Динамически рекомендуемые продукты, предсказываемые для стимулирования действий на каждого человека с помощью продвинутого, алгоритма глубокого обучения.

Представляя самую вершину воронки в пути клиента, GlassesUSA.com решил вернуться в область чуть ниже складки, где исторически был виджет рекомендаций с до шести разными продуктами. Надеясь получить максимальную пользу от этого центрального размещения, команда eCommerce выдвинула гипотезу, что если при входе на эту страницу сможет предоставить рекомендации, более адаптированные к конкретному человеку, это не только улучшит ставки добавления в корзину, но и увеличит покупки и выручку в целом. В конце концов, классическая стратегия совместной фильтрации, которая показывает интересные элементы на основе взаимодействия других похожих пользователей, может быть очень эффективной, но рекомендации не являются полностью персонализированными.

1. Быстро обучайтесь самостоятельно, чтобы рекомендовать самые точные товары, основываясь на обширном каталоге продукции и тенденциях на сайте
   

   
2. Учитывайте не только историческое поведение, но и активность во время сессии, чтобы показать товары, с которыми покупатели могут взаимодействовать или покупать
   
   
3. Продолжайте учиться с каждым новым битом данных, вводимым в модель, чтобы гарантировать непрерывную оптимизацию результатов рекомендаций со временем