一人目のデータサイエンティストを募集します。
カウシェは累計700万ダウンロードを突破しました。2023年の事業転換以降、約3年でGMV35倍、売上総利益411倍、DAU81倍を達成して急成長しています。お客様の多くが「買いたいもの」を決めて来店するのではなく、カウシェファームなどを起点として偶然商品に出会い購入に至る、という従来のECとは根本的に異なる行動が生まれており、この独自のデータを活用したレコメンデーションを中心としたデータ施策が事業成長を大きく牽引してきました。
一方で、現在Data Science / ML領域は業務委託1名体制で運用しており、データ分析から仮説構築・特徴量設計・精度改善・効果検証までを一気通貫でリードできるデータサイエンティストが不在です。
これまでの主な成果は商品レコメンドですが、直近ではUGCとお客様とのマッチングや商品出品者への改善提案にも取り組み始めています。今後は広告配信の最適化、ダイナミックプライシング、UI自体の出し分けなど、この領域でのやりたいことは大きく広がっています。分析・仮説構築から実装・効果検証まで一気通貫でリードいただけるデータサイエンティストを募集します。
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。
2026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。
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。
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。
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。
データから事業課題を構造化し、仮説を立て、施策の設計・検証までリードしていただきます。モデルの検討・実装・改善までトータルで関わっていただくポジションです。
・ユーザー行動データ・購買データの分析を通じた事業課題の発見と構造化 ・課題に対する施策仮説の構築と、検証可能な実験（A/Bテスト等）の設計 ・特徴量の設計・選定と、レコメンドモデルの実装・チューニング ・オフライン評価とオンライン結果の乖離分析、施策の効果検証 ・分析結果に基づく施策の優先順位づけ。PdM等と連携した意思決定
今後チームを拡大していく予定があり、採用や育成にも関わっていただけると嬉しいですが、まずは上記領域に専念いただきます。
お客様は「買いたいもの」が決まっていない状態で商品に出会います。閲覧→クリック→購入のファネルをセグメント別に分解し、どこにインパクトの大きい改善余地があるかを特定する——曖昧な課題を自ら構造化する力が問われます。
カテゴリ別購入傾向・行動タイムスタンプ・価格感度などの特徴量設計を通じて、パーソナライズ精度を向上させます。モデルの実装・チューニングからオフライン/オンライン評価の設計まで、一気通貫で担います。
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。ファーム内行動やアプリ内行動など、カウシェ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。
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設計するかという構造的な問いに、データで仮説を作って検証していきます。
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」の新しい組み合わせを事業インパクトの大きい順に検証していきます。
・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
「買いたいものが決まっていない」という、ECにしかない難問に向き合える 検索型ECなら「何が売れるか」はある程度予測できます。しかしカウシェでは、お客様自身も来店時点では何を買うか決まっていません。この独自の行動パターンをデータで解き明かし、レコメンドに変えていくという、他のECプラットフォームでは経験できない、発見型ECならではの知的挑戦があります。
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 一般的なECアプリの滞在時間は数分程度です。カウシェは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、精度の高い特徴量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データ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、カウシェにおけるデータ・ML活用の余白は広大です。「次に何をデータで解くか」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。
分析して終わりではなく、施策の実行まで責任を持てる環境 カウシェでは、データサイエンティストが仮説構築からモデル実装・効果検証まで一気通貫で担います。「レポートを作って渡すだけ」ではなく、自分の分析がKPIに直結するフィードバックループの中で、DSとしての腕を磨ける環境です。
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。
・1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。
東京工業大学大学院にて計算工学を修了後、2014年にDeNA入社。バックエンドエンジニア、エンジニアリングマネージャーとして、EC、SNS、ヘルスケアなどのプロダクト開発に従事。 2020年から複業として参画していたカウシェに翌年5月に入社。バックエンドエンジニア、エンジニアリングマネージャー、プロダクトマネージャーを経て2023年10月より現職。
・業界トップクラスのエンジニアが集結 ・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しています。 ・DeNA 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を進めています。 ・AI Nativeな開発スタイル ・コードの大半をAI経由で生成、Pull Requestの80%をAIレビューのみでDeployする、などを実践中。少数でスピードと品質を両立しています。 ・事業とお客様に近い距離で開発する文化 ・PdMやデザイナーと混成で動き、事業数値やチームで追っているKPIの状況、対応方針などを深くSyncして開発を行っています。 ・定量数値と定性（使用感・お問い合わせ・SNS投稿・レビューなど）を重視し、お客様の文脈に常に触れながら開発し、リリース後には定性・定量の変化を確認して次の施策に繋げていきます。toCならではのFBを元にした速い開発サイクルが特徴です。
カウシェのData Scientistポジションは、「分析だけ」でも「実装だけ」でもなく、データ起点で事業全体を動かす希少なポジションです。 実績を積んだ後は、Data Science・ML領域のテックリード・チームビルディングを担うマネージャー、さらにはData Science・MLチーム全体を率いるCDO（Chief Data Officer）などへのキャリアパスを想定しています。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経験は、市場における希少価値に直結します。
入社直後から「放置」することはありません。明確なマイルストーンと共に、チーム全体で立ち上がりをサポートします。
1ヶ月目：プロダクトとデータの理解
・ユーザー行動データ・購買データを探索し、データの全体像や顧客像を把握する ・既存のレコメンドロジックと評価指標の構成を理解し、施策に着手し始める
2ヶ月目：分析と仮説構築
・ファネル分解・セグメント分析を通じて、インパクトの大きい改善ポイントを特定する ・特徴量の改善提案やモデルのチューニングに着手する ・最初のA/Bテストを設計・実施する
3ヶ月目：施策のリード
・分析結果に基づくML施策の優先順位づけとロードマップ策定 ・効果検証の仕組みを整え、施策のPDCAを自走で回す
お互いのミスマッチを無くすため、技術力とカルチャーの両面を丁寧に確認させていただきます。
・カジュアル面談（まずは気軽にお話ししましょう） ・一次面接（技術・カルチャー：CTO・PdM / 60〜90分） ・課題選考（技術：CTO・PdM・現場エンジニア/ MAX90分） ・ユースケース問題形式：実務に近いデータ分析・実験設計の課題に取り組んでいただき、その後ディスカッションを行います。オフライン評価設計や特徴量エンジニアリングの考え方を拝見させていただきます。 ・最終面接（対面：CEO・COO / MAX90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。
・採用ページ： ・https://enjoy-working.kauche.com/ https://enjoy-working.kauche.com/ ・Company Deck： ・https://speakerdeck.com/kauche/zhu-shi-hui-she-kausie-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 https://note.com/kauche ・TechBlog： ・https://zenn.dev/p/kauche https://zenn.dev/p/kauche
