Динамически рекомендуемые продукты, которые, как прогнозируется, побуждают к действию каждого пользователя с помощью продвинутого алгоритма глубокого обучения.

Представляя собой самый верх воронки в пути клиента, GlassesUSA.com решили пересмотреть область чуть ниже первого экрана, где исторически отображался виджет рекомендаций, демонстрирующий до шести различных продуктов. В надежде извлечь максимум выгоды из этого центрального размещения, команда электронной коммерции предположила, что если она сможет предоставлять рекомендации, более точно подобранные для каждого пользователя при входе на эту страницу, это не только улучшит показатели добавления в корзину, но и увеличит количество покупок и общий доход. В конце концов, классическая стратегия совместной фильтрации, которая демонстрирует интересные товары на основе того, с чем взаимодействовали другие похожие пользователи, может быть очень эффективной, но рекомендации при этом не являются по-настоящему персонализированными.

1. Быстро обучайтесь, чтобы рекомендовать наиболее точные товары на основе обширного каталога товаров, а также тенденций, наблюдаемых на сайте
   

   
2. Учитывайте не только историю поведения, но и активность в рамках сессии, чтобы демонстрировать товары, с которыми покупатели, скорее всего, будут взаимодействовать или которые они купят
   
   
3. Продолжайте обучение с каждым новым фрагментом данных, поступающих в модель, чтобы обеспечить постоянную оптимизацию результатов рекомендаций со временем