淘宝，也被称为淘宝个性化，是淘宝在2013年推出的一种算法。将基于买家使用的设备(什么配置的电脑、平板电脑和手机)，应用在设备上，登录ALT后所有的浏览习惯才能买到喜欢的人，买家附近的人、瞬间等等都可以收集到所有的数据。全面确定购买者的标签，然后通过ALT获取、收集、购买等不同维度的反向重量对婴儿进行相应的标签，最终实现婴儿标签与小标签的自动匹配-即干千人。例如，我们不同的人打开淘宝搜索一样的东西，搜索结果也是不一样的，这是千人千面，其实从字面意义上看，我们还是可以读懂的，还是很容易理解的。
千人千面的统治原则：
淘宝如何判断这种产品是买家最喜欢的商品？在这一点上，将会有一种媒介。事实上，这就是我们都听说过的“标签”。
什么是标签？简单地说，我们在淘宝上留下了深刻的印象。因此，它分为买方的标签和卖方的标签。
淘宝需要将买家的标签与卖家的标签相匹配，将标签显示在比赛中，如果不匹配，则不显示
所谓的重量是一件很简单的事情。因为“初始标签(发布婴儿填写信息)、买家浏览、买家收集加购买、买家购买和经常客户回购”这五个阶段的标签是深而浅的。客户回购的标签是最深的。这就是为什么我们说常规客户回购的权重很高。因为我们的标签标记越深，我们就能越好地显示它们，因为我们有很好的匹配性。
嗯，可能有店主在想，自己的一种新产品，没有来访者。那就结束了。事实并非如此。因为新产品将得到新产品的支持。但别管那个了。回想起来，我们应该首先使用初始标记来完成这项工作。那么在这个时候做什么呢，我们需要集中商店的标签。
熟练地使用成千上万的人和成千上万的面条：
相关性1：拥有营销关系的人(强有力的个性化关系)。对于与商店或产品有直接营销关系的人，如商店和生产购买、添加和收藏的产品的人。淘宝默认会与人群有很强的相关性，特别是一些回购速度较高的类别，在成千上万的频道中会先向你推送，如猜测你喜欢的，搜索优先的，网站上成千上万的人排序。这一点在搜索方的推荐中尤为明显，个性化的关系非常明显，以前会显示商店的购买、商店收藏等标志，现在这个标志已经取消了，但是逻辑并没有改变。
相关性2：根据您的营销关系路径推荐类似的产品和商店。我们有时会发现我们在寻找什么样的宝宝，我们浏览过什么样的产品，我们在我们的收藏中添加了什么样的产品，以及我们买了什么。你会在淘宝手上的主页上看到类似的分类显示，这是淘宝记录你浏览的痕迹有针对性的推荐，同样的高品质宝宝推荐给你的。
相关性#3：根据消费者对访问者的描述提出有针对性的建议。随着时间的推移，每一位游客都会在一段时间后形成一幅人群的肖像。比如90岁的妈妈，中等收入，处女座，喜欢旅游等等。淘宝系统将分析你的人群标记肖像，然后分析这些商品和人在淘宝上的标记肖像。哪些商店的标签是符合这些特点的，然后是最匹配的商店产品，优先推荐给相似的消费者。如果商店人群的肖像足够精确，那么推荐的游客就会有较高的变形，否则匹配的人群就不够准确，成千上万的人带来的变形就会降低。
相关性4：基于相关性判断匹配的高概率，如前所述，我们的每个访问者经过一段时间的浏览、添加购买、收集、购买等行为都会形成自己的标签肖像，但如果是新注册的用户。人群标记的肖像是相当空的，此时该怎么办呢？。因为这个买家除了有一些基本的人群属性，购物行为和购物偏好都是空缺的，这一次的搜索引擎将基于概率匹配。根据您的搜索意图，系统将向您推荐最有可能在同一类别中购买的产品类型。