数据推荐模型

预设为基本型，适合一般电子商务之推荐模型。另可针对特定产业应用，提供符合该产业特性的推荐模型，如旅游、金融商品、新闻等。

仅有浏览纪录

针对仅有浏览行为的推荐应用，如文章与新闻等，本产品会自动以浏览纪录做为数据分析与推荐的基础。

偏好信息计算

若用户的前端系统具有评分与偏好数据，例如「我购买这本书，我给这本书 5 颗星的评价」，本产品可一并利用此数据进行分析，以分析出更精确的客户行为与商品喜好，提供更精准的推荐结果。

热销推荐设定

本产品会针对浏览行为与交易行为进行热销统计，以作为推荐结果或空值填补之用。本参数可设定热销数据的排序方式 (固定排序或动态排序) 与计算区间。

购买纪录比对

本产品会自动比对客户的浏览纪录与购买纪录作为是否购买推荐商品的判断基础，以统计推荐应用的成效，例如 3 天前客户曾经点选浏览推荐商品，当下购买此商品时，此笔交易即列入购买推荐商品之纪录。使用者可依本身需求，设定比对范围之天数。

数据更新频率

本产品会持续收集客户行为数据，用户可依照本身需求来设定数据更新的频率，以取得最实时的推荐结果。

建模资料笔数

参数可让使用者依照笔数与时间区间来设定数据分析与建模的范围。

标签过滤

一般商品会有制式标准分类，例如大中小类别。但营销人员往往需要依照其特定需求来推荐特定条件的商品，而这些条件往往是会动态改变且不一定与现有标准分类相同。例如在年节期间推荐年货商品，或是在冬天时推荐适合冬季旅游的行程。针对此需求，TPRS 智能推荐系统提供卷标过滤机制，用户可针对商品定义属性卷标，并设定推荐结果所要套用标签，推荐结果即会依照标签定义进行过滤，仅呈现出符合该卷标属性的商品。

指定商品

使用者可自行定义商品为指定商品，例如本月主打商品，并可设定推荐结果中所需包含的指定商品个数，例如前(后)2个商品为指定商品或是全部皆为指定商品

优先顺序

使用者可针对商品定义其优先级，并可设定是否要依照推荐顺序来进行推荐结果之排序。

评分权重

依照客户对于商品的评分与偏好数据进行更细部的数据分析，细部内容请参考「数据分析之偏好信息计算」。

排除类别

使用者可设定推荐结果要排除哪些特定类别的商品。

下架时间

TPRS 智能推荐系统会自动于推荐结果中排除已下架的商品。

空值填补

当推荐结果计算为空时，TPRS 智能推荐系统会自动以热销统计的结果来填补，减少使用者需要自行填补空值的负担。

随机轮播

使用者可设定推荐结果是否要动态随机轮播。

数据区间与分析频率

用户可设定数据分析的区间与更新频率，分析区间可选择以数据笔数或时间区间来决定，更新频率则可依照分钟或小时来设定，藉由此机制可让数据分析的结果更精准，更贴近产业实际应用上的需要。