采用机器学习（包括协同过滤）、社交图谱数据挖掘和基于内容的个性化推荐技术。为了做出适当的推荐，获取用户基本信息包括个人喜好和个人资料，计算他（或她）与其他用户的相似性，每个餐馆的人气，用户过去的行为，比如他们倾向于对哪类优惠活动和何种价格水平做出反应等等。个性化算法对交易和用户进行匹配，充分考虑用户的兴趣、品牌偏好、会员计划等因素。根据每位用户的性别、位置、购买历史和兴趣等因素，向不同用户推送不同团购信息的活动。
目前的阶段采用
通过日志挖掘（关联规则方法、协同过滤技术等）建立商品联系模型和用户爱好浏览模型
采用c#+ICTCLAS 分词 +redis+mysql 实现产品的关联推荐和协同过滤推荐，后续采用基于内容的推荐，可以采用加权、变换、混合、特征组合等方法综合考虑这些推荐方法。不断优化改进