Динамически рекомендуемые продукты, прогнозируемые для совершения действия каждым пользователем с помощью современного алгоритма глубокого обучения.

Располагая GlassesUSA.com на самом верхнем уровне воронки взаимодействия с клиентами, руководство компании решило пересмотреть зону чуть ниже видимой области экрана (below the fold), где исторически размещался виджет рекомендаций, демонстрировавший до шести различных товаров. Стремясь извлечь максимум пользы из этого центрального размещения, команда по электронной коммерции предположила, что предоставление более персонализированных рекомендаций при входе на страницу позволит не только улучшить показатели добавления в корзину, но и в целом увеличить количество покупок и выручку. В конце концов, классическая стратегия коллаборативной фильтрации, которая демонстрирует интересующие товары на основе взаимодействия других похожих пользователей, может быть весьма эффективной, однако такие рекомендации не являются по-настоящему персональными.

1. Быстрое самообучение для рекомендации наиболее подходящих товаров на основе обширного каталога продукции, а также тенденций, наблюдаемых на сайте
   

   
2. Учитывайте не только историю поведения, но и действия в рамках текущего сеанса, чтобы демонстрировать товары, с которыми пользователи с наибольшей вероятностью будут взаимодействовать или которые они купят
   
   
3. Продолжайте обучение на основе каждого фрагмента новых данных, поступающих в модель, чтобы гарантировать постоянную оптимизацию рекомендаций с течением времени