Isso pode ser feito, por meio da criação de um conjunto de algoritmos, cada um dos quais projetado para atingir um objetivo específico. Um último algoritmo fica responsável por encontrar a combinação correta para cada cliente. Por exemplo: um cliente pode estar interessado em produtos de um nicho, ao invés de best sellers.
O sistema aprende de duas formas: primeiro: com a obtenção de novos dados (como a compra de um novo produto). Assim, ele pode melhorar o conhecimento das preferências de um cliente e, consequentemente, fornecer recomendações mais relevantes; • Segundo: usando as interações do cliente com o sistema (os cliques nas recomendações exibidas), à partir de uma metodologia chamada “reinforcement learning”, muito semelhante à abordagem de tentar e adaptar que os robôs usam quando aprendem a andar.
Todo o sistema funciona com as etapas diárias de re-treinamento e ajustes em tempo real às recomendações fornecidas. Além disso, pode ser facilmente integrado com os mais diversos sistemas (mobile, web, totens inteligentes etc.) graças à uma interface API simples.