Cos'altro compreranno?

Caricate un ordine reale e guardate che cosa suggerisce il negozio, oppure aprite uno qualsiasi dei 3.500 prodotti del catalogo di un vero grossista e riempite voi un carrello. Tutto gira nel vostro browser.

La demo richiede JavaScript. Il catalogo e il modello pesano circa 2,2 MB e si scaricano una volta sola.

La demo è in inglese, come i suoi dati.

Ordini e prezzi reali di un grossista britannico online di articoli da regalo, da dicembre 2009 a dicembre 2011 (UCI Online Retail II, CC BY 4.0). Ogni suggerimento viene dagli ordini effettuati prima di ottobre 2011; i tassi qui sotto sono misurati sulle dieci settimane successive. Gli acquirenti all'ingrosso prendono uno stesso modello in più colori, quindi le varianti di colore compaiono insieme.

33%Quota dei 4.865 ordini reali successivi, con un articolo tolto, in cui quell'articolo è tra i primi dieci suggerimenti del negozio, su 3.529 prodotti. A caso: 0,3%.

3%Lo stesso test per una lista dei più venduti, quella che mostra la maggior parte dei negozi.

0,3%La stessa domanda posta a un modello di IA generalista, del tipo che sta dietro ai chatbot. Sa che cosa vende un negozio di articoli da regalo, non che cosa comprano insieme questi clienti.

Come funziona

DatiDue anni di ordini, 3.500 prodotti, nulla sul cliente oltre al contenuto del carrello. I metodi sono stimati sugli ordini precedenti a ottobre 2011 e testati sulle dieci settimane successive.

MetodiI più venduti, «comprati insieme» da un modello lineare articolo-articolo (EASE) stimato su tutti gli ordini, e un modello di embedding che ha imparato quali prodotti stanno bene insieme. Tutti e tre girano sul vostro dispositivo da un file JSON di 2 MB. Il modello di embedding ottiene il 16% nello stesso test. Il modello generalista è Qwen 2.5 7B, un LLM aperto; con 100 prodotti tra cui scegliere, arriva al 2,7%.

Cosa ottenete«Spesso comprati insieme» in ogni scheda prodotto, «Completa l'ordine» nel carrello, le stesse liste nelle e-mail, dai vostri ordini e aggiornate ogni notte su qualsiasi server. Niente GPU, niente bolletta di API, nessun dato dei clienti che esce dai vostri sistemi.

Codice, pipeline dei dati e benchmark completo: github.com/balticml/recommendation-engine. Lo volete nel vostro negozio? Contattateci