¿Qué más comprarán?

Cargue un pedido real y vea qué sugiere la tienda a continuación, o abra cualquiera de los 3.500 productos del catálogo de un mayorista real y llene usted mismo una cesta. Todo funciona en su navegador.

La demo necesita JavaScript. El catálogo y el modelo ocupan unos 2,2 MB y se descargan una sola vez.

La demo en sí está en inglés, como sus datos.

Pedidos y precios reales de un mayorista británico de regalos en línea, de diciembre de 2009 a diciembre de 2011 (UCI Online Retail II, CC BY 4.0). Cada sugerencia sale de los pedidos anteriores a octubre de 2011; las tasas de abajo se miden en las diez semanas siguientes. Los compradores mayoristas se llevan un mismo diseño en varios colores, por eso las variantes de color aparecen juntas.

33%Proporción de 4.865 pedidos reales posteriores, con un artículo retirado, en los que ese artículo está entre las diez primeras sugerencias de la tienda, entre 3.529 productos. Al azar: 0,3%.

3%La misma prueba para una lista de los más vendidos, lo que muestran la mayoría de las tiendas.

0,3%La misma pregunta planteada a un modelo de IA generalista, del tipo que hay detrás de los chatbots. Sabe qué vende una tienda de regalos, no qué compran juntos estos clientes.

Cómo funciona

DatosDos años de pedidos, 3.500 productos, nada del cliente salvo lo que había en la cesta. Los métodos se ajustan con pedidos anteriores a octubre de 2011 y se prueban en las diez semanas siguientes.

MétodosLos más vendidos, «comprados juntos» a partir de un modelo lineal artículo a artículo (EASE) ajustado con todos los pedidos, y un modelo de embeddings que aprendió qué productos van juntos. Los tres funcionan en su dispositivo a partir de un archivo JSON de 2 MB. El modelo de embeddings logra un 16% en la misma prueba. El modelo generalista es Qwen 2.5 7B, un LLM abierto; con 100 productos entre los que elegir, llega al 2,7%.

Qué obtiene«Comprados juntos con frecuencia» en cada ficha de producto, «Complete su pedido» en la cesta, las mismas listas en los correos, a partir de sus propios pedidos y actualizadas cada noche en cualquier servidor. Sin GPU, sin factura de API, sin que los datos de clientes salgan de sus sistemas.

Código, flujo de datos y el benchmark completo: github.com/balticml/recommendation-engine. ¿Lo quiere en su tienda? Contacte con nosotros