ML Lead Engineer

募集背景

1. 1一人目のMLエンジニアを募集する。
2. 2カウシェは累計700万ダウンロードを突破し、2023年の事業転換以降約3年でGMV35倍、売上総利益411倍、DAU81倍を達成した。
3. 3Vertex 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た。
4. 4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、Data Science / ML領域は業務委託1名体制。
5. 5今後はUGCマッチング、出品者への改善提案、広告配信最適化、ダイナミックプライシングなどML活用領域を広げる。

プロダクトの特徴

1. 1カウシェは発見型ソーシャルECアプリで、検索型ECとは逆に「なんとなく眺めて発見して買う」体験を提供する。
2. 22026年7月に累計700万ダウンロードを突破し、ユーザーは全国に広がっている。
3. 3これまでECをほとんど使ったことがない40〜50代の女性に多く利用されている。
4. 4「カウシェファーム」や「みんなの投稿」など日常的に楽しめる要素が強みで、1日平均38分・月20日以上利用するユーザーが多い。

プロダクトの目指す世界

1. 1「日常に楽しさを」をミッションに「新しい生活圏のカタチ」をつくる。
2. 2EC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。
3. 3情報収集も遊びも買い物も同じ動線でつながり、お買い物を楽しみへ変える。
4. 4社員100人で企業価値1兆円に挑み、10年後に小売の主役となる生活圏を目指す。

業務内容

1. 1レコメンドモデルの設計・実装・チューニング（Two-Tower / LightGBM等）。
2. 2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。
3. 3A/Bテストの設計・実施・効果検証を通じたモデル改善のPDCA。
4. 4モデルのプロダクション化（Cloud Run等への実装・最適化）。
5. 5ML施策の技術的意思決定とPdM等との連携。
6. 6今後チーム拡大予定で採用や育成にも関わる可能性があるが、まずは上記領域に専念する。

このポジションで向き合う難題

1. 1レコメンドモデルのアーキテクチャ進化：Two-Towerモデルをベースに精度・速度・スケーラビリティを高める設計・実装。
2. 2コールドスタート問題：購買データが無い新規顧客に対し、ファーム内行動やアプリ内行動から嗜好を推定するモデルを設計・実装。
3. 3リアルタイム性の向上：レコメンドユースケースで事業インパクトの大きいリアルタイム性向上のためのモデル最適化。
4. 4短期CVR vs 長期LTV：短期的な購入率最適化と長期的なお客様価値の両立をモデルに組み込む。
5. 5新たなML活用領域への展開：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などの新モデルを事業インパクト順に設計・実装。

開発環境・技術スタック

1. 1データ基盤・分析: BigQuery, Dataform, Python, Looker Studio。
2. 2ML基盤: Google Cloud (Vertex AI, Vertex AI Experiments, Cloud Spanner, etc)。
3. 3AI/LLMツール: Claude Code, Cursor, Codex, GitHub Copilot（全員分予算あり）。
4. 4その他: GitHub, Slack, Notion。

仕事の魅力

1. 1書いたモデルが翌日のKPIに直結する。
2. 2現行モデルの次を自分で設計できる。
3. 3月20日以上・1日38分というECとしては異例の高密度データが武器になる。
4. 4レコメンドにとどまらず、ML活用の今後を自分で描ける。
5. 5AIフル活用が前提の職場で、コードの大半をAI経由で生成する。

開発スタイル

1. 11チームあたり4〜10名の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。
2. 2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。
3. 3「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。

一緒に働く「人」と「技術文化」

1. 1直属上司は執行役員CTOの池松恭平氏。
2. 2正社員・業務委託メンバー共に、メガベンチャーやTechスタートアップでテックリード・EM・CTOを経験した30代のシニアメンバーが多数在籍。
3. 3DeNA AI技術開発部との技術連携によりML領域のアドバイザリーを受けながら開発。
4. 4コードの大半をAI経由で生成し、Pull Requestの80%をAIレビューのみでDeployするAI Nativeな開発スタイル。
5. 5PdMやデザイナーと混成で動き、事業数値やKPIの状況を深くSyncして開発。
6. 6定量数値と定性を重視し、リリース後には変化を確認して次の施策に繋げる。

キャリアパス

1. 1ML Engineerポジションはモデルの設計から実装・プロダクション化まで一気通貫で担う希少な経験を積める。
2. 2実績後はML Lead Engineer、さらにHead of ML / CDOへのキャリアパスを想定。
3. 3レコメンド・パーソナライズ・広告最適化という複数ドメインを横断した実装経験は市場価値に直結する。

入社後3ヶ月のマイルストーン

1. 11ヶ月目：既存のレコメンドモデルのアーキテクチャ・特徴量・評価指標の構成を理解し、ユーザー行動データ・購買データを探索する。
2. 22ヶ月目：特徴量の改善提案やモデルのチューニングに着手し、改善仮説を立てる。
3. 33ヶ月目：ML施策の優先順位づけとロードマップを策定し、効果検証の仕組みを整えてPDCAを自走で回す。
4. 43ヶ月目：今後のアーキテクチャ検討・提案や実行を行う。

応募資格（必須）

• ML Engineerとしてモデル実装、本番運用に関わった実務経験が3年以上（PoCや社内向けサービスなどは含めずに）
• Pythonによる機械学習モデルの実装経験
• オーナーシップを持ってソフトウェアの開発を進める力

歓迎する経験

• EC、ソーシャルメディア、ゲーム領域でのデータ分析・パーソナライズの実務経験
• MAU数百万規模のプロダクションでビジネスKPIを改善した経験
• レコメンデーションモデルの設計・チューニング経験
• コールドスタート問題への対処経験（新規ユーザー・新規アイテム）
• チームメンバーの育成やメンタリング経験

待遇・福利厚生

• Woman休暇
• クラブ活動支援
• ピアボーナス
• 入社特別休暇
• 完全週休2日制
• 年次有給休暇
• 慶弔休暇
• 社員紹介報奨金制度
• 自己啓発サポート制度

求めるスキル・経験