Qu'achèteront-ils d'autre ?

Chargez une vraie commande et voyez ce que la boutique propose ensuite, ou ouvrez l'un des 3 500 produits du catalogue d'un vrai grossiste et remplissez vous-même un panier. Tout tourne dans votre navigateur.

La démo nécessite JavaScript. Le catalogue et le modèle pèsent environ 2,2 MB, téléchargés une seule fois.

La démo elle-même est en anglais, comme ses données.

Commandes et prix réels d'un grossiste britannique en ligne d'articles cadeaux, de décembre 2009 à décembre 2011 (UCI Online Retail II, CC BY 4.0). Chaque suggestion vient des commandes passées avant octobre 2011 ; les taux ci-dessous sont mesurés sur les dix semaines suivantes. Les acheteurs en gros prennent un même modèle en plusieurs couleurs, si bien que les variantes de couleur apparaissent ensemble.

33%Part des 4 865 commandes réelles ultérieures, privées d'un article, où cet article figure parmi les dix premières suggestions de la boutique, sur 3 529 produits. Au hasard : 0,3 %.

3%Le même test pour une liste de meilleures ventes, ce que montrent la plupart des boutiques.

0,3%La même question posée à un modèle d'IA généraliste, du type de ceux qui animent les chatbots. Il sait ce que vend une boutique de cadeaux, pas ce que ces clients achètent ensemble.

Comment ça marche

DonnéesDeux ans de commandes, 3 500 produits, rien sur le client en dehors du contenu du panier. Les méthodes sont ajustées sur les commandes antérieures à octobre 2011 et testées sur les dix semaines suivantes.

MéthodesLes meilleures ventes, « achetés ensemble » issu d'un modèle linéaire article à article (EASE) ajusté sur toutes les commandes, et un modèle d'embeddings qui a appris quels produits vont ensemble. Les trois tournent sur votre appareil à partir d'un fichier JSON de 2 Mo. Le modèle d'embeddings obtient 16 % au même test. Le modèle généraliste est Qwen 2.5 7B, un LLM ouvert ; avec 100 produits parmi lesquels choisir, il atteint 2,7 %.

Ce que vous obtenez« Souvent achetés ensemble » sur chaque page produit, « Complétez votre commande » dans le panier, les mêmes listes dans les e-mails, à partir de vos propres commandes et mises à jour chaque nuit sur n'importe quel serveur. Sans GPU, sans facture d'API, sans données clients qui quittent vos systèmes.

Code, chaîne de données et benchmark complet : github.com/balticml/recommendation-engine. Vous voulez cela pour votre boutique ? Contactez-nous