Dynamisch empfohlene Produkte, die per Person mit einem fortschrittlichen Deep-Learning-Algorithmus vorhergesagt werden, um Aktionen pro Person zu fördern.

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. Lernen Sie sich schnell selbst darin, die genauesten Artikel zu empfehlen, basierend auf dem umfangreichen Produktkatalog sowie den Trends, die auf der Seite zu beobachten sind,
   

   
2. Berücksichtigen Sie nicht nur historisches Verhalten, sondern auch Aktivitäten innerhalb der Sitzung, um Dinge zu präsentieren, mit denen Käufer am ehesten interagieren oder sie kaufen
   
   
3. Lernen Sie mit jedem neuen Datenbit, der ins Modell aufgenommen wird, weiter, um sicherzustellen, dass die Empfehlungsergebnisse über die Zeit kontinuierlich optimiert werden