Dinamično priporočeni izdelki, za katere se z naprednim algoritmom globokega učenja predvideva, da bodo spodbudili dejanja posameznika.

GlassesUSA.com, ki predstavlja sam vrh lijaka v poti stranke, se je odločil ponovno obiskati območje tik pod pregibom, kjer je v preteklosti prikazoval pripomoček za priporočila, ki je predstavljal do šest različnih izdelkov. V upanju, da bi iz te umestitve v ospredje iztisnili čim večjo vrednost, je ekipa za e-trgovino postavila hipotezo, da bi lahko, če bi lahko ponudila priporočila, ki bi bila bolj prilagojena posamezniku ob vstopu na to stran, ne le izboljšala stopnje dodajanja v košarico, temveč bi povečala tudi nakupe in prihodke na splošno. Navsezadnje je lahko klasična strategija sodelovalnega filtriranja, ki prikazuje zanimive elemente na podlagi interakcije drugih podobnih uporabnikov, zelo učinkovita, vendar priporočila niso resnično prilagojena.

1. Hitro se samostojno usposobite za priporočanje najnatančnejših artiklov na podlagi obsežnega kataloga izdelkov in trendov, ki jih opazite na spletnem mestu.
   
   
2. Upoštevajte ne le preteklo vedenje, temveč tudi aktivnost znotraj seje, da predstavite izdelke, s katerimi se bodo kupci najverjetneje ukvarjali ali jih kupili.
   
   
3. Nadaljujte z učenjem z vsakim novim podatko, vnesenim v model, da zagotovite, da se rezultati priporočil sčasoma nenehno optimizirajo.