Mit vesznek még?

Töltsön be egy valódi rendelést, és nézze meg, mit javasol ezután a bolt, vagy nyissa meg egy valódi nagykereskedő katalógusának 3 500 terméke közül bármelyiket, és töltse meg maga a kosarat. Minden a böngészőjében fut.

A demóhoz JavaScript szükséges. A katalógus és a modell kb. 2,2 MB, egyszer töltődik le.

Maga a demó angol nyelvű, akárcsak az adatai.

Valódi rendelések és árak egy brit online ajándéktárgy-nagykereskedőtől, 2009 decemberétől 2011 decemberéig (UCI Online Retail II, CC BY 4.0). Minden javaslat a 2011 októbere előtt leadott rendelésekből származik; az alábbi arányokat az azt követő tíz héten mértük. A nagykereskedelmi vevők egy mintát több színben vesznek, ezért a színváltozatok együtt jelennek meg.

33%4 865 későbbi valódi rendelésből, amelyekből egy tételt kihagytunk, ennyiben szerepel az a tétel a bolt első tíz javaslata között, 3 529 termékből. Véletlen tipp: 0,3%.

3%Ugyanez a teszt egy bestsellerlistára, amilyet a legtöbb bolt mutat.

0,3%Ugyanez a kérdés egy általános AI-modellnek, amilyen a chatbotok mögött áll. Tudja, mit árul egy ajándékbolt, de azt nem, hogy ezek a vásárlók mit vesznek együtt.

Hogyan működik

AdatokKét év rendelés, 3 500 termék, a vásárlóról semmi a kosár tartalmán kívül. A módszereket a 2011 októbere előtti rendeléseken illesztettük, és az azt követő tíz héten teszteltük.

MódszerekBestsellerek, „együtt vásárolt” javaslatok egy minden rendelésen illesztett lineáris termék–termék modellből (EASE), és egy beágyazási modell, amely megtanulta, mely termékek tartoznak össze. Mindhárom az Ön eszközén fut egy 2 MB-os JSON-fájlból. A beágyazási modell ugyanezen a teszten 16%-ot ér el. Az általános modell a Qwen 2.5 7B, egy nyílt LLM; ha 100 termék közül választhat, 2,7%-ot ér el.

Amit kap„Gyakran együtt vásárolt” minden termékoldalon, „Egészítse ki rendelését” a kosárban, ugyanezek a listák e-mailekben, saját rendeléseiből, éjszakánként frissítve bármilyen szerveren. GPU és API-számla nélkül, az ügyféladatok pedig nem hagyják el a rendszereit.

Kód, adatfeldolgozás és a teljes benchmark: github.com/balticml/recommendation-engine. Ilyet szeretne a boltjába? Vegye fel a kapcsolatot