推薦引擎，是主動發(fā)現(xiàn)用戶當(dāng)前或潛在需求，并主動推送信息給用戶的信息網(wǎng)絡(luò)。

具體來說，推薦引擎綜合利用用戶的行為、屬性，對象的屬性、內(nèi)容、分類，以及用戶之間的社交關(guān)系等等，挖掘用戶的喜好和需求，主動向用戶推薦其感興趣或者需要的對象。

推薦引擎不是被動查找，而是主動推送；不是獨立媒體，而是媒體網(wǎng)絡(luò)；不是檢索機制，而是主動學(xué)習(xí)。

推薦引擎利用基于內(nèi)容、基于用戶行為、基于社交關(guān)系網(wǎng)絡(luò)等多種方法，為用戶推薦其喜歡的商品或內(nèi)容。

基于內(nèi)容的推薦是分析用戶正在瀏覽的內(nèi)容的"基因"，選擇與當(dāng)前內(nèi)容有相似"基因"的對象推薦給用戶。同時也分析用戶過去瀏覽過的內(nèi)容的"基因"，從而獲取其偏好，然后將與用戶偏好的對象推薦給用戶。例如，用戶在瀏覽一款包的時候，為其推薦其他外形相似的包。

基于用戶行為的推薦則是利用群體智慧算法，分析用戶的群體行為，綜合分析用戶與用戶之間的相似度、用戶對小眾商品的個性化需求，從而同時提高推薦的精準(zhǔn)性、多樣性與新穎性。

基于社交關(guān)系網(wǎng)絡(luò)的推薦是通過分析用戶所在的社交關(guān)系網(wǎng)絡(luò)，找到其最能夠影響到的用戶，或者最能夠影響到該用戶的用戶，再綜合每位用戶的個性化偏好進行推薦。

1995年3月，卡耐基.梅隆大學(xué)的Robert Armstrong等人在美國人工智能協(xié)會上提出了個性化導(dǎo)航系統(tǒng)Web Watcher; 斯坦福大學(xué)的Marko Balabanovic等人在同一會議上推出了個性化推薦系統(tǒng)LIRA；

1995年8月，麻省理工學(xué)院的Henry Lieberman在國際人工智能聯(lián)合大會（IJCAI）上提出了個性化導(dǎo)航智能體Litizia；

1996年， Yahoo 推出了個性化入口My Yahoo；

1997年，AT&T實驗室提出了基于協(xié)同過濾的個性化推薦系統(tǒng)PHOAKS和Referral Web;

1999年，德國Dresden技術(shù)大學(xué)的Tanja Joerding實現(xiàn)了個性化電子商務(wù)原型系統(tǒng)TELLIM；

2000年，NEC研究院的Kurt等人為搜索引擎CiteSeer增加了個性化推薦功能；

2001年，紐約大學(xué)的Gediminas Adoavicius和Alexander Tuzhilin實現(xiàn)了個性化電子商務(wù)網(wǎng)站的用戶建模系統(tǒng)1：1Pro；

2001年，IBM公司在其電子商務(wù)平臺Websphere中增加了個性化功能，以便商家開發(fā)個性化電子商務(wù)網(wǎng)站；

2009年，百分點科技推出專業(yè)推薦引擎技術(shù)平臺，這是一家專業(yè)的推薦引擎技術(shù)與服務(wù)提供商。

推薦引擎技術(shù)已經(jīng)應(yīng)用在生活的方方面面。

隨著電子商務(wù)規(guī)模的不斷擴大，商品個數(shù)和種類快速增長，顧客需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關(guān)的信息和產(chǎn)品過程無疑會使淹沒在信息過載問題中的消費者不斷流失。為了解決這些問題，個性化推薦引擎應(yīng)運而生：為客戶推薦商品，自動完成個性化選擇商品的過程，滿足客戶的個性化需求，推薦基于：網(wǎng)站最熱賣商品、客戶所處城市、客戶過去的購買行為和購買記錄。

個性化推薦能夠幫助購物網(wǎng)站解決以下問題：（1）提高用戶購物體驗，提高轉(zhuǎn)化率和增加用戶黏度；（2）加速用戶從瀏覽到購買的過程；（3）挖掘用戶潛在需求，提高用戶購買的品類數(shù)和多樣性。

推薦引擎在網(wǎng)站是以站內(nèi)推薦欄為最終體現(xiàn)形式，推薦欄展示的內(nèi)容都是根據(jù)推薦引擎精準(zhǔn)分析每個用戶的興趣偏好而智能推薦的。不同用戶、不同時間點，每位用戶看到推薦欄內(nèi)容都是不一樣的，都是最符合其當(dāng)前興趣偏好和需求的。圖例如下，百分點推薦引擎在購物網(wǎng)站列表頁、商品詳情頁、購物車頁面構(gòu)建智能商品推薦欄。

“猜你喜歡”推薦欄

表現(xiàn)方式：”您是不是要找“等等。

表現(xiàn)方式：相關(guān)新聞收集等。

表現(xiàn)方式：”您可能認(rèn)識的“，”可能認(rèn)識的人“，”他們也關(guān)注了“等等。

表現(xiàn)方式：簡寫聯(lián)想等。

表現(xiàn)方式：”推薦視頻“，”你可能喜歡“等等。