Масштаб и структура датасета T-ECD
На конференции ACM KDD 2026 исследователи «Т-Технологий» представили технический отчет об открытом синтетическом датасете T-ECD (T-Tech E-commerce Cross-Domain Dataset). Это один из крупнейших в мире наборов данных для обучения рекомендательных систем в сфере электронной коммерции, сгенерированный на основе реальных данных банковской экосистемы. Датасет был открыт в 2025 году и содержит более 135 млрд взаимодействий 44 млн пользователей сервиса «Город» и рекламной платформы с 30 млн товаров.
Данные охватывают пять взаимосвязанных источников, что позволяет моделировать сложные сценарии пользовательского пути:
- Чеки и транзакции: 100,8 млрд взаимодействий.
- История активаций спецпредложений и кэшбэков: 28,5 млрд взаимодействий.
- Взаимодействия с рекомендациями: 6 млрд событий.
- Отзывы: 46,1 млн записей.
Ключевые метрики и результаты бенчмарков
Исследование демонстрирует, что синтетическая версия сохраняет основные поведенческие закономерности оригинальных данных, позволяя корректно ранжировать модели. Ключевой вывод работы касается эффективности кросс-доменного обучения: использование данных из разных сервисов существенно повышает точность рекомендаций, хотя и требует осторожности в выборе доменов.
| Сценарий применения | Улучшение качества рекомендаций | Примечание |
|---|---|---|
| Спецпредложения и кэшбэки | +31,5% | Использование кросс-доменных данных |
| Непродовольственные товары | +13,3% | Использование кросс-доменных данных |
| Продовольственные товары | -25,5% | Негативный эффект от добавления внешних данных |
Почему это важно для индустрии
Особенность T-ECD заключается в возможности анализа взаимосвязей между поведением в разных доменах. 92,6% пользователей взаимодействуют как минимум с двумя доменами, а 50,8% — с тремя. Это позволяет исследователям изучать перенос знаний между сервисами без риска ухудшения качества модели, как это произошло в сценарии с продовольствием.
Датасет также включает явные и неявные сигналы: помимо покупок и кликов, доступны данные о просмотрах (95% взаимодействий с рекомендациями) и контексте показа. Это дает возможность анализировать не только конверсию, но и реакцию пользователя на контент, что критически важно для развития современных систем персонализации.
Источник: Cnews ↗