Interact 学习模块监视访问者对商品的响应以及访问者属性。学习模块有两个常规方式：

学习模块根据以下两个属性而在探索和采用之间轮换：您通过 confidenceLevel 属性配置的置信度级别；您通过 percentRandomSelection 属性配置的学习模块呈现随机商品的概率。

您将 confidenceLevel 设置为一个百分比，这表示在将学习模块对某一商品给出的分数用于仲裁之前，您对学习模块的确信度（或置信度）。首先，在学习模块没有任何可使用的数据时，学习模块完全依赖于市场营销分数。在每个商品已呈现了 minPresentCountThreshold 所定义的次数之后，学习模块进入探索方式。如果不处理大量数据，学习模块便不确信其计算的百分比是否正确。因此，其停留在探索方式中。

为确保系统不偏向于在早期阶段业绩最好的商品，Interact 会将一个随机商品呈现 percentRandomSelection% 的时间。这会强制学习模块推荐最成功以外的商品，以确定其他商品在曝光度增加的情况下是否将更加成功。例如，如果您将 percentRandomSelection 配置为 5，这表示时间的 5%，学习模块呈现一个随机商品，然后将响应数据添加到其计算中。

学习还基于 recencyWeightingFactor 属性和 recencyWeightingPeriod 属性。这些属性使您可以为更近期的数据增大权重（相对于较早的数据）。recencyWeightingFactor 是近期数据应具有的权重百分比。recencyWeightingPeriod 是代表“近期”的时间长度。例如，您将 recencyWeightingFactor 配置为 .30，将 recencyWeightingPeriod 配置为 24。这意味着，先前 24 小时的数据占所有被考虑数据的 30%。如果您有一周有价值的数据，那么前六天的平均的所有数据将占数据的 70%，最后一天的数据占数据的 30%。