前置条件说明
如希望能够根据用户的标签推荐相应的物品，以达到千人千面的效果，需要在「设置-推荐策略相关设置」模块将物品标签与用户属性/标签关联起来。在推荐策略模块使用此匹配关系进行策略配置。详细说明参见「设置-推荐策略相关设置」模块。
推荐策略创建
基础信息
包括该策略的名称、策略id、策略适用的物品类型、策略描述
召回规则
根据当前策略绑定的物品类型所有属性字段作为筛选条件，使用物品属性、用户属性和用户标签数据，进行策略的配置。一个「可推物品条件」为一个选品组，选品组包括三种类型，一为常规类型、二为补齐类型、三为随机。当常规选品组的结果不满足资源位所需的物品数量时，则会使用补齐选品组的物品进行数量补齐，若补齐选品组的结果也不满足资源位所需的物品数量时，则会随机使用资源位下的物品范围。其中，常规类型与补齐的配置方式一致，随机选品则为资源位下配置的物品范围。
排序规则
对第二步选出的可推物品按照单维度或多维度规则进行排序（不包含补齐规则筛选出的物品排序），最终按照 API 实际请求条数，获取最终推荐结果。
单维度排序
用单一物品属性维度指标对可推物品做正序或倒序的排序，生成推荐结果。支持数值型和时间类型物品属性作为排序下拉可选字段，可选字段需要提前预置。
多维度排序
多维度排序指的是使用多个维度指标，共同决定可推物品的排序结果。多维度排序支持单一数值或时间类型物品属性作为排序维度，也支持物品属性与用户属性/标签匹配度作为排序维度。每个排序维度可根据业务需求设置权重，各维度权重总和为 100%。在用户真实请求过来后，会根据给当前用户可推物品属性值、物品属性值与用户属性/标签匹配度，分别做归一化处理，最后每个维度归一化的数值乘上设置的权重，加在一起计算当前物品总分，得出每个物品的打分。分数从高到低排列，并按照最终请求条数做截断，形成最终给到请求方的推荐结果。
运营干预
多样性规则
为了提升推荐结果的多样性，避免一次请求同类物品出现过多，可以设定多样性规则。支持在一次请求中，同一物品属性字段值出现的条数限制。多样性规则支持的字段需要提前在「设置-资源位相关设置-规则推荐资源位基础设置」预置好。举例：如多样性规则设定“在一次请求中，相同的商品三级品类不超过 5 条”，假如此时每次请求条数为 10 条，则在一次推荐结果中，最多不会出现 5 条相同三级品类的商品。
过滤规则
为提升终端用户的推荐体验，「设置推荐规则」支持「过滤规则」的设置。过滤规则字段需要提前在「设置-资源位相关设置-规则推荐资源位基础设置」预置好。设置过滤规则字段后，在最终给到终端用户的推荐结果中会过滤已设置的该用户的用户属性或标签包含的物品 ID 列表。过滤规则可选字段需要初始化配置。举例：如当前用户最近购买了小米手机、格力空调，设置过滤规则过滤“用户近期购买的商品列表“后，当前用户最终收到的推荐结果就会过滤掉小米手机和格力空调。