Dynamisk anbefalte produkter som er spådd å drive handling per individ med en avansert dyp læringsalgoritme.

GlassesUSA.com, som representerer toppen av salgstrakten i kundereisen, bestemte seg for å besøke et område rett under folden der de historisk sett hadde vist en anbefalingswidget som viste frem opptil seks forskjellige produkter. I håp om å få mest mulig verdi ut av denne fremtredende plasseringen, antok e-handelsteamet at hvis de kunne gi anbefalinger som var mer skreddersydd for individet ved inngang til denne siden, kunne det ikke bare forbedre antall produkter som ble lagt til i handlekurven, men også øke kjøp og inntekter totalt sett. Tross alt kan en klassisk samarbeidsbasert filtreringsstrategi som viser frem interessante elementer basert på hva andre lignende brukere har samhandlet med, være svært effektiv, men anbefalingene er ikke virkelig personlige.

1. Lær deg selv raskt for å anbefale de mest nøyaktige varene basert på den omfattende produktkatalogen samt trender sett på tvers av nettstedet
   
   
2. Ta ikke bare hensyn til historisk atferd, men også aktivitet i økten for å vise frem varer som kunder mest sannsynlig vil engasjere seg i eller kjøpe
   
   
3. Fortsett å lære med hver bit av nye data som tas inn i modellen for å sikre at anbefalingsresultatene kontinuerlig optimaliseres over tid.