Collaborative Filtering: 協調フィルタリング）
- MF（Matrix Factorization: 行列分解）
- DNN（Deep Neural Network: ニューラルネット、深層学習）
- Transformer系（BERTなど）
- Two-Tower
- Wide & Deep
- GNN（グラフニューラルネット）

【歓迎スキル】
- ECやソーシャルメディア領域でのレコメンド実務経験
- リアルタイム推論環境の開発・運用経験
- データエンジニアリング・インフラ構築の知見（AWS、GCP、Databricks、BigQueryなど）
- MLプロジェクトにおけるビジネスサイド・プロダクトサイドとの協業経験

【求める人物像】
**同じ志を抱ける方**
- ECの体験には可能性があると少しでも感じる方

**挑戦する気持ちをお持ちの方**
- 目まぐるしく変化する環境で挑戦したい方
- 巨大市場にてチャレンジしたい方
- ソフトウェアを軸に大きなチャレンジを行いたい方

お買い物アプリ運営企業