Algoritmy pro doporučování doplňkových produktů

Proč doporučovat doplňkové produkty a jaké jsou cíle

Doporučování doplňkových produktů (cross-sell) zvyšuje průměrnou hodnotu objednávky (AOV), marži a spokojenost zákazníka tím, že navrhuje kompatibilní položky k právě prohlíženému či nakupovanému produktu. Na rozdíl od „podobných“ produktů (substituty) jde o komplementy – příslušenství, spotřební materiál, rozšíření a služby. Algoritmy musí respektovat kompatibilitu, kontext, skladové zásoby, cenu a záměr. Optimální strategie kombinuje rychlou generaci kandidátů a přesné rankingové modely s obchodními pravidly a experimentováním.

Architektura: od dat k rozhodnutí

• Zdrojová data: transakce (košíky, sekvence), prohlížení (session events), katalog (atributy, kompatibilita), ceny a promo, marže, sklad, dodací doby, recenze.
• Feature store: agregáty (co-occurrence, RFM), sekvenční znaky (posledních n interakcí), kontext (kanál, zařízení, lokalita, čas), signály kompatibility.
• Servírovací vrstva: candidate generation (latence v ms) → ranking (model s kompletními znaky) → re-ranking (obchodní pravidla: sklad, marže, diverzita, brand safety).
• Měření: offline (Precision@k, NDCG@k) + online (A/B testy, uplift konverze, AOV, marže) s trvalými holdout skupinami.

Heuristiky a pravidla: baseline pro rychlý start

• Manuální páry: kurátorovaná mapování „produkt → příslušenství“. Výhoda: 100 % kompatibilita. Nevýhoda: nízká škálovatelnost, rychlá zastaralost.
• Top sellers podle kategorie: nejprodávanější doplňky v dané kategorii. Výhoda: jednoduché. Nevýhoda: ignoruje personalizaci a kompatibilitu.
• Podobnost atributů: párování podle značky/modelu/rozměrů. Výhoda: interpretovatelnost. Nevýhoda: slabší u rozsáhlých katalogů.

Asociační pravidla a ko-výskyt

Tradiční přístup pro „nakupované spolu“. Vstup: transakční košíky.

• Apriori, FP-Growth: hledání pravidel typu {A} → {B} s metrikami support, confidence, lift. Lift > 1 signalizuje komplementaritu nad náhodu.
• Pointwise Mutual Information (PMI): PMI(A,B) = log [ P(A,B) / (P(A)P(B)) ]; robustní skóre ko-výskytu s penalizací často samostatně nakupovaných položek.
• Normalizace a sezónnost: časově vážené počítání (exponenciální rozpad), filtrování sezónních šumů a promo efektů.
• Výhody: jednoduchost, transparentnost, vhodné pro „PDP → doplňky“.
• Omezení: studený start novinek, ignorování uživatelského kontextu, citlivost na sparsity dat.

Kolaborativní filtrování (CF)

• Item-Item CF: podobnost mezi položkami podle společných kupujících/prohlížejících. Vhodné pro doplňky, pokud se podobnost počítá na ko-nákupech, nikoli jen ko-prohlíženích.
• User-User CF: nalézá „podobné“ uživatele a doporučuje jejich doplňky. Méně stabilní při vysoké sparsity.
• Implicitní feedbacky: nákupy, zobrazení, kliky s různými váhami (nákup > přidání do košíku > zobrazení). Modely jako Implicit ALS pracují s binárními a váženými signály.
• Výhody: personalizace bez potřeby atributů.
• Omezení: škálování, studený start, preference populárních položek.

Faktorizace a embeddingové modely

• Matrix factorization (ALS/BPR): učí vektory pro uživatele a položky; BPR optimalizuje párové pořadí (zakoupené > nezakoupené) – vhodné pro ranking doplňků.
• Word2Vec pro produkty („prod2vec“): okenní kontext v košících/sesích → vektory položek; komplementy mají vysokou kosínusovou podobnost.
• Hybridní embeddings: kombinace ko-výskytu a textových/obrázkových embeddingů (popisy, obrázky) pro pokrytí long tailu.

Sekvenční a session-based modely

• Markovské řetězce: pravděpodobnosti přechodů mezi typy položek (např. „telefon → pouzdro“).
• RNN/GRU a Transformers: predikce další položky v relaci; doplňkovost se učí z pořadí akcí. Výhoda: citlivost na krátkodobý záměr.
• Next-Basket Recommendation: predikce košíku jako množiny (Set Transformers, Deep Sets); vhodné pro plánované doplnění spotřebního materiálu.

Grafové metody a znalostní grafy

• Product graph: uzly = produkty, hrany = ko-nákup, kompatibilita, substituce; techniky Node2Vec, GraphSAGE pro šíření signálu.
• Znalostní graf: uzly = produkt, značka, konektor, zařízení; logické omezení „kompatibility“ zajišťují přesnost (např. patici žárovek).
• Výhoda: explicitní pravidla kompatibility, lepší interpretace a kontrola.

Generace kandidátů vs. ranking: dvoustupňová strategie

• Generace kandidátů (1–5 ms): co-occurrence, prod2vec, item-item CF. Cíl: snížit z 10⁶ položek na ~100–500 kandidátů.
• Ranking (10–50 ms): gradient boosting / neuronové sítě s featurami: cena, marže, sleva, popularita, kompatibilita, podobnost, kontext, uživatelská historie, expediční doba.
• Re-ranking: diverzita, limit počtu stejných značek, skladovost, pravidla kampaní, „do not recommend“ seznam.

Optimalizace na podnikové cíle

• Maržově uvědomělé doporučování: v rankeru optimalizujte expected margin = P(konverze) × marže − náklady (sleva, logistika).
• Inventář a SLA: penalizace nízké skladovosti a dlouhých dodacích lhůt; preference lokálního skladu.
• Udržitelnost: preferovat doplňky s nižší vratností a ekologickým balením.

Kauzalita, bandité a reinforcement learning

• Uplift modely: odhad inkrementálního efektu doporučení na konverzi/AOV oproti pasivnímu zobrazení.
• Kontextové bandité: online učení výběru widgetu/pozice/počtu položek s minimalizací regretu.
• RL v košíku: sekvenční rozhodování (kolik slotů, které kategorie) s odměnou CLV a penalizacemi za rušivost.

Správa kompatibility a doménová pravidla

• Kompatibilitní matice: tabulka „base SKU → compatible SKU“ generovaná z katalogu a doplněná o logy vrácení (inkompatibilita).
• Kontraindikace: vyloučení substitutů v doplňkovém slotu (např. dvě konkurenční základní položky).
• Regulace: věkové omezení, regionální zákazy, bezpečnostní normy.

Evaluace: offline a online metriky

• Offline: Precision@k, Recall@k, MAP, NDCG, Coverage, Novelty, Diversity, Serendipity.
• Online: CTR → Add-to-Cart Rate → Conversion Rate, AOV, marže/relace, attach rate doplňku, vratnost, míra stížností.
• Kauzální: uplift (Δ mezi testem a kontrolou), CUPED pro redukci variance, dlouhodobý efekt CLV.

Tabulka: porovnání přístupů

Místa umístění doporučení a jejich specifika

• PDP (produktová stránka): primární doplňky vázané na SKU; vysoká potřeba kompatibility.
• Košík: nízký počet položek (1–3), rychlé rozhodnutí, důraz na dostupnost a doručení spolu s objednávkou.
• Checkout: pouze neinvazivní, nízkorizikové doplňky (záruky, balení); pozor na rušivost.
• Post-purchase / e-mail: spotřební materiál, doplnění, instalační služby; časování podle životnosti.

Diverzita, novost a serendipita

• Diverzita: maximalizovat pokrytí kategorií v top-k; penalizace redundance (např. x podobných pouzder).
• Novost: upřednostnit relevantní novinky s váženou popularitou; kontrola rizika výkonu pomocí banditů.
• Serendipita: přidat 1 „překvapivý“ doplněk s logickou vazbou a vysokou spokojeností (např. instalační kit).

Etika, férovost a soulad

• Transparentnost: označení „Doporučeno podle vaší aktivity“ vs. „Sponzorováno“.
• Férovost: kontrola biasu vůči menším značkám (share of shelf), limity promo zásahů.
• Soukromí: minimalizace osobních údajů, agregace a anonymizace, správa souhlasů.

MLOps a provoz

• Verzionování: data, featury, modely a pravidla jako kód; auditovatelné releasy.
• Monitoring: online metriky (CTR, ATC, AOV), výstrahy na drift, latence p99, pokrytí inventáře.
• Retrénink: plánovaný (týdně/měsíčně) + event-driven (nové kolekce, sezóny, promo akce).
• Canary a rollback: postupné nasazení modelu; bezpečnostní guardrails (fallback na heuristiky).

Praktický rankingový model: příklad vstupů

• Uživatel: frekvence nákupů, citlivost na cenu (historie slev), preferované značky, RFM skóre.
• Položka (base SKU): typ, značka, generace, kompatibilitní třída, průměrné ko-nákupy.
• Kandidát (doplněk): marže, sleva, sklad, promo, hodnocení, vratnost.
• Kontext: zařízení, zdroj návštěvy, čas, země, logistická SLA.

Specifika domén

• Elektronika: tvrdé kompatibility (konektory, modely); znalostní grafy a kurátorované mapy.
• Móda: stylingové doplňky; vizuální embeddingy (CLIP) a outfitové grafy.
• DIY/Auto: díly podle VIN/rozměrů; striktní filtrace a validace.
• FMCG: doplňování spotřeby; sekvenční modely a predikce replenishmentu.

Experimentování a rollout

1. Hypotézy: např. „prod2vec kandidáti + GBM ranker zvýší attach rate o 8 %“.
2. Testovací design: A/B test s CUPED, stratifikace podle trafficu a zařízení; minimální velikost vzorku pro 95 % interval spolehlivosti.
3. Guardrails: stabilita AOV, míra stížností, latence, míra vyprodání.
4. Dokumentace: výsledky do znalostní báze a návrh systému „recommendation components“.

Roadmapa zavedení na 12 týdnů

1. Týden 1–2: sběr a čištění transakcí, obohacení katalogu (kompatibilita), defin