> ## Documentation Index
> Fetch the complete documentation index at: https://docs.thatsme.com.br/llms.txt
> Use this file to discover all available pages before exploring further.
# Motor de Recomendação
> Como a inteligência da That's Me lê conquistas, entende contexto e recomenda os próximos passos com mais aderência para cada pessoa.
A That's Me não trata uma conquista como ponto final. Trata como sinal de trajetória.
Cada certificado emitido adiciona contexto ao perfil do participante e alimenta um motor de recomendação que conecta pessoas a próximos passos com maior aderência — novos eventos, trilhas de aprendizado, experiências complementares e oportunidades mais coerentes com o momento de cada um.
Esse é um dos núcleos de valor da plataforma: **cada conquista registrada aumenta a capacidade de descoberta, progressão e recorrência**.
O motor de recomendação usa sinais de contexto da plataforma para personalizar sugestões. Essas informações não são expostas publicamente e são tratadas conforme as regras de privacidade da plataforma. O objetivo do sistema é ampliar descoberta, progressão e acesso a novas oportunidades.
## O que o motor faz
O motor de recomendação da That's Me foi projetado para responder a uma pergunta simples e valiosa:
**qual é o próximo passo mais coerente para esta pessoa, a partir do que ela já conquistou?**
Na prática, isso permite que a plataforma:
* recomende próximos eventos, cursos, competições e experiências
* identifique continuidade entre conquistas já realizadas e novas oportunidades
* amplie a descoberta de caminhos relevantes, sem depender apenas de busca manual
* aumente a recorrência e o reengajamento para emissores
* transforme o histórico de conquistas em um ativo vivo de progressão
## Como a inteligência opera
O motor combina diferentes camadas de contexto para produzir recomendações mais aderentes.
Quando um evento é criado, a plataforma interpreta seus dados para entender o que ele representa em termos de tema, categoria, nível, formato, modalidade, localização e competências envolvidas.
Essa leitura cria uma base semântica que permite conectar eventos entre si, identificar continuidade e ampliar a distribuição de oportunidades relevantes dentro da rede.
A partir das conquistas aceitas, a plataforma consolida sinais sobre a trajetória da pessoa: áreas de maior atividade, padrões de progressão, contextos recorrentes e possíveis direções de desenvolvimento.
O sistema não publica notas, rankings pessoais ou julgamentos de valor. Essas inferências existem apenas para melhorar a qualidade das recomendações.
Para ordenar recomendações, o motor considera fatores como aderência aos objetivos do usuário, continuidade da trajetória, contexto do evento, formato, localização, momento e sinais de interesse.
O resultado é uma lista personalizada de oportunidades mais coerentes com o perfil e com o estágio atual de desenvolvimento da pessoa.
## O que torna esse motor valioso
A maior parte das plataformas encerra a experiência no registro.
A That's Me usa o registro como ponto de partida.
Quando uma conquista entra na plataforma, ela não serve apenas para comprovar algo que já aconteceu. Ela também passa a informar o que pode acontecer depois. Isso muda a função do certificado:
* deixa de ser apenas memória
* passa a ser também contexto
* deixa de ser apenas prova
* passa a ser também direção
* deixa de ser apenas arquivo
* passa a ser também distribuição
Esse é o mecanismo que transforma a plataforma em algo maior do que um repositório de certificados.
## Progressão com coerência
Um dos princípios do motor é respeitar a progressão real da trajetória.
A plataforma prioriza próximos passos compatíveis com o histórico já demonstrado pela pessoa, evitando saltos artificiais e reduzindo ruído nas recomendações.
Quem concluiu uma prova de **5 km** tende a receber recomendações aderentes ao próximo nível dessa trajetória, como provas de **10 km**, experiências preparatórias ou eventos complementares.
Conforme novas conclusões são registradas, a progressão recomendada também evolui.
Quem concluiu um módulo introdutório de formação tende a receber recomendações de continuidade no mesmo eixo, como o próximo módulo, uma trilha correlata ou um aprofundamento compatível com o estágio atual.
Quem conclui uma etapa inicial, como onboarding ou formação obrigatória, pode passar a receber recomendações de certificações técnicas, trilhas de especialização ou programas de desenvolvimento mais avançados.
O motor considera o histórico de conquistas como um conjunto, e não apenas uma ação isolada. Isso ajuda a manter as recomendações mais consistentes ao longo do tempo.
## Skill Trees e conexões entre eventos
O motor de recomendação opera em três frentes complementares.
### Conexões explícitas (Skill Trees)
Emissores podem estruturar seus eventos em Skill Trees visuais com relações como:
| Tipo | Significado |
| ------------------ | -------------------------------------------------------------------------------------------- |
| **Continuação** | Próximo passo direto na mesma trilha (um por nó de origem) |
| **Pré-requisito** | Etapa que deve ser concluída antes de um evento posterior |
| **Aprofundamento** | Expansão de um tema já iniciado |
| **Alternativo** | Caminho paralelo válido para o mesmo objetivo — recomendado com força junto à rota principal |
| **Sugestivo** | Conexão temática leve, sem vínculo direto de progressão |
Quando essas conexões existem, a plataforma passa a ter um mapa mais claro da progressão esperada e consegue priorizar recomendações dentro dessa lógica. Conexões do tipo **Alternativo** funcionam com lógica de eletivas: basta completar qualquer uma das alternativas para desbloquear o próximo estágio. Caminhos alternativos carregam peso alto de recomendação — quase tão forte quanto Aprofundamento — refletindo que são rotas reais e válidas, não sugestões fracas.
O peso dessas conexões também considera o tempo: conquistas recentes geram recomendações mais fortes do que conquistas antigas, priorizando trilhas que o participante está percorrendo agora.
### Descoberta inteligente
Mesmo sem conexões explícitas entre eventos, o motor identifica proximidade entre oportunidades com base em contexto, tema, competências, formato e outros sinais de aderência.
Isso inclui dois mecanismos automáticos:
* **Similaridade de conteúdo**: eventos com habilidades, palavras-chave e categorias semelhantes são conectados por análise de IA
* **Similaridade estrutural**: se dois eventos são semelhantes e cada um leva a um próximo passo, esses próximos passos também são considerados semelhantes — mesmo entre emissores diferentes
### Mineração comportamental
A plataforma também aprende com os padrões reais de progressão dos participantes. Quando muitos usuários completam o Evento A e depois completam o Evento B, essa transição é identificada e incorporada às recomendações — mesmo que os emissores não tenham criado uma conexão explícita.
Em outras palavras: **a conquista de hoje melhora a chance de encontrar a oportunidade certa amanhã**.
## Valor para quem emite
Para emissores, o motor de recomendação não é apenas uma camada de experiência. É uma alavanca de distribuição e recorrência.
Cada evento publicado e cada conquista emitida aumentam a inteligência da rede e a capacidade da plataforma de:
* reconectar participantes a novas oportunidades
* distribuir eventos com mais aderência
* aumentar a progressão entre etapas de uma trilha
* reduzir a dependência de aquisição isolada
* transformar certificados em reengajamento
* criar um calendário que continua trabalhando depois da emissão
Isso muda a lógica do emissor: a emissão deixa de encerrar o relacionamento e passa a alimentar o próximo ciclo.
## Valor para quem conquista
Para quem conquista, o motor reduz atrito e aumenta clareza.
Em vez de depender apenas de busca manual ou descoberta aleatória, a pessoa passa a receber recomendações mais compatíveis com:
* o que já fez
* o que já concluiu
* o que deseja desenvolver
* o formato que prefere
* o momento em que está
O resultado é uma jornada mais contínua, mais orientada e com mais contexto.
## Feedback e refinamento contínuo
O motor também aprende com sinais de interação.
Na área de recomendações, o usuário pode indicar interesse, remover sugestões irrelevantes e ajustar o próprio direcionamento ao longo do tempo. Isso ajuda a plataforma a refinar futuras recomendações sem depender de exposição pública de dados pessoais.
## Objetivos pessoais
Além do histórico de conquistas, a plataforma também pode considerar os objetivos declarados pelo próprio usuário.
Esses objetivos ajudam a orientar a recomendação em torno de intenções explícitas, como desenvolver uma habilidade, avançar de nível, migrar de área ou aprofundar um determinado eixo de formação.
Assim, a recomendação não olha apenas para o passado da pessoa. Também considera para onde ela quer ir.
Na That's Me, a inteligência não existe para encerrar a jornada em um registro. Existe para transformar cada conquista em contexto, cada contexto em descoberta e cada descoberta em próximo passo.