使用任何高级机制或算法来生成它们。我们有两种类型的此类建议 generic（一般） ——仅基于产品性能的推荐。示例包括：最受欢迎的产品或评价最高的产品。 上下文- 考虑用户所在的上下文，例如网站上的子页面。对于类别页面，这些可能是该类别中最受欢迎的。如果是产品卡：类似或互补的产品，即作为与主要产品相匹配的配件一起购买。 这些推荐方法不需要预测算法的参与。它们没有以任何方式个性化，并且基于简单的计算，例如给定产品的浏览量或交易量。它们也可以手动设置，例如在匹配产品卡上的配件时。因此，您不需要任何专门的推荐软件来运行它们。通常，商店平台的标准功能就足够了。
个性化产品推荐
能够呈现适当的结果。我们可以区分三种主要类型的算法。 协同过滤——这意味着协同过滤。它基于 免费电话营销线索 这样的假设：相似的用户将做出相同或相似的决定。该算法收集并分析有关用户行为和活动的数据，尝试根据其他类似用户购买或查看的产品或服务来匹配推荐。这些是针对给定用户的个性化推荐，但基于对其他用户行为的分析。 基于内容的过滤，即根据内容进行过滤。这是一种专注于给定用户感兴趣的产品的推荐类型。跟踪代码收集有关用户行为的信息 – 他访问了哪些子页面，他查看了哪些产品，添加到购物车或过去购买过哪些产品。算法在此基础上准备推荐。因此，它基于用户先前表达过兴趣的项目的相似性。
推荐设置的附加规则
不存在适合所有用户的单一策略。有些人每周多次访问您的网站，并且拥有 加拿大人民 丰富的购买历史，而另一些人则偶尔访问您的网站，但从未购买过任何东西。还有一部分是我们一无所知的新用户。最先进的提供推荐的工具应该能够评估他们对给定用户的信息水平，并据此向他提供适当类型的推荐。因此，在规划策略时，您必须确定如何根据各个受众群体及其所处的环境定制推荐。首先，定义您的细分。您将为不同的用户组准备量身定制的推荐类型。
