有效利用每一份流量并使之转化
T-Personalized Recommender是一款针对网站/APP/Mobile站做Item推荐的智能推荐平台。从推荐的item形式上，支持商品、内部促销活动、资讯和帮助信息、语音、视频、虚拟服务等不同类型的推荐。它可以解决在海量信息下，用户查找信息或服务的体验问题，有助于提升用户网站和APP体验，提升用户目标转化率，以及提升每次交易转化的客单价。另外，它对于提升用户的复购也有非常积极的意义。
card_travel
多item对象支持
不仅仅是商品，任何用户需要的目标内容，均可以成为推荐的对象。
trending_up
强大的策略控制
通过强大的策略控制，来支持不同模式下的应对机制，形成系统性的工作机制。
lightbulb_outline
场景化引擎
将不同的推荐场景切割，通过pipeline的形式组合所有数据计算逻辑，并逐步找到最优解。
基于整合的数据
数据是影响输出结果的基础条件。T-Personalized Recommender基于完整的USER数据、ITEM数据、CONTENT数据、推荐控制数据以及推荐反馈数据，综合建模平台每个数据特征对于最终结果的影响程度。
系统性工作流程
推荐系统不是一个模型或算法就能解决的，而是一个系统性的工作流程。它包含了数据集整合、特征处理、模型计算、结果召回、融合处理、重排序、结果输出等众多环节，同时还包含了常规场景、特殊场景的处理和应对等，每个环节都对整体结果产生影响。
完善的策略驱动
通常情况下，策略的驱动基于目标。在目标的定义上，除了以转化为基础的驱动策略外，还将新鲜度、覆盖度、多样性、反馈结果等众多因素加入到推荐驱动策略中，这样会使得整个推荐系统更加健康，将短期利益与长期利益相结合。
行业经验沉淀
推荐系统属于一类应用型系统，在每个处理环节中，都包含了对行业的理解。基于对多个行业的理解和深耕，触脉将其沉淀到T-Personalized Recommender的处理过程中，并将其以开放的态度对客户公开；同时客户有新的需求和理解，也可以加入到其中，最终形成行业经验宝库。
关键模块
这里向您展示了该推荐系统的关键模块。
