إن النمو السريع للوسائط التدفقية والتجارة الإلكترونية قد دفع بالتقدم في أنظمة التوصية، خاصةً أنظمة التوصية التسلسلية (SRS). تعتمد هذه الأنظمة على سجل تفاعلات المستخدمين لتوقع التفضيلات المستقبلية. وعلى الرغم من التركيز الحديث في الأبحاث على الابتكارات المعمارية مثل كتل الترانسفورمر واستخلاص الميزات، إلا أن الترميزات المكانية، التي تُعد حاسمة في التقاط الأنماط الزمنية، لم تحظَ باهتمام كافٍ. وغالبًا ما تُخلط هذه الترميزات مع المعلومات السياقية، مثل البصمة الزمنية، التي يُنظر إليها في الدراسات السابقة على أنها قابلة للاستبدال بالكامل مع المعلومات المكانية. ويُبرز هذا البحث الفرق الجوهري بين البصمة الزمنية وترميزات الموضع، موضحًا أن الترميزات المكانية توفر معلومات علاقة فريدة بين العناصر، لا يمكن للبصمة الزمنية وحدها توفيرها. ومن خلال تجارب مكثفة على ثمانية مجموعات بيانات من أمازون ونُسخ مختارة منها، نقيّم تأثير أنواع مختلفة من الترميزات على مقاييس الأداء واستقرار التدريب. ونُقدّم ترميزات مكانية جديدة، ونستكشف استراتيجيات دمج تحسّن كلًا من المقاييس واستقرار التدريب، متفوّقةً على أفضل النتائج المُعلَنة آنذاك في مُنشور هذا العمل الأولي. وبشكل مهم، نُظهر أن اختيار الترميز المناسب ليس فقط حاسمًا لتحقيق أداء أفضل، بل هو أيضًا ضروري لبناء نماذج موثوقة وقوية لأنظمة التوصية التسلسلية.