Динамически рекомендуемые продукты, которые, как ожидается, будут стимулировать действия индивидуально, на основе передового алгоритма глубокого обучения.

Представляя самую верхнюю часть воронки на пути клиента, GlassesUSA.com решил 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 по 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 коллаборативной фильтрации, демонстрирующая товары, интересные другим похожим пользователям, может быть очень эффективной, но рекомендации не являются по-настоящему персонализированными.

1. Быстро обучайтесь самостоятельно, 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 сессии, чтобы демонстрировать товары, с которыми покупатели с наибольшей вероятностью будут взаимодействовать или покупать
   
   
3. Продолжайте учиться с каждым битом новых данных, поступающих в модель, чтобы результаты рекомендаций постоянно оптимизировались со временем