Dinamikusan ajánlott termékek, amelyek egy fejlett mélytanulási algoritmus segítségével várhatóan egyénenként cselekvésre ösztönöznek.

A vásárlói út legtetejét képviselve a GlassesUSA.com úgy döntött, hogy újra megvizsgál egy területet közvetlenül a hajtás alatt, ahol korábban egy ajánló widgetet jelenített meg, amely akár hat különböző terméket is bemutatott. Abban a reményben, hogy ennyi értéket nyerhet ki ebből az első és középpontból, az e-kereskedelem csapata feltételezte, hogy ha az oldalra való belépéskor az egyénhez jobban igazított ajánlásokat tud nyújtani, akkor nemcsak javíthatja a kosárba történő hozzáadási arányokat, hanem növelheti a vásárlásokat és a bevételeket összességében. Végtére is, egy klasszikus, együttműködésen alapuló szűrési stratégia, amely a hasonló felhasználók által végzett interakciók alapján mutatja be az érdeklődésre számot tartó elemeket, rendkívül hatékony lehet, de az ajánlások nem igazán személyre szabottak.

1. Gyorsan tanulhatsz önállóan, hogy a legpontosabb termékeket ajánlhass a kiterjedt termékkatalógus, valamint a weboldalon megfigyelt trendek alapján.
   
   
2. Ne csak a korábbi viselkedést, hanem a munkameneten belüli aktivitást is vedd figyelembe, hogy azokat a termékeket mutasd be, amelyek leginkább felkeltik a figyelmüket vagy legvalószínűbben megvásárolnak.
   
   
3. Folyamatosan tanulj a modellbe bevitt minden egyes új adattal, hogy biztosítsd a javaslatok eredményeinek folyamatos optimalizálását az idő múlásával.