Dinamički preporučeni proizvodi za koje se predviđa da će potaknuti akciju po osobi pomoću naprednog algoritma dubokog učenja.

Predstavljajući sam vrh prodajnog toka u korisničkom putovanju, GlassesUSA.com je odlučio ponovo posjetiti područje odmah ispod preklopa gdje je ranije prikazivao widget za preporuke koji je predstavljao do šest različitih proizvoda. Nadajući se da će izvući što više vrijednosti iz ovog istaknutog plasmana, tim za e-trgovinu pretpostavio je da bi, ako bi mogao pružiti preporuke koje su više prilagođene pojedincu prilikom ulaska na ovu stranicu, to moglo ne samo poboljšati stope dodavanja u korpu, već i povećati kupovine i prihod u cjelini. Uostalom, klasična strategija kolaborativnog filtriranja koja prikazuje stavke od interesa na osnovu onoga s čime su drugi slični korisnici komunicirali može biti vrlo učinkovita, ali preporuke nisu zaista personalizirane.

1. Brzo se samostalno obučite kako biste preporučili najtačnije artikle na osnovu opsežnog kataloga proizvoda, kao i trendova uočenih na cijeloj stranici.
   
   
2. Uzmite u obzir ne samo historijsko ponašanje, već i aktivnosti unutar sesije kako biste predstavili artikle s kojima će kupci najvjerovatnije komunicirati ili koje će kupiti.
   
   
3. Nastavite učiti sa svakim novim podatom unesenim u model kako biste osigurali da se rezultati preporuka kontinuirano optimiziraju tokom vremena.