Dynamisch empfohlene Produkte, die mit einem fortschrittlichen Deep-Learning-Algorithmus voraussichtlich zu Aktionen pro Person führen.

Da GlassesUSA.com den obersten Teil des Trichters in der Customer Journey darstellt, beschloss , einen Bereich direkt unterhalb des Falzes zu überdenken, in dem in der Vergangenheit ein Empfehlungs-Widget mit bis zu sechs verschiedenen Produkten angezeigt wurde. In der Hoffnung, so viel Wert wie möglich aus dieser Front-and-Center-Platzierung zu ziehen, stellte das E-Commerce-Team die Hypothese auf, dass es nicht nur die Add-to-Cart-Raten verbessern, sondern auch die Käufe und den Umsatz insgesamt steigern könnte, wenn es stärker auf den Einzelnen zugeschnittene Empfehlungen geben könnte. Schließlich kann eine klassische kollaborative Filterstrategie, bei der interessante Elemente auf der Grundlage dessen angezeigt werden, mit was andere ähnliche Benutzer interagiert haben, sehr effektiv sein, aber die Empfehlungen sind nicht wirklich personalisiert.

1. Trainieren Sie sich schnell, um die genauesten Artikel auf der Grundlage des umfangreichen Produktkatalogs sowie der auf der gesamten Website zu beobachtenden Trends zu empfehlen
   

   
2. Berücksichtigen Sie nicht nur das historische Verhalten, sondern auch die Aktivitäten innerhalb der Sitzung, um Artikel zu präsentieren, mit denen sich die Käufer am ehesten beschäftigen oder kaufen
   
   
3. Lernen Sie weiter mit jedem Bit neuer Daten, die in das Modell aufgenommen werden, um sicherzustellen, dass die Empfehlungsergebnisse im Laufe der Zeit kontinuierlich optimiert werden