PdM（Machine Learning Product） / 正社員

■仕事概要
■募集背景
カウシェは、1日平均38分・月20日という高い頻度で使っていただいているエンゲージメントプラットフォームです。累計800万ダウンロードを突破し、事業転換から約3年で、GMV35倍・売上総利益411倍・DAU81倍と成長してきました。
お客様の多くは、買いたいものを決めて来店するわけではありません。カウシェファームなどをきっかけに商品と偶然出会い、購入に至ります。この行動をとらえるレコメンドや広告配信の最適化が、事業成長の中心にあります。商品レコメンドでは、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います。
事業の中心だからこそ、MLを「どこに、何のために使うか」を決め、事業の数字に結びつけることに専任で向き合う人が重要です。事業の数字から逆算してMLのテーマを選び、お客様の体験に落とし込む役割です。
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/LLMを活用できる領域は大きく広がっています。
プロダクトの特徴
カウシェは発見型ソーシャルECアプリです。
発見型ECとは、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。
累計800万ダウンロードを突破し、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40〜50代の女性に多く利用いただいてる点です。
「カウシェファーム」という作物育成ゲームや、「みんなの投稿」という投稿機能など、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、1日平均38分・月20日以上という高い頻度で利用して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
カウシェは「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。
変化を力に変えてきた私たちは、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、1億人に1億通りの楽しみが巡る生活インフラです。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べき生活圏を自分たちの手で切り拓きます。
■業務内容
MLをプロダクトに組み込み、お客様の体験と事業の数字の両方を動かすことがミッションです。どのようなML施策をやるか、やらないかを決め、MLエンジニア・データサイエンティストと一緒に、企画からリリース・効果分析までを一貫して担います。モデルの実装そのものはMLエンジニアが担い、PdMは「何を最大化するか」「なぜそれを作るか」「どのような体験を実現するか」を決めます。
主に見る数字は、フィードGMVと広告収益です。
ML施策の企画と優先順位づけ。事業の数字から逆算して、MLで解くテーマを決める
A/Bテストの設計、評価指標の設計、ロールアウトの判断
MLエンジニア・DSと協働した、モデル改善の方向づけ。実現可能性と工数を対等に議論する
MLの成果をUI/UXに落とし込む企画
探索を促す体験やログ設計など、MLが学習し続けるデータの循環づくり
必要に応じて外部の推薦エンジンと内製モデルの比較評価、移行の判断
担当しうる領域の例です。
商品レコメンド：ファームやフィードで、検索しないお客様が「欲しくなる瞬間」を作る
広告送客×レコメンド（直近の最優先）：広告送客とレコメンドを掛け合わせ、広告収益とフィードGMVを同時に伸ばす。広告配信のパーソナライズと最適化
UGCレコメンド：「みんなの投稿」の表示最適化。商品レコメンドとモデル・特徴量が共通なので、同じチームで見る
実験・評価の仕組み：A/Bテストと評価指標の設計。1サイクル2〜3週間かかっている改善の高速化
これから広げる領域：プライシング、出品者への改善提案、UIの出し分け
会社の状況や成果に応じて、担当する領域が広がったり移ったりすることも前提です。
このポジションで向き合う難題
「何を買うか決まっていない」お客様に、何を見せるか。新規のお客様には購買データもほとんどありません。ファーム内の行動などカウシェ固有のシグナルから嗜好を読み、体験に変える必要があります。
短期と長期、収益と体験のトレードオフを決める。購入率に寄せすぎればお客様の長期的な価値を削り、広告を増やせば体験が損なわれます。探索と収益、新商品と既存商品、広告と体験のどこに線を引くかを、実験と数字で決めていく仕事です。
お客様の体験のための技術の追求。レコメンド機能は内製・外部ツールの活用、そもそもルールベースでの出し分けなどデータと手法の組み合わせが無数にあります。あくまでお客様の体験を追求し、そのために必要十分な技術を選定し続ける必要があります。
仕事の魅力
1日平均38分・月20日以上という、ECとしては異例の高密度な行動ログがあります。一般的なECアプリの滞在時間は数分程度です。精度の高いモデル設計を可能にする他社にはないデータ資産です。
MLの使いどころを決める側に立てます。推薦・広告・UGC・プライシングのうち、次に何をMLで解くかを、優先順位づけから自分で設計できる裁量があります。
打った手への反応が速く、数字で返ってきます。施策リリースのサイクルは高速で、仮説をすぐ実装し、A/Bテストで確かめられます。
CXO（Chief Experience Officer）直下で、担当領域の中期ロードマップを自分の手で描けます。
成果を出した後は、担当領域を広げたり、ML領域全体を率いたりと、キャリアの幅を広げられる可能性があります。
AI時代のPdMの働き方
カウシェのPdMは、AIを使い倒すことが前提です。ClaudeCodeを中心に全員分のAIツール予算があり、企画・分析・プロトタイピングなどのあらゆる業務をAIを前提として設計し織り込んで働きます。
例えば、分析によるインサイトの強化も、分析設計をしてからを分析依頼しそのアウトプットを待ってから結果のすり合わせをして企画に着手するのではなく、ClaudeCodeを用いてできる分析は自ら行い、AIを活用して自身で分析内容をブラッシュアップし当日に企画が仕上がる。この速度感が標準です。その分、1人のPdMが持てる範囲は以前よりずっと広く、少人数のまま大きな体験を作れます。
この働き方は、経験年数よりも学習速度が効きます。ドメイン知識のキャッチアップはAIで大幅に速くなったため、私たちは特定領域の経験を必須にしていません。未知の領域を面白がって最速で学べる人ほど、活きる環境です。
まだこの働き方の型は、仕組み化できるレベルには整っていません。作りながら磨いている段階です。だからこそ、一緒にAI時代のPdMのあり方を定義することもできます。
開発環境・技術スタック
モダンな技術選定と、Google Cloudのフルマネージドサービスを徹底活用しています。
言語：Go, Swift, Kotlin, Typescript
UIフレームワーク：SwiftUI, Jetpack Compose
アーキテクチャ・設計：Clean Architecture, MVVM, Android Architecture Components
インフラ：Google Cloud (Cloud Run, Cloud Spanner, Pub/Sub, etc)
開発環境：Xcode, Android Studio
通信：gRPC, Protocol Buffers
CI/CD：GitHub Actions, Cloud Build, Bitrise
構成管理：Terraform
データ/ML/分析：BigQuery, Dataform, Vertex AI, Looker Studio
Observability：Datadog, Crashlytics, Cloud Monitoring, Cloud Logging, Cloud Trace
AI/LLMツール：Claude, Codex, Cursor, Gemini, etc（全員分予算あり）
その他：GitHub, Slack, Notion, Figma, Maestro
開発スタイル：アジャイル開発
チーム・一緒に働く人
直属上司は、執行役員CXO 佐藤俊輔です。1998年生まれ。カウシェには創業期からマーケティングインターンとして関わり、2022年に新卒入社。2023年に「カウシェファーム」を企画構想し、開発チームを率いて同年リリース。2024年に部長、2026年に執行役員CXOに就任しました。
その他、MLエンジニア・データサイエンティストと日々一緒に動きます。
入社後3ヶ月のマイルストーン
1ヶ月目: カウシェの世界観・KPI・お客様理解のインプット。既存のレコメンド・広告配信のモデル構成、特徴量、評価指標を理解し、現状と課題を自分の言葉で語れる状態に
2ヶ月目: ML施策を1つ立案し、MLエンジニア・DSと一緒に、仮説→設計→リリース→効果測定を一通り回す
3ヶ月目: ML領域の中期ロードマップの初版を、CXOに説明できる状態に
■キャリアパス
ML領域で成果を出した後は、ML・データ領域のプロダクト責任者や、複数領域を跨ぐポジションへのキャリアパスを想定しています。MLを事業の数字につなげた経験は、そのままプロダクト人材としての市場価値になります。

PdM共通基礎要件
カウシェの全PdM共通の基礎要件です。
構造化して問う力。担当領域をの数字とディテールで語れる
各々が切実で個人的な野心を持ち、その動機で日々プロダクトをつくること
過去の成功に固執せず、カウシェの文脈とAI時代の作り方に素早く同期できる
お客様と仲間への敬意、傾聴、自己認識の正確さを通して、顧客視点でプロダクトを作れる
本ポジションの必須要件
データサイエンティスト、MLエンジニア、データアナリストなどとして、ML・データ施策に携わった実務経験（目安3年以上）
分析やMLの成果を、GMV・収益・リテンションなどの事業指標に結びつけ、数字とディテールで語れること
MLエンジニアと、モデルの仕組み・評価指標・実現可能性・工数について対等に議論できること
企画からリリース・効果検証までを、エンジニア・デザイナーと一体で進めた経験 （1年以上）
未経験の領域を高速にキャッチアップし、成果につなげた経験

MLをプロダクトに組み込み、事業の数字を伸ばした経験
推薦・検索・広告配信のいずれかの改善をリードした経験
推薦システム（Two-Tower、勾配ブースティング系など）の技術構造の理解
広告配信の最適化経験（ROAS・CPC・パーソナライズ配信）
外部の推薦エンジンと内製モデルの比較・移行の経験
EC・ソーシャルメディア・ゲームなど、継続利用が前提のプロダクトでのパーソナライズ経験
LLMを活用したプロダクト機能の企画・実装経験
データ基盤・イベント設計・A/B基盤の設計経験
SQL／BigQueryでの分析実務経験

データやMLの経験を土台に、体験づくりへキャリアを広げたい方。「この体験にしないと良くならない」と、お客様の側から語れる方
話を技術から始めず、体験から始められる方。
モデルの精度ではなく、お客様の体験と事業の数字で成否を語れる方
未知の領域を面白がり、学ぶ速度で勝負できる方
決められた範囲を待つのではなく、自分で仮説を立てて動ける方

書類選考
カジュアル面談（担当しうる領域のご紹介もここでします）
一次面接（スキル・カルチャー
60分）
課題選考（最大90分）
最終面接（対面
最大90分）
最終面接と課題選考の間に、リファレンスチェックを実施することがあります。
カウシェをもっと知る
採用ページ:
https://enjoy-working.kauche.com/
Company Deck:
https://speakerdeck.com/kauche/zhu-shi-hui-she-kausie-company-deck
社員インタビュー:
https://note.com/kauche
TechBlog:
https://zenn.dev/p/kauche