Was kaufen sie noch?

Laden Sie eine echte Bestellung und sehen Sie, was der Shop als Nächstes vorschlägt, oder öffnen Sie eines von 3.500 Produkten aus dem Katalog eines echten Großhändlers und füllen Sie selbst einen Warenkorb. Alles läuft in Ihrem Browser.

Die Demo benötigt JavaScript. Katalog und Modell sind etwa 2,2 MB und werden einmal geladen.

Die Demo selbst ist auf Englisch, wie ihre Daten.

Echte Bestellungen und Preise eines britischen Online-Großhändlers für Geschenkartikel, Dezember 2009 bis Dezember 2011 (UCI Online Retail II, CC BY 4.0). Jeder Vorschlag stammt aus den Bestellungen vor Oktober 2011; die Quoten unten sind auf den zehn Wochen danach gemessen. Großhandelskunden nehmen ein Design in mehreren Farben, daher erscheinen Farbvarianten zusammen.

33%Anteil von 4.865 späteren echten Bestellungen mit einem weggelassenen Artikel, bei denen dieser Artikel unter den zehn ersten Vorschlägen des Shops ist, aus 3.529 Produkten. Zufälliges Raten: 0,3 %.

3%Derselbe Test für eine Bestsellerliste, wie sie die meisten Shops zeigen.

0,3%Dieselbe Frage an ein allgemeines KI-Modell, wie es hinter Chatbots steckt. Es weiß, was ein Geschenkeladen verkauft, aber nicht, was diese Kunden zusammen kaufen.

So funktioniert es

DatenZwei Jahre Bestellungen, 3.500 Produkte, nichts über die Kunden außer dem Inhalt des Warenkorbs. Die Methoden sind auf Bestellungen vor Oktober 2011 angepasst und auf den zehn Wochen danach getestet.

MethodenBestseller, „zusammen gekauft“ aus einem linearen Artikel-zu-Artikel-Modell (EASE), angepasst auf alle Bestellungen, und ein Embedding-Modell, das gelernt hat, welche Produkte zusammengehören. Alle drei laufen auf Ihrem Gerät aus einer 2 MB großen JSON-Datei. Das Embedding-Modell erreicht im selben Test 16 %. Das allgemeine Modell ist Qwen 2.5 7B, ein offenes LLM; mit 100 Produkten zur Auswahl erreicht es 2,7 %.

Was Sie bekommen„Oft zusammen gekauft“ auf jeder Produktseite, „Bestellung vervollständigen“ im Warenkorb, dieselben Listen in E-Mails, aus Ihren eigenen Bestellungen und jede Nacht auf jedem Server aktualisiert. Ohne GPU, ohne API-Rechnung, ohne dass Kundendaten Ihre Systeme verlassen.

Code, Datenpipeline und der vollständige Benchmark: github.com/balticml/recommendation-engine. Das für Ihren Shop? Kontakt aufnehmen