Prodotti consigliati dinamicamente che si prevede guidino l'azione per individuo con un algoritmo avanzato di deep learning.

Rappresentando la parte superiore del funnel nel percorso del cliente, GlassesUSA.com deciso di rivisitare un'area appena sotto la piega in cui storicamente aveva visualizzato un widget di raccomandazione che mostrava fino a sei prodotti diversi. Sperando di estrarre il massimo valore da questo posizionamento front-and-center, il team di e-commerce ha ipotizzato che se fosse stato in grado di fornire raccomandazioni più personalizzate per l'individuo all'ingresso in questa pagina, non solo avrebbe potuto migliorare i tassi di aggiunta al carrello, ma anche aumentare gli acquisti e le entrate complessive. Dopotutto, una classica strategia di filtraggio collaborativo che mostra gli elementi di interesse in base a ciò con cui altri utenti simili hanno interagito può essere molto efficace, ma le raccomandazioni non sono veramente personalizzate.

1. Auto-addestrati rapidamente per consigliare gli articoli più accurati in base al suo ampio catalogo di prodotti e alle tendenze osservate in tutto il sito
   

   
2. Prendi in considerazione non solo il comportamento storico, ma anche l'attività all'interno della sessione per mostrare gli articoli con cui gli acquirenti hanno maggiori probabilità di interagire o acquistare
   
   
3. Continuare a imparare con ogni bit di nuovi dati inseriti nel modello per garantire che i risultati delle raccomandazioni siano continuamente ottimizzati nel tempo