O que mais vão comprar?

Carregue uma encomenda real e veja o que a loja sugere a seguir, ou abra qualquer um dos 3 500 produtos do catálogo de um grossista real e encha você mesmo um carrinho. Tudo funciona no seu navegador.

A demo precisa de JavaScript. O catálogo e o modelo ocupam cerca de 2,2 MB, descarregados uma vez.

A demo em si está em inglês, tal como os dados.

Encomendas e preços reais de um grossista britânico de presentes online, de dezembro de 2009 a dezembro de 2011 (UCI Online Retail II, CC BY 4.0). Cada sugestão vem das encomendas feitas antes de outubro de 2011; as taxas abaixo são medidas nas dez semanas seguintes. Os compradores por grosso levam o mesmo design em várias cores, por isso as variantes de cor aparecem juntas.

33%Proporção das 4 865 encomendas reais posteriores, sem um dos artigos, em que esse artigo está entre as dez primeiras sugestões da loja, entre 3 529 produtos. Ao acaso: 0,3%.

3%O mesmo teste para uma lista dos mais vendidos, o que a maioria das lojas mostra.

0,3%A mesma pergunta feita a um modelo de IA generalista, do tipo que está por trás dos chatbots. Sabe o que vende uma loja de presentes, não o que estes clientes compram juntos.

Como funciona

DadosDois anos de encomendas, 3 500 produtos, nada sobre o cliente além do que estava no carrinho. Os métodos são ajustados nas encomendas anteriores a outubro de 2011 e testados nas dez semanas seguintes.

MétodosOs mais vendidos, «comprados juntos» a partir de um modelo linear artigo a artigo (EASE) ajustado em todas as encomendas, e um modelo de embeddings que aprendeu que produtos combinam. Os três funcionam no seu dispositivo a partir de um ficheiro JSON de 2 MB. O modelo de embeddings obtém 16% no mesmo teste. O modelo generalista é o Qwen 2.5 7B, um LLM aberto; com 100 produtos para escolher, chega aos 2,7%.

O que obtém«Comprados juntos muitas vezes» em cada página de produto, «Complete a sua encomenda» no carrinho, as mesmas listas nos e-mails, a partir das suas encomendas e atualizadas todas as noites em qualquer servidor. Sem GPU, sem fatura de API, sem dados de clientes a sair dos seus sistemas.

Código, pipeline de dados e o benchmark completo: github.com/balticml/recommendation-engine. Quer isto na sua loja? Entre em contacto