Dynamicky doporučované produkty předpovídané pro jednotlivé osoby pomocí pokročilého algoritmu hlubokého učení.

Společnost GlassesUSA.com, která představuje samotný vrchol nálevky v cestě zákazníka, se rozhodla vrátit k oblasti těsně pod záhybem, kde se v minulosti zobrazoval widget s doporučením až šesti různých produktů. V naději, že z tohoto umístění v popředí získá co největší hodnotu, tým elektronického obchodu předpokládal, že pokud by mohl poskytnout doporučení více přizpůsobená jednotlivci při vstupu na tuto stránku, mohl by nejen zlepšit míru přidání do košíku, ale také zvýšit nákupy a celkové příjmy. Koneckonců klasická strategie kolaborativního filtrování, která zobrazuje položky zájmu na základě toho, s čím interagovali jiní podobní uživatelé, může být velmi účinná, ale doporučení nejsou skutečně personalizovaná.

1. Rychle se naučíte doporučovat nejpřesnější položky na základě rozsáhlého katalogu produktů a trendů pozorovaných na webu.
   

   
2. Vezměte v úvahu nejen historické chování, ale také aktivitu v rámci relace, abyste mohli prezentovat položky, s nimiž se zákazníci nejspíše zapojí nebo je koupí.
   
   
3. Pokračujte v učení s každým novým datem vloženým do modelu, abyste zajistili průběžnou optimalizaci výsledků doporučení v čase.