然而两位创始人不担心这点，如今的初期网站离他们目标还很远，他们对于推荐信息所用算法相当重视，它是提供高质量信息的必要条件，他们想让Tipflare从其他类似网站中脱颖而出。其中一个做法是利用社交网站数据，将网站帐号与用户Facebook帐号连接（让译者感到很奇怪的是居然不能直接用Facebook帐号登录），读取Like信息，将其归类，为用户提供推荐信息，以及补充上文中提到的 “有限的分类和数据 ”。

两个来自麻省理工大学的学生做了一个一站式通用推荐引擎Tipflare，也就是说，在这个内容推荐引擎里面什么类别都可以推荐，用户再也不用点好几个站点来分别寻找相关分类产品的推荐了。更重要的是，以前的推荐都是基于用户的浏览历史或者购买记录来推荐的，比如Amazon，而Tipflare是根据用户的喜好进行推荐的，它获取用户喜好的方式有两种，一种是手动输入，另一种是通过Facebook的 “like ”。

联系方式