Мне тут показали один крутецкий доклад про то, как СберМаркет строил рекомендации к покупкам («возьмите еще вот это»), его делала Яна Семененя, которая там занималась анализом данных и рекомендательными моделями.

Рекомендации — это комплементарные товары, то есть то, что дополняет заказанное (хлеб и масло, стиральный порошок и средство для уборки и т.д.). Большинство аудитории СберМаркета заказывает товары не каждый день, а реже, например, на неделю. Поэтому если просто смотреть на «что часто заказывают вместе», то вполне может быть, что к хлебу рекомендуется туалетная бумага. Ребята называют это шумными корзинами.

Там было несколько этапов построения, но кейс с ошибкой просто пушка. В какой-то момент ребята ошиблись и вместо «строить рекомендации на товарах в корзине» сделали «строить рекомендации на удаленных из корзины товарах». И оказалось, что удаленные могут быть очень даже комплементарны друг другу: например, если человек передумал делать карбонару, то он удаляет из корзины одновременно макароны, яйца, бекон и сливки.

Одна ошибка, которая позволила классно дополнить алгоритмы 🔥