麦路推荐引擎

麦路推荐引擎定义[1]在顾客访问一个商品的同时，积极推荐其他相关的商品，让顾客停留更多的时间，关注更多的商品，进而增加成交机会，这便是商品推荐。目前大多数电子商务网站是按照商品同类别或者销量排行或者手工搭配等方法来进行关联推荐的，属于网站管理者的主观推荐，推荐内容往往缺少针对性，容易造成用户对推荐区域的漠视。

麦路推荐引擎的核心技术一是点击流预处理，需要通过各种数据预处理技术来过滤无效的点击流。

用户在页面上停留时间的不同可能代表着不同的兴趣度，需要识别出用户不感兴趣的页面；网络爬虫需要被识别并剔除出去； 用户不同时间段内的访问行为，如何划分到正确的访问序列； 如何准确的识别唯一访问者； 只有做好数据处理，才能获得高质量的推荐模型，其中涉及到很多很细致的问题，需要不断修正。

二是推荐模型的计算。模型计算涉及到数据仓库、数据挖掘、数理统计方面的专业知识，需要相关的专业技术人员。在众多的推荐算法中，选择哪些算法，如何平衡各个算法的权重，进而达到最高的推荐点击率，这也是一个需要不断试验修正的过程。

从数据预处理到推荐模型的效果监测和优化，涉及到的参数都需要不断调整，项目实施完成，一个技术人员也就被限制住了。

而采用麦路推荐，用户点击行为的收集与处理，推荐模型计算，维护和更新，推荐规则的生成都是在麦路的服务器上进行的，用户无需非此费心。同时，与麦路合作的非电子商务网站还能为B2C网站带去额外的流量。