Dynamiskt rekommenderade produkter som förutspås driva på handling per individ med en avancerad djupinlärningsalgoritm.

GlassesUSA.com representerar den allra högsta delen av kundresans tratt och bestämde sig för att återvända till ett område strax under vecket där de tidigare hade visat en rekommendationswidget som visade upp till sex olika produkter. I hopp om att få ut så mycket värde som möjligt av denna placering i fokus, antog e-handelsteamet att om de kunde ge rekommendationer som var mer anpassade till individen vid besök på sidan, skulle det inte bara kunna förbättra antalet lägg till i varukorgen, utan också öka köp och intäkter totalt sett. En klassisk kollaborativ filtreringsstrategi som visar upp intressanta objekt baserat på vad andra liknande användare har interagerat med kan trots allt vara mycket effektiv, men rekommendationerna är inte helt personliga.

1. Självutbilda dig snabbt för att rekommendera de mest exakta artiklarna baserat på deras omfattande produktkatalog samt trender som ses på webbplatsen.
   

   
2. Ta inte bara hänsyn till historiskt beteende, utan även aktivitet under sessionen för att visa upp varor som kunder mest sannolikt kommer att interagera med eller köpa
   
   
3. Fortsätt lära dig med varje ny data som matas in i modellen för att säkerställa att rekommendationsresultaten kontinuerligt optimeras över tid.