Dynamicznie rekomendowane produkty, które mają zachęcać do działania dla poszczególnych osób dzięki zaawansowanemu algorytmowi głębokiego uczenia się.

Reprezentująca sam szczyt lejka w podróży klienta, witryna GlassesUSA.com zdecydowała się powrócić do obszaru tuż poniżej zagięcia, w którym historycznie wyświetlała widżet rekomendacji prezentujący do sześciu różnych produktów. Mając nadzieję na wyciągnięcie jak największej wartości z tego centralnego miejsca, zespół eCommerce postawił hipotezę, że gdyby mógł dostarczać rekomendacje bardziej dostosowane do danej osoby po wejściu na tę stronę, mógłby nie tylko poprawić wskaźniki dodawania do koszyka, ale także zwiększyć zakupy i ogólne przychody. W końcu klasyczna strategia filtrowania opartego na współpracy, która prezentuje interesujące elementy na podstawie interakcji z innymi podobnymi użytkownikami, może być bardzo skuteczna, ale rekomendacje nie są naprawdę spersonalizowane.

1. Szybkie samokształcenie w celu rekomendowania najbardziej trafnych produktów w oparciu o obszerny katalog produktów, a także trendy widoczne w całej witrynie.
   
   
2. Weź pod uwagę nie tylko historyczne zachowanie, ale także aktywność w ramach sesji, aby zaprezentować elementy, które kupujący najprawdopodobniej zaangażują lub kupią.
   
   
3. Kontynuuj naukę z każdym fragmentem nowych danych wprowadzanych do modelu, aby zapewnić ciągłą optymalizację wyników rekomendacji w czasie.