Dynamicky odporúčané produkty, pri ktorých sa predpokladá, že podnietia jednotlivé osoby k akcii, založené na pokročilom algoritme hlbokého učenia.

Spoločnosť GlassesUSA.com, ktorá predstavuje samý vrchol nákupného lievika na ceste zákazníka, sa rozhodla prehodnotiť oblasť tesne pod ohybom stránky, kde sa v minulosti zobrazoval widget s odporúčaniami, v ktorom bolo možné zobraziť až šesť rôznych produktov. V nádeji, že z tohto prominentného umiestnenia vyťaží čo najviac, tím eCommerce vyslovil hypotézu, že ak by mohol pri vstupe na túto stránku poskytovať odporúčania viac prispôsobené jednotlivcom, mohol by nielen zlepšiť mieru pridávania do košíka, ale aj zvýšiť celkové nákupy a tržby. Klasická stratégia kolaboratívneho filtrovania, ktorá zobrazuje položky záujmu na základe interakcie iných podobných používateľov, môže byť síce veľmi efektívna, ale odporúčania nie sú skutočne personalizované.

1. Rýchlo sa naučí odporúčať najpresnejšie položky na základe rozsiahleho katalógu produktov a trendov na webe.
   
   
2. Zohľadňuje nielen historické správanie, ale aj aktivitu v rámci relácie, aby sa zobrazili položky, o ktoré majú nakupujúci najväčší záujem alebo pri ktorých je najväčšia pravdepodobnosť, že si ich kúpia.
   
   
3. Pokračuje v učení sa s každým kúskom nových údajov vložených do modelu, aby sa zabezpečilo, že výsledky odporúčaní budú v priebehu času neustále optimalizované.