Динамически рекомендуемые товары, которые, согласно прогнозам, побуждают к действию каждого конкретного пользователя благодаря использованию алгоритма глубокого обучения.

Представляя самый верхний уровень воронки взаимодействия с клиентом, GlassesUSA.com решила вернуться к области сразу под первым экраном, где ранее отображался виджет рекомендаций с шестью различными товарами. Надеясь извлечь максимум пользы из этого центрального размещения, команда электронной коммерции предположила, что если удастся предоставлять рекомендации, более точно адаптированные под конкретного пользователя при входе на эту страницу, это позволит не только улучшить показатели добавления в корзину, но и в целом увеличить продажи и доход. В конце концов, классическая стратегия коллаборативной фильтрации, которая демонстрирует интересующие товары на основе действий других похожих пользователей, может быть весьма эффективной, однако такие рекомендации не являются по-настоящему персонализированными.

1. Быстрое самообучение для рекомендации наиболее точных товаров на основе обширного каталога продукции и тенденций на сайте
   

   
2. Примите во внимание не только историческое поведение, но и активность в течение сеанса, чтобы продемонстрировать товары, с которыми покупатели с наибольшей вероятностью будут взаимодействовать или которые купят
   
   
3. Продолжайте обучение на каждой новой порции данных, загружаемой в модель, чтобы со временем постоянно оптимизировать результаты рекомендаций