Динамически рекомендованные продукты, которые, как предсказывается, будут стимулировать действия каждого человека с помощью передового алгоритма глубокого обучения.

Будучи самой верхней частью воронки в пути клиента, GlassesUSA.com решила пересмотреть область сразу под первым экраном, где исторически отображался виджет рекомендаций, демонстрирующий до шести различных продуктов. В надежде извлечь максимальную выгоду из этого центрального размещения, команда электронной коммерции предположила, что если бы она могла предоставлять рекомендации, более точно подобранные для каждого пользователя при входе на эту страницу, это не только улучшило бы показатели добавления в корзину, но и увеличило бы количество покупок и общий доход. В конце концов, классическая стратегия коллаборативной 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 самостоятельно, чтобы рекомендовать наиболее точные товары на основе обширного каталога продукции, а также тенденций, наблюдаемых на сайте
   
   
2. Принимайте во внимание не только историческое поведение, но и активность в рамках сессии, чтобы демонстрировать товары, с которыми покупатели, скорее всего, будут взаимодействовать или которые купят
   
   
3. Продолжайте учиться с каждым битом новых данных, поступающих в модель, чтобы гарантировать постоянную оптимизацию результатов рекомендаций с течением времени.