Vantage Discovery

Vantage Discovery

Vantage Discovery (acquired by Shopify in March 2025) · コーディング · ビジネス

Vantage Discoveryはオンラインストア向けのAI検索プラットフォームだ。埋め込みベクトルと言語モデルで購買意図を読み取り、商品を並べ替え、結果を個人に合わせる。Shopifyが2025年3月に会社を買収した。

Vantage Discovery の画面プレビュー

Vantage Discovery について

About

Vantage Discoveryとは

Vantage Discoveryは小売EC向けのAIによる商品発見プラットフォームだった。2023年にLance RiedelとNigel Daleyが設立した。2人はPinterestで検索を担当した経歴を持つ。シードとシリーズAで資金を調達し、2025年3月にShopifyへ加わった。消費者向けアプリではなく、ストアが自社カタログと店頭をつなぐ検索レイヤーである。

狙ったのは、買い物客の書き方とカタログの索引の仕方の間にあるずれだ。「通勤の自転車用に軽い雨具がほしい」という検索は、タイトルとタグだけを照合するエンジンでは届かない。商品とクエリを同じベクトル空間に置くことで、自然言語での商品検索は、その語を一つも含まない商品を返せるようになった。その候補を言語モデルが関連度の高い順に並べ替える。

今は入手経路が最大の制約だ。Vantage Discoveryは独立したサービスとして売られておらず、買収後に料金ページも公開ドキュメントも消えた。今この製品を読む人は、元のプラットフォームを買うのではなく、同じチームでShopifyが作ったものを評価していることが多い。第二の制約は人手である。API製品なので、カタログの設計、エンドポイントの接続、並び順の調整を誰かが担当する必要がある。

はじめかた

  1. カタログ規模とクエリ量についてチームと話す。利用開始はセルフ登録ではなく商談ベースだった。
  2. カタログを投入する。商品はタイトル、説明、価格、検索が使う属性を持つレコードとして登録した。
  3. 検索エンドポイントを店頭に接続し、カテゴリ、価格帯、在庫状況などの絞り込みを設定する。
  4. 公開後にクエリとクリックを見て、順位の重みとパーソナライズ信号の比率を調整する。

AIツール情報

Vantage Discoveryの料金、対応プラットフォーム、性能を簡単に確認できます。

無料プランいいえ
有料プランCustom pricing, not published
プラットフォームWeb dashboard, REST API
開発元Vantage Discovery (acquired by Shopify in March 2025)
カテゴリコーディング · ビジネス
リリース日Jan 2023
最終更新Mar 2025
サイト訪問数N/A
サイト世界ランキングN/A
API提供状況はい

こんな人におすすめ

このツールが最も力を発揮するユーザー、タスク、シーン。

ユーザー

  • ECの開発チーム:APIは既存の店頭構成に収まるが、商品レコードを設計し、検索サービスを本番で運用できる開発者が要る。
  • 中規模小売の商品担当:順位の制御は多くの検索ツールより事業側に近い。ただし商品のルールを設定に落とす人が必要だ。
  • マーケットプレイスやB2Bのカタログ運営:専門用語の多い長い品番リストほど、意味で照合する方式の効果が大きい。

タスク

  • 検索結果ゼロのクエリを拾う:商品とクエリを同じベクトル空間に置くため、言い換えや属性の組み合わせも届く。キーワード索引はここで落とす。
  • 稼働中の店頭に自然言語での商品検索を足す:「1万円以下で冬山に着ていく暖かい服」といった文でも、同義語表を手で作らずに使える結果が出る。
  • 行動データから個人向けの推薦を組む:クリックと購入が検索パーソナライズに流れ、再訪した人には以前見た商品が反映される。

シーン

  • 技術部品ばかりのカタログ:買い手が語るのは品番ではなく作業内容で、意味の照合がその距離を埋める。
  • 流入は多いのに検索経由の購入が伸びない:離脱で終わるクエリが報告に並ぶなら、まず関連度順の並べ替えを試す。
  • すでにShopifyで運営しているストア:買収により、この技術は独立した契約ではなくShopify自身の検索の中に現れる。

主な機能

カタログ全体のセマンティック照合

商品とクエリを同じベクトル空間に置くため、共通する語ではなく意味で結びつけられる。「冬に家で着るあったかい部屋着」と探せば、あったかいという語を使っていないフリースのセットアップも出る。ここがプラットフォームの中核で、他の機能はすべてこの上に載る。

言語モデルによるベクトル結果の再順位付け

ベクトルの類似度で候補を絞り、言語モデルが属性の一致や購入につながる可能性で並べ直す。実務上の違いは、上位数件が数値上の近さだけでなく、経験のある商品担当が選びそうな並びになることだ。創業チームはここを他社との差別化として挙げていた。

行動に応じた検索パーソナライズ

クリック、保存、購入を読み、訪問者ごとに結果を変える。ワイドデニムを何度も見る人は、次の訪問でその商品が上に来る。行動データをすでに取っているストアほど効果が出る。モデルが参照できる履歴があるからだ。

開発者向けのベクトル検索API

機能はすべてベクトル検索APIを通り、ストアは自社のフロントエンドから呼び出す。画面と決済の流れはそのままに、下の問い合わせ層だけを入れ替えられる。テーマの作り直しは不要で、検証から本番までの距離が短い。

属性とメタデータによる絞り込み

商品はカテゴリ、価格、在庫などのメタデータを持ち、クエリは並べ替えの前にそれで絞れる。意味が近いという理由で、サイズ違いや売り切れが返る事態を防げる。純粋な類似度では無視される業務ルールを効かせる役目もある。

カタログ投入の流れ

商品を入れる作業は専用の手順として定義されている。モデルが必要とする項目を持つレコードとして登録し、カタログの変更に追随させる。タイトルと属性が整っているかが効く。データが緩いと、順位付けがどれだけ良くても照合は緩くなる。

メリットとデメリット

メリット

  • 複数の属性を含む説明的なクエリでも使える結果が出る。小売カタログでキーワード検索が崩れるのは、まさにこの場面だ。
  • API優先の設計なので、ストアは自前のフロントエンドと決済を保てる。別のコマース基盤へ移る必要はない。
  • 創業チームはPinterestで検索を作っており、順位付けの設計には高トラフィックの実務が反映されている。
  • パーソナライズは多くのストアが既に記録している行動データの上で動く。追跡層を新たに敷かなくてよい。

デメリット

  • 今は契約できない。Shopifyの買収以降、独立したサービスとしての提供はなく、2026年に検索ベンダーを探す企業は候補から外すことになる。
  • 価格が公開されておらず、旧料金ページも閉じている。予算を組む基準が残っていない。
  • 社内に技術の担当者が要る。カタログ設計、エンドポイント接続、関連度の調整はすべてストア側で、マーケティング部隊だけでは回らない。

よくある質問

小売の店頭における検索と商品発見に使われた。ストアがカタログを送り、APIを呼ぶと、キーワード一致ではなく意味の一致と個人向けの結果が返る仕組みだった。