Beyond Co-purchase Relation: Evolution of Complementary Recommendations at Allegro
Aleksandra Osowska-Kurczab, Klaudia Nazarko, Eliška Kosturová, Lidia Wojciechowska, Michał Bień
cs.IR, cs.AI, cs.LG
2026-09-04
波兰电商Allegro用带类目适配器的双塔做互补检索，ComCat把专家规则、人工和LLM收成可改映射。商品页自然发现GMV+8–9%，购物车+15–21%，广告位收入约+50%。
顾客把专业相机放进购物车，系统该推匹配镜头、通用三脚架，还是另一台机身？互补推荐要的是「一起用」，共购日志给的经常是「一起买」：同一口味狗粮再来一袋，是替代；猫粮加狗粮，是两笔互不相干的需求。Allegro 每月超过 2000 万活跃买家、15 万卖家，平台还用包邮门槛鼓励同一卖家凑单，共购噪声被激励放大。
互补还有不对称：充电器补手机，手机不补充电器。冷启动和长尾商品几乎没有共购。只靠交易频率，分不清这三件事。
AlleCompanion 是内容双塔，查询塔和目标塔共享 Product Encoder，输入标题、价格、类目，可加属性和卖家 ID，不用商品 ID，方便目录变动。训练目标是 sampled softmax，混合负采样加温度。
关键件是 Category Adapter。查询商品的向量和目标互补类目的向量拼接，过一层全连接再归一化，把检索推进「指定互补类目」的子空间。训练时目标类目来自正样本；线上没有正样本，改由 ComCat 映射提供合法目标类目，再按类目分别检索、交错展示。辅助的类目重建损失让最终查询向量还能还原目标类目嵌入。
ComCat 是和模型解耦的类目映射。三个源按优先级合并：人工标注、专家规则、自动共购启发式（Jaccard、分类树距离、周期性和价格比过滤）。映射是有向的，能表达不对称。需要时加上「同类目→同类目」，同一套模型就能混出替代。改规则不用重训。
数据侧先按会话窗口切有序不对称对，去掉交易量超 99 分位的重度买家。400 对人工标注显示：提高共现次数阈值会把无关对从 44% 打到 22%，但替代也从 28% 升到 43%，互补只从 29% 到 36%。改成「同部门、不同类目」之后，互补/替代/无关变成 61%/4%/35%。
离线用 90 天共购训练、后 7 天做时间隔离测试。Vanilla 双塔 Recall@20 只有 0.0447。加上卖家 ID 到 0.1219，卖家一致性 0.9309，因为测试集 59% 的共购本来就是同卖家。事后硬过滤目标类目把 Recall@20 拉到 0.3782，但 15 倍过采样后中位候选只剩 7 条，滤不起。AlleCompanion 不靠后过滤，Recall@20 0.4567、MRR@20 0.2000，目标类目一致性 0.8267，卖家一致性 0.6619。属性一致性 0.2181，接近测试集里真实共购 21% 的属性重合。用 ComCat 代替金标类目，Recall@20 从硬过滤的 0.0451 到 0.0952。
ComCat 源消融：启发式单独覆盖约 42% 源类目、27.55% 目标类目；加上标注、规则和同类目后，目标覆盖 43.06%，p95 目标类目数从 3 到 10。这 42% 源类目挡住了 99.8% 的线上流量。离线流量指标相对纯启发式，CTR +450%、CVR +398%，其中同类目关系贡献最大。
线上 A/B 两周、全量流量。商品页赞助位 v-CVR Web +0.53%（显著），广告收入约 +50%。商品页自然位加上同类目关系后，GMV Web +8.05%、App +9.35%（均显著）。购物车内 GMV Web +21.25%、App +15.73%，Web 的 c-CVR +4.98%。预购物车用高属性一致性的过滤数据，Web v-CVR −0.28%（显著）。三个已上线位都满足「至少一个主指标显著、其余不伤」。
这是 RecSys 工业论文里比较完整的一条链：噪声共购怎么洗、类目约束怎么写进双塔、映射怎么和模型拆开、哪块广告位其实要的是互补加替代。可迁移的判断有两条。专家规则更适合放进映射层，不适合用来抽干训练集：过滤交易让属性一致性升高，检索指标和预购物车转化一起掉。第二，结账场景用户要的经常是「再来一件能凑包邮的」，不是教科书上的纯互补。
精度被类目粒度卡住，极端冷启动类目仍有覆盖空洞，尽管当前流量上看不出来。没有用户个性化，多样性靠类目交错。多件互补意图离线几乎测不准，只能信 A/B。预购物车是负例：同一套模型换个位置就伤转化。赞助位 GMV 几乎不动，涨的是广告收入，口径不要混。论文没公开对照 P-Companion 等学术互补模型的离线数字，对外可复现性有限。