CHATTERgo 產品推薦會在聊天和網店的產品展示區， 把合適的產品呈現給每位購物者，並衡量這些推薦帶來的收益。
策略如何選擇產品
每一列推薦都由策略驅動，而每類策略 選擇產品的方式各有不同：
- 協同過濾（CF） — 從整間商店的購物者行為學習： 經常一起購買、其他訪客亦看過、根據你最近瀏覽的產品， 以及為你推薦（每晚根據每位購物者本人的 互動紀錄建立）。
- 熱門程度 — 根據行為匯總，例如目前熱門。
- LLM 驅動 — 根據購物者的個人資料和對話挑選產品，例如 以人物畫像為本的建議和個人化搜尋查詢。
- 規則 — 以確定性的方式配對產品目錄和情境：相同品牌、相同 商品系列、偏好的品牌或商品系列、缺少的配件、再次購買 提醒、購物車加購商品，以及探索型備用推薦。
協同過濾需要互動資料作為學習依據。新商店 會先使用熱門程度和規則策略；隨着對話和瀏覽紀錄 累積，每晚按商店建立的模型會開始自動提供 CF 策略的 推薦。
為各展示位置選擇策略
主控台的體驗矩陣會列出你的展示位置（產品 頁、首頁、購物車等），並讓你為每個位置新增或移除策略。 均衡的預設設定開箱即用；進階編輯器 僅供管理員和擁有者角色使用。
衡量結果
分析頁面會按每列推薦和每個策略，列出展示次數、點擊、加入購物車、購買 和收入 — 請參閱 分析概覽。決定在某個展示位置 保留哪些策略時，可參考這些數據。