麥路推薦引擎定義
在顧客訪問一個商品的同時，積極推薦其他相關的商品，讓顧客停留更多的時間，關注更多的商品，進而增加成交機會，這便是商品推薦。目前大多數電子商務網站是按照商品同類別或者銷量排行或者手工搭配等方法來進行關聯推薦的，屬於網站管理者的主觀推薦，推薦內容往往缺少針對性，容易造成用戶對推薦區域的漠視。
麥路推薦引擎的核心技術
一是點擊流預處理，需要通過各種數據預處理技術來過濾無效的點擊流。
用戶在頁面上停留時間的不同可能代表著不同的興趣度，需要識別出用戶不感興趣的頁面； 網路爬蟲需要被識別並剔除出去； 用戶不同時間段內的訪問行為，如何劃分到正確的訪問序列； 如何準確的識別唯一訪問者；只有做好數據處理，才能獲得高質量的推薦模型，其中涉及到很多很細緻的問題，需要不斷修正。
二是推薦模型的計算。模型計算涉及到數據倉庫、數據挖掘、數理統計方面的專業知識，需要相關的專業技術人員。在眾多的推薦算法中，選擇哪些算法，如何平衡各個算法的權重，進而達到最高的推薦點擊率，這也是一個需要不斷試驗修正的過程。
從數據預處理到推薦模型的效果監測和最佳化，涉及到的參數都需要不斷調整，項目實施完成，一個技術人員也就被限制住了。
而採用麥路推薦，用戶點擊行為的收集與處理，推薦模型計算，維護和更新，推薦規則的生成都是在麥路的伺服器上進行的，用戶無需非此費心。同時，與麥路合作的非電子商務網站還能為B2C網站帶去額外的流量。
