Co jeszcze kupią?

Wczytaj prawdziwe zamówienie i zobacz, co sklep podpowie dalej, albo otwórz dowolny z 3 500 produktów z katalogu prawdziwej hurtowni i sam napełnij koszyk. Wszystko działa w Twojej przeglądarce.

Demo wymaga JavaScriptu. Katalog i model to około 2,2 MB, pobierane raz.

Samo demo jest po angielsku, tak jak jego dane.

Prawdziwe zamówienia i ceny brytyjskiej internetowej hurtowni upominków, od grudnia 2009 do grudnia 2011 (UCI Online Retail II, CC BY 4.0). Każda podpowiedź pochodzi z zamówień złożonych przed październikiem 2011; poniższe wskaźniki zmierzono na dziesięciu kolejnych tygodniach. Klienci hurtowi biorą jeden wzór w kilku kolorach, więc warianty kolorystyczne pojawiają się razem.

33%Z 4 865 późniejszych prawdziwych zamówień z jednym pominiętym produktem: tak często ten produkt jest w pierwszej dziesiątce podpowiedzi sklepu, spośród 3 529 produktów. Losowe zgadywanie: 0,3%.

3%Ten sam test dla listy bestsellerów, czyli tego, co pokazuje większość sklepów.

0,3%To samo pytanie zadane ogólnemu modelowi AI, takiemu jak te w chatbotach. Wie, co sprzedaje sklep z upominkami, ale nie wie, co ci klienci kupują razem.

Jak to działa

DaneDwa lata zamówień, 3 500 produktów, nic o kliencie poza zawartością koszyka. Metody dopasowano na zamówieniach sprzed października 2011 i przetestowano na dziesięciu kolejnych tygodniach.

MetodyBestsellery, „kupowane razem” z liniowego modelu produkt–produkt (EASE) dopasowanego na wszystkich zamówieniach oraz model embeddingów, który nauczył się, które produkty do siebie pasują. Wszystkie trzy działają na Twoim urządzeniu z pliku JSON o rozmiarze 2 MB. Model embeddingów osiąga w tym samym teście 16%. Model ogólny to Qwen 2.5 7B, otwarty LLM; gdy dostaje 100 produktów do wyboru, osiąga 2,7%.

Co dostajesz„Często kupowane razem” na każdej stronie produktu, „Dopełnij zamówienie” w koszyku, te same listy w e-mailach, z Twoich własnych zamówień, odświeżane co noc na dowolnym serwerze. Bez GPU, bez rachunków za API, bez danych klientów opuszczających Twoje systemy.

Kod, przetwarzanie danych i pełny benchmark: github.com/balticml/recommendation-engine. Chcesz tego w swoim sklepie? Napisz do nas