Produk yang direkomendasikan secara dinamis yang diprediksi untuk mendorong tindakan per individu dengan algoritme pembelajaran mendalam yang canggih.

Mewakili bagian paling atas dari corong dalam perjalanan pelanggan, GlassesUSA.com memutuskan untuk mengunjungi kembali area tepat di bawah lipatan di mana ia secara historis menampilkan widget rekomendasi yang menampilkan hingga enam produk yang berbeda. Berharap untuk mengekstrak sebanyak mungkin nilai dari penempatan di depan dan di tengah ini, tim eCommerce berhipotesis bahwa jika mereka dapat memberikan rekomendasi yang lebih disesuaikan dengan individu saat masuk ke halaman ini, hal itu tidak hanya dapat meningkatkan tingkat penambahan ke troli, tetapi juga meningkatkan pembelian dan pendapatan secara keseluruhan. Bagaimanapun juga, strategi penyaringan kolaboratif klasik yang menampilkan item-item yang menarik berdasarkan apa yang telah berinteraksi dengan pengguna lain yang serupa bisa sangat efektif, tetapi rekomendasinya tidak benar-benar personal.

1. Melatih diri dengan cepat untuk merekomendasikan item yang paling akurat berdasarkan katalog produknya yang luas serta tren yang terlihat di seluruh situs
   
   
2. Pertimbangkan tidak hanya perilaku historis, tetapi juga aktivitas dalam sesi untuk menampilkan barang yang paling mungkin digunakan atau dibeli oleh pembeli
   
   
3. Terus belajar dengan setiap bit data baru yang dimasukkan ke dalam model untuk memastikan hasil rekomendasi terus dioptimalkan dari waktu ke waktu