A maioria das estratégias de recomendação de produtos no mercado atual é de natureza global, o que significa que se baseiam em popularidade e tendências, ou são contextuais, adaptadas de acordo com atributos específicos do produto ou a fonte de tráfego do usuário, dispositivo, clima local, e assim por diante. E embora possam ser altamente eficazes em certas situações, no final das contas, eles não são verdadeiramente personalizados para o indivíduo.
Mesmo estratégias personalizadas, que levam em consideração a afinidade do usuário e a atividade recente para oferecer produtos adicionais de interesse, são incapazes de prever quais itens devem ser oferecidos em seguida ou falham ao fazê-lo em tempo real.
Mas, como os consumidores passaram a esperar um alto nível de personalização nas interações de varejo online, as equipes de merchandising precisam antecipar melhor suas necessidades e recomendar produtos dinamicamente no momento, refinando-os ao longo do tempo.
Projetado exatamente para esse propósito, o algoritmo de deep learning do Dynamic Yield identifica instantaneamente a intenção do cliente, mesmo desde a primeira sessão. Possibilitando uma compreensão dos consumidores como nunca antes, as marcas agora podem exibir automaticamente produtos previstos para impulsionar a ação no momento e ao longo do tempo.