고급 딥러닝 알고리즘을 통해 개인별로 행동을 유도할 수 있는 동적 추천 상품이 예측됩니다.

고객 여정에서 퍼널의 맨 위에 위치한 GlassesUSA.com은 기존에 최대 6가지 제품을 보여주는 추천 위젯을 표시했던 접힌 부분 바로 아래 영역을 다시 방문하기로 결정했습니다. 이커머스 팀은 이 전면 중앙 배치에서 최대한 많은 가치를 창출하기 위해 이 페이지에 들어왔을 때 개인에게 더욱 맞춤화된 추천을 제공할 수 있다면 장바구니 추가율을 개선할 뿐만 아니라 전반적인 구매 및 매출도 높일 수 있을 것이라는 가설을 세웠습니다. 결국, 다른 유사한 사용자가 상호 작용한 내용을 기반으로 관심 항목을 표시하는 기존의 협업 필터링 전략은 매우 효과적일 수 있지만 추천이 진정한 의미의 개인화라고 할 수는 없습니다.

1. 광범위한 제품 카탈로그와 사이트 전반의 트렌드를 기반으로 가장 정확한 상품을 추천하기 위해 빠르게 자체 학습합니다.
   
   
2. 과거 행동뿐만 아니라 세션 내 활동도 고려하여 쇼핑객이 가장 많이 참여하거나 구매할 가능성이 높은 품목을 표시합니다.
   
   
3. 모델에 새로운 데이터가 수집될 때마다 계속 학습하여 시간이 지남에 따라 추천 결과가 지속적으로 최적화되도록 합니다.