Desarrollo de un modelo de aprendizaje profundo basado en la arquitectura Two Towers para la recuperación de candidatos y recomendación de productos complementarios en una empresa distribuidora del sector ferretero ecuatoriano

Abstract

En la distribución ferretera B2B, los clientes no identifican con facilidad los complementos técnicos de sus compras en catálogos de decenas de miles de referencias. El objetivo de este estudio fue establecer en qué medida una arquitectura Two Towers mejora la recuperación de productos complementarios frente a las líneas base de popularidad y coocurrencia. Esta combinación de arquitectura, tipo de comprador y dominio de producto no fue identificada en los estudios incluidos en la revisión sistemática. La investigación adopta un enfoque cuantitativo, de alcance explicativo y diseño cuasiexperimental, con medidas repetidas sobre datos secundarios longitudinales y retrospectivos provenientes de una única fuente...The aim was to determine how much a Two-Tower architecture improves the retrieval of complements over the popularity and item-to-item co-occurrence baselines, a combination of architecture, buyer, and product domain the systematic review found undocumented.The study is quantitative, explanatory, and quasi-experimental, with repeated measures over secondary, single-source, retrospective longitudinal data. Anonymized records of a distributor were used: 5,876,800 transactions, 14,935 customers, and 20,683 products (13,840 with at least one interaction; 98.78% sparsity). Under a chronological split against data leakage, the model projects customer and product into a shared 128-dimensional space, with in-batch negatives, LogQ sampling-bias correction, and normalization aligning training with serving...