18 sierpnia 2025 
Michał Backhed Allegro stosuje jeden elastyczny system rekomendacyjny oparty na architekturze Two Tower, który działa na dwóch „wieżach”: zapytań i celów. Dzięki temu model generuje szybkie, trafne i skalowalne rekomendacje podobnych, komplementarnych i inspiracyjnych produktów, skutecznie radząc sobie z dynamicznym katalogiem i problemem cold start. System działa bardzo efektywnie, a proces rekomendacji trwa zaledwie kilkadziesiąt milisekund[1]. Two Tower koduje produkty jako wektory w wspólnej przestrzeni, pozwalając ocenić podobieństwo przez prosty iloczyn skalarny. Allegro wspiera to algorytmami Approximate Nearest Neighbour (ANN), które błyskawicznie wyszukują najbardziej pasujące produkty w rozległym katalogu. Architektura jest lekka, może być trenowana na pojedynczej karcie GPU, a indeksy aktualizowane codziennie[1]. System obsługuje trzy główne typy rekomendacji: – podobne produkty (np. różne warianty kolorystyczne), – komplementarne (np. akcesoria do dodanego produktu), – inspiracyjne (różnorodne, angażujące sugestie trafiające w gusta użytkownika). Przyszłość rozwoju to m.in. integracja kontekstu użytkownika w czasie rzeczywistym, rozszerzenie na reklamy oparte na AI oraz wykorzystanie dużych modeli fundamentowych dla lepszego rozumienia opisów i obrazów[1]. W skrócie: Allegro postawiło na uniwersalny, efektywny i łatwy do skalowania system rekomendacji AI, który pomaga zarówno klientom, jak i biznesowi. 🚀🛒[1]
