Dynamisch aanbevolen producten waarvan wordt voorspeld dat ze actie per individu stimuleren met een geavanceerd deep learning-algoritme.

GlassesUSA.com de top van de trechter in het klanttraject vertegenwoordigen en besloten om een gebied net onder de vouw opnieuw te bezoeken waar het in het verleden een aanbevelingswidget had weergegeven met maximaal zes verschillende producten. In de hoop zoveel mogelijk waarde uit deze centrale plaatsing te halen, veronderstelde het eCommerce-team dat als het aanbevelingen zou kunnen doen die meer zijn afgestemd op het individu bij het betreden van deze pagina, het niet alleen de tarieven voor het toevoegen aan winkelwagentje zou kunnen verbeteren, maar ook de aankopen en inkomsten in het algemeen zou kunnen verhogen. Een klassieke collaboratieve filterstrategie die interessante items laat zien op basis van waar andere vergelijkbare gebruikers interactie mee hebben gehad, kan immers zeer effectief zijn, maar de aanbevelingen zijn niet echt gepersonaliseerd.

1. Train jezelf snel om de meest nauwkeurige artikelen aan te bevelen op basis van de uitgebreide productcatalogus en trends op de site
   

   
2. Houd niet alleen rekening met historisch gedrag, maar ook met activiteit binnen de sessie om items te laten zien waar shoppers het meest waarschijnlijk mee bezig zijn of kopen
   
   
3. Blijf leren met elk stukje nieuwe gegevens dat in het model wordt opgenomen om ervoor te zorgen dat de aanbevelingsresultaten in de loop van de tijd continu worden geoptimaliseerd