大規模行動モデル：小売顧客のプロンプト可能なデジタルツイン
本稿では、大規模行動モデル（LBM）を提案する。これは、統一された人物-環境定式化を通じて、大規模な小売トランザクションから直接顧客の意思決定を学習する。履歴購入から行動プロファイルを構築し、検索拡張生成で製品コンテキストを統合する。継続事前学習、教師あり微調整、検証可能な報酬による強化学習で訓練され、購入予測、バスケット補完、プロモーション応答などのタスクで汎用言語モデルを凌駕する。アブレーション研究により、継続事前学習が行動汎化の主な原動力であり、強化学習が明示的な行動証拠への依存を改善することが示された。
大規模行動モデル（Large Behavior Model, LBM）は、顧客行動モデリングにおける予測精度と説明可能性の課題を解決する新しいアプローチである。既存手法は、予測精度を最適化するが決定を説明できないか、シミュレーションを行うが実際の行動データに基づいていない。LBMは、統一された人物-環境（Person-Environment）フレームワークを用いて、大規模な小売トランザクションから直接顧客の意思決定を学習する。
モデルの核心は、顧客状態を履歴購入に基づく行動プロファイルで表現し、検索拡張生成（Retrieval-Augmented Generation, RAG）で製品コンテキストを組み込む点にある。訓練は三段階で行われる。まず、行動データを言語化（verbalization）して継続事前学習（continued pre-training）を実施し行動パターンを獲得する。次に、教師あり微調整（Supervised Fine-Tuning, SFT）で意思決定生成を改善する。最後に、検証可能な報酬による強化学習（Reinforcement Learning with Verifiable Rewards, RLVR）でモデルを調整し、言語モデルの事前知識よりも明示的な行動証拠に依存させる。
実験では、購入予測、難負例判別（hard-negative discrimination）、バスケット補完（basket completion）、プロモーション応答（promotion response）、クロスドメインのクーポン利用（cross-domain voucher redemption）という5つの小売タスクでLBMを評価した。結果、LBMはドメイン内タスクで最先端の汎用大規模言語モデル（GPT-4、Claudeなど）を一貫して上回り、小売業者や意思決定ドメインをまたがるゼロショット転移と微調整転移でも強い性能を示した。例えば、ある小売業者のデータで訓練したモデルが、追加訓練なしで他の小売業者のタスクに直接適用可能であった。
アブレーション研究により、継続事前学習が行動汎化の主な原動力であること（この段階がないとドメイン外タスクの性能が大幅に低下）、検索拡張は訓練と推論の両方で適用するのが最も効果的であること（推論時のみの使用では効果が限定的）、強化学習はモデルの明示的な行動証拠への依存を高めることが明らかになった。これらの結果は、トランザクション履歴にエンコードされた行動知識が言語モデルによって効果的に学習可能であり、顧客デジタルツインと行動シミュレーションのスケーラブルな基盤を提供することを示している。LBMの登場は、行動モデリングを統計的手法から言語モデルベースの手法へと移行させるものであり、レコメンデーションシステム、精密マーケティング、顧客意思決定支援などの分野に大きな影響を与えると期待される。