Динамически рекомендуемые продукты, предсказывающие действия для каждого человека с помощью продвинутого алгоритма глубокого обучения.

Представляя самую верхнюю часть воронки в пути клиента, GlassesUSA.com решила пересмотреть область чуть ниже первого экрана, где исторически отображался виджет рекомендаций, демонстрирующий до шести различных продуктов. Надеясь извлечь максимальную выгоду 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 позволит не только улучшить показатели добавления в корзину, но и увеличить количество покупок и общий доход. В конце концов, классическая стратегия коллаборативной фильтрации, которая демонстрирует интересные товары на основе взаимодействия с ними других похожих пользователей, может быть весьма эффективной, но такие рекомендации не являются по-настоящему персонализированными.

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

   
2. Учитывайте не только историческое поведение, но и активность в рамках сеанса, чтобы демонстрировать товары, с которыми покупатели, скорее всего, будут взаимодействовать или которые они купят
   
   
3. Продолжать обучение с каждым новым фрагментом данных, поступающим в модель, чтобы гарантировать постоянную оптимизацию результатов рекомендаций со временем