기본적으로는 랜덤 추천 방식이다. 그러나 맞춤형 추천을 구현하기 위해 각 항목에 대해 가중치를 부여하는 방식을 채택한다. 리셋 값은 모두 동일한 가중치를 부여 받고, 사전 설문과 리뷰 응답에 따라 가중치를 다르게 부여, 랜덤 추천하여 맞춤형 추천을 할 수 있도록 한다.
예시)
구분 된 낚시 방법은 총 4개이다. 각 낚시 방법에 맞는 어종이 분류된 DB가 있고, 각 어종을 어떤 실제 위치에서 잡을 수 있는지 역시 DB에서 확인 가능하다. 결과적으로 낚시 방법 → 어종 → 실제 위치 순으로 필터링 되어가며 추천 범위를 줄이고, 가중치에 따라 랜덤으로 추천 된다.
예시) 가중치에 따른 랜덤 추천으로 릴 낚시가 선택 되면 → 릴 낚시로 잡을 수 있는 어종이 필터링 될 것이고, 이 중에서 가중치에 따라 랜덤으로 어종이 선택 되면 → 마지막으로 어종에 따라 해당 어종을 잡을 수 있는 실제 위치가 필터링 될 것이다. 이 상태에서 실제 위치까지 추천 하면 끝.
가중치에 영향을 주는 항목은 두 가지 이다. 우선 사전 설문에서 ‘어종(10종)’과 ‘낚시 방법(4가지)’에 대한 선호도를 물어보고, 가중치를 부여한다. 두 번째로는 리뷰이다. 일정 후에 리뷰를 통해 ‘낚시 방법(4가지)’과 ‘실제 위치(다수)’에 대한 선호도를 물어보고, 해당 응답에 따라 가중치를 부여한다.
추천 알고리즘은 단순하다.