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

Pri GlassesUSA.com, ki predstavlja sam vrh nakupnega lijaka na poti stranke, so se odločili preoblikovati področje tik pod pregibom, kjer se je v preteklosti prikazoval pripomoček za priporočila, ki je predstavljal do šest različnih izdelkov. V upanju, da bodo iz te izpostavljene postavitve pridobili čim več vrednosti, je ekipa e-trgovine domnevala, da če bi lahko ob vstopu na to stran ponudila priporočila, ki so bolj izrazito prilagojena posamezniku, bi lahko ne le izboljšala stopnje dodajanja v nakupovalno košarico, temveč tudi na splošno povečala število nakupov in višino prihodkov. Navsezadnje je klasična strategija sodelovalnega filtriranja, ki prikazuje zanimive artikle na podlagi izkušenj drugih podobnih uporabnikov, lahko zelo učinkovita, vendar priporočila niso zares osebno prilagojena.

1. Hitro se samostojno usposobite za priporočanje najnatančnejših artiklov na podlagi obsežnega kataloga izdelkov in trendov, ki jih opazite na spletnem mestu.
   
   
2. Upoštevanje ne le preteklega vedenja, temveč tudi aktivnosti znotraj seje za izpostavitev izdelkov, ki bodo najverjetneje privabili pozornost kupcev ali ki jih bodo kupci najverjetneje kupili.
   
   
3. Nadaljevanje učenja z vsakim novim podatkom, vnesenim v model, da se zagotovi nenehna optimizacija rezultatov priporočil.