十二年前，GlassesUSA.com 的創辦人旨在以比市場上其他同類產品更合理的價位提供高品質處方眼鏡。十年後，該公司現已成為全球最大的網上眼鏡零售商，提供各式太陽眼鏡、隱形眼鏡等產品。GlassesUSA.com 擁有網上最齊全的款式和品牌選擇，包括 Ray Ban、Oakley 等，並可使用虛擬試戴鏡在網上試戴所有產品，更可享免費送貨和 100% 退款保證，是滿足您所有視力需求的一站式商店。
但在經過多年優化其數碼體驗之後，電子商務團隊已準備好超越以往的做法，不再只是向那些預計能提高參與度的用戶推薦更多感興趣的產品。在針對其首頁上傳統的機器學習推薦系統進行測試後，GlassesUSA.com 發現 Dynamic Yield 精密的 深度學習演算法 能夠帶來 68% 的購買量增長，以及 88% 的收入提升——而這一切都來自單一個小工具。
根據可自訂的套裝及超值優惠，檢視及比較購物籃構成、大小及頻率。
識別最能為業務帶來裨益的品類，以支援產品優化。
找出購物籃中最常見的商品組合，以制定新促銷活動和店內陳列的策略。
探索當購買特定觸發商品時的後續購買行為和忠誠度
在自動化報告中發掘熱門暢銷產品、附加產品以及常見的商品組合。
GlassesUSA.com 旗下擁有自有品牌及超過 60 個設計師品牌，深知從其產品目錄中數千種款式中尋找完美眼鏡的難度。為了優先方便搜尋，產品推薦是其電子商務網站的一個主要組成部分，遍佈各個頁面以更好地促進購買流程，當中包括作為大多數網上購物者初始入口點的首頁。為了最大限度地提升產品推薦的成效，團隊需要一個能夠實現以下目標的解決方案：
正是在那個時候，該團隊開始利用 Dynamic Yield 運行深度學習推薦。
運用先進的深度學習演算法，動態推薦預測能促使個別用戶採取行動的產品。
代表客戶旅程銷售漏斗的最頂端，GlassesUSA.com 決定重新審視頁面下方的一個區域，該區域歷來展示著一個推薦小工具，最多可展示六款不同產品。為能從這個突出位置發揮最大價值，電子商務團隊假設，如果能在用戶進入此頁面時提供更為個人化的推薦，不僅可以提高加入購物車率，還能整體增加購買量和收入。畢竟，根據其他類似用戶的互動記錄來展示感興趣商品的經典協同過濾策略，可以非常有效，但這些推薦並非真正個人化。
圖片由 glassesusa.com 提供
其旨在以實惠的價格為客戶配搭最佳眼鏡的使命下，GlassesUSA.com 意識到必須超越提供相似或互補商品的做法，轉向真正為用戶個人化定製的商品。該公司願意突破客戶體驗交付的界限，促使他們試驗 Dynamic Yield 的深度學習推薦技術，以更好地預測客戶需求，並自動預測每個人最可能感興趣的產品，即使在漏斗的最頂端。其首次主頁測試（包括桌面版和流動版）的結果，已證明對團隊推動有意義行動的能力產生重大影響，先進的演算法帶來了 68% 的購買量增長和 88% 的收入增長。
撰稿人：Einat Haftel，首席產品官；Ori Bauer，Dynamic Yield 首席執行官；Susan Grossman，執行副總裁，市場服務部
[1] “Lorem ipsum dolor sit amet, consectetur” adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua sed do eiusmod tempor incididunt consectetur adipiscing elit sed.
[2] Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore.
