La creciente cantidad de contenido de marketing en sitios web de comercio electrónico resulta en la atención limitada de los usuarios. Para los sistemas de recomendación, la forma en que se presentan los artículos recomendados se vuelve tan importante como los algoritmos subyacentes para la selección de productos. Con el fin de mejorar la efectividad de la presentación de contenido, los expertos en marketing experimentan con el diseño y otros aspectos visuales de los elementos del sitio web para encontrar la solución más adecuada. Este estudio investiga esos aspectos para una interfaz de recomendación. Proponemos un marco para la evaluación del rendimiento de una interfaz de recomendación, que tiene en cuenta las características y objetivos individuales del usuario. En el centro de la solución propuesta se encuentra una red neuronal profunda entrenada para predecir la eficiencia de una recomendación particular presentada en una posición seleccionada y con un grado de intensidad elegido. El marco de Evaluación del Rendimiento de una Interfaz de Recomendación (PERI) propuesto se puede utilizar para automatizar un ajuste óptimo de la interfaz de recomendación de acuerdo con las características del usuario y sus objetivos. Los resultados experimentales del estudio se basan en datos del eye-tracker GP3 de equipos de medición de grado de investigación, junto con datos sintéticos que se utilizaron para realizar la capacitación previa de la red neuronal.