Динамически рекомендованные продукты, призванные стимулировать действия каждого пользователя с помощью передового алгоритма глубокого обучения.

Представляя самую верхнюю часть воронки на пути клиента, GlassesUSA.com решил пересмотреть область, находящуюся чуть ниже первого экрана, где исторически отображался виджет рекомендаций, демонстрирующий до шести различных продуктов. В надежде извлечь максимум пользы из этого центрального размещения, команда электронной коммерции предположила, что если бы она могла предоставлять рекомендации, более точно адаптированные под индивидуальные потребности пользователя при входе на эту страницу, это позволило бы не только улучшить показатели добавления в корзину, но и увеличить количество покупок и общий доход. В конце концов, классическая стратегия совместной фильтрации, которая демонстрирует интересующие товары на основе того, с чем взаимодействовали другие похожие пользователи, может быть очень эффективной, но рекомендации не являются по-настоящему персонализированными.

1. Быстро самообучается, чтобы рекомендовать наиболее точные товары на основе обширного каталога продукции, а также тенденций, наблюдаемых на сайте
   

   
2. Учитывайте не только историческое поведение, но и активность в рамках сессии, чтобы демонстрировать товары, с которыми покупатели, скорее всего, будут взаимодействовать или которые купят.
   
   
3. Модель продолжает обучаться по мере поступления новых данных, чтобы результаты рекомендаций постоянно оптимизировались со временем.