本发明提供了一种推荐信息穿插位置确定方法、系统、设备及存储介质，该方法包括采用强化学习对穿插位置进行迭代训练，其中，将推荐信息穿插在各个位置分别作为一个动作，并且在每一轮迭代训练中执行如下步骤：根据用户的搜索条件生成排序列表，并获取推荐信息；根据当前迭代执行的动作，将推荐信息插入所述排序列表；经过预设时间段后，统计每个动作所对应的反馈量；根据所述反馈量计算每个动作的偏好值；根据所述偏好值选择执行的动作，并将选择的动作作为下一轮迭代执行的动作。本发明基于强化学习方式确定推荐信息的穿插位置，可以提升司机在搜货过程中的体验，使得穿插货源的观感更加自然贴合司机的搜货直觉，提升了用户的使用体验。