Dynamisch empfohlene Produkte, die mithilfe eines fortschrittlichen Deep-Learning-Algorithmus voraussichtlich zu Handlungen pro Person führen werden.

GlassesUSA.com, das den obersten Bereich des Kundentrichters repräsentiert, beschloss, einen Bereich direkt unterhalb der Falz neu zu gestalten, in dem in der Vergangenheit ein Empfehlungs-Widget mit bis zu sechs verschiedenen Produkten angezeigt wurde. In der Hoffnung, aus dieser prominenten Platzierung einen möglichst großen Nutzen zu ziehen, stellte das E-Commerce-Team die Hypothese auf, dass, wenn es beim Aufrufen dieser Seite stärker auf den einzelnen Nutzer zugeschnittene Empfehlungen geben könnte, dies nicht nur die Warenkorb-Hinzufügungsraten verbessern, sondern auch die Käufe und den Gesamtumsatz steigern könnte. Eine klassische Strategie des kollaborativen Filterns, die auf der Grundlage der Interaktionen anderer ähnlicher Nutzer interessante Elemente anzeigt, kann zwar sehr effektiv sein, die Empfehlungen sind jedoch nicht wirklich personalisiert.

1. Lernen Sie schnell selbstständig, die passendsten Artikel anhand des umfangreichen Produktkatalogs und der auf der Website erkennbaren Trends zu empfehlen.
   
   
2. Berücksichtigen Sie nicht nur das bisherige Kaufverhalten, sondern auch die Aktivitäten während der Sitzung, um Artikel zu präsentieren, mit denen sich Käufer am ehesten auseinandersetzen oder die sie kaufen werden.
   
   
3. Lernen Sie mit jedem neuen Datenelement, das in das Modell aufgenommen wird, weiter, um sicherzustellen, dass die Empfehlungsergebnisse im Laufe der Zeit kontinuierlich optimiert werden.