3.2M Instacart Orders Reveal the Weirdest Grocery Combos

Roger Dickey tomó un conjunto de datos creado para algoritmos de recomendación y lo usó para el propósito contrario: encontrar las combinaciones de artículos más extrañas en 3,214,874 pedidos de Instacart. Los datos, originalmente publicados por Instacart para una competición de aprendizaje automático y aún disponibles en Kaggle, abarcan 49,688 productos únicos, 134 pasillos y, en promedio, aproximadamente 10 productos por pedido.

×

Una búsqueda simple de los pares, tríos y cuádruples de productos menos comunes no produjo resultados especialmente graciosos. Dickey descubrió que la combinatoria ahoga la señal: hay alrededor de 1.2 mil millones de pares posibles de productos, aproximadamente el 97% nunca aparece, y alrededor de 22 millones aparecen exactamente una vez. Clasificar por rareza bruta era esencialmente inútil.

En su lugar, pasó al lift —la proporción entre la frecuencia con la que aparece una combinación y la que se esperaría que apareciera—. Eso sacó a la luz patrones como Plátano y Bolsa de plátanos orgánicos, donde productos casi duplicados hacen que la coocurrencia sea inusualmente rara. El problema, argumenta Dickey, es que el catálogo de productos de Instacart es demasiado granular para generar humor.

Clasifying 50,000 products into GPC bricks

Para limpiar eso, Dickey asignó los productos a categorías GS1 Global Product Classification (GPC). En lugar de trabajar con casi 50,000 productos o con los 134 pasillos, demasiado amplios, los agrupó en alrededor de 1,000 “bloques” relevantes para comestibles, de un total posible de 1,697 bloques de comestibles distribuidos en 9 segmentos relevantes.

Recomendado

Gemini de Google ahora mide el uso por cómputo, no por solicitudes

×

Usó una canalización de dos etapas:

• Generar embeddings para cada producto y bloque con qwen3-embedding:8b
• Preseleccionar los 10 bloques más cercanos por similitud coseno
• Usar gpt-4.1-mini para elegir el mejor bloque para cada producto

Según Dickey, la ejecución de la clasificación costó alrededor de $5 y terminó en unos minutos con 60 solicitudes en paralelo.

Eso produjo combinaciones de bajo lift más limpias, como Vino (tranquilo) con Granos/Cereales — No listos para comer (congelados), y Cerveza con hojas tiernas. Aún raras, pero no necesariamente graciosas.

Un "índice de humor" para las compras de supermercado

Así que Dickey añadió otra capa: una puntuación de humor de 0 a 1 para aproximadamente 1,000 bloques de comestibles, generada por Claude y ponderada hacia productos tabú o cercanos a la comedia. Categorías cotidianas como Leche y Hierbas puntuaron cerca de 0.0–0.1, mientras que Condones, Lubricantes íntimos, Anticonceptivos y Enemas/duchas vaginales se situaron en el rango 0.7–1.0.

Combinar la rareza con esa puntuación de humor produjo resultados mucho mejores. Entre las parejas raras más destacadas estaban:

• Ajo + remedios para la diarrea
• Col rizada + enemas/duchas vaginales
• Perejil de hoja plana + condones
• Comida para bebés + pañales para adultos

Entre los tríos se encontraban Queso, leche de almendras y lubricantes íntimos, mientras que un cuádruple combinó Queso, Leche, Manzanas y Condones.

Dickey también restringió la búsqueda a carritos muy pequeños, donde el pedido completo tiene solo 2 o 3 artículos. Eso sacó combinaciones como Leche con vitamina D y condones ultrafinos, Galletas Oreo (sándwich de chocolate) y lubricante personal, además de carritos de tres artículos como Queso en tiras, Yogur de cereza negra y lubricante personal.

×

El resultado es en parte experimento de datos, en parte motor de comedia —y un recordatorio de que los mismos datos minoristas usados para optimizar recomendaciones pueden reutilizarse para sacar a la luz las cestas que ningún sistema de recomendación querría predecir.