Empfehlungssysteme sind Systeme, die auf der Grundlage von Daten, die die Nutzer in das System eingegeben haben, Empfehlungen für Nutzer aussprechen. Je mehr Daten ein Benutzer bereitstellt, desto genauer können solche Systeme sein. Darüber hinaus tragen die von einzelnen Nutzern übermittelten Daten dazu bei, das System insgesamt zu verbessern, indem Informationen generiert werden, anhand derer Empfehlungen für andere Nutzer abgegeben werden können. Empfehlungssysteme werden häufig auf Websites wie Film- und Fernsehrezensionsseiten und solchen mit großen Lagerbeständen an Einzelhandelsartikeln gesehen, die durch Betrachten jedes Artikels funktionell unmöglich zu durchsuchen wären.
Diese Systeme können auf verschiedene Weise mit Benutzern interagieren. Einer ist als Service für Benutzer gedacht, die nach weiteren Dingen suchen, die sie interessieren könnten, wie zum Beispiel weiterführende Lektüre, Fernsehsendungen oder Videospiele. In diesen Systemen erzeugt der Benutzer eine Liste von Vorlieben und Abneigungen und das System versucht vorherzusagen, wie der Benutzer über Dinge abstimmen wird, über die er noch nicht abgestimmt hat. Wenn es der Meinung ist, dass etwas eine hohe Bewertung haben würde, schlägt es dem Benutzer dies vor.
Gut gestaltete Empfehlungssysteme lernen aus ihren Fehlern. Ein System könnte The Sound of Music empfehlen, weil ein Benutzer Willy Wonka & the Chocolate Factory mochte. Der Benutzer konnte Optionen wie „Das gefällt mir“ oder „Das gefällt mir nicht“ auswählen. Wenn dem Benutzer The Sound of Music nicht gefallen hat, könnte das System den Algorithmus zur Generierung von Empfehlungen zur Kenntnis nehmen und weiter verfeinern. Je mehr Daten gesammelt werden, desto hilfreicher sind die Empfehlungen.
Einzelhandelsseiten verwenden Empfehlungssysteme, um Menschen zu Impulskäufen zu verleiten. Das System merkt sich gekaufte Artikel und empfiehlt verwandte und hilfreiche Artikel. Zum Beispiel könnte jemand, der eine Kamera kauft, gefragt werden, ob er ein Ladegerät, eine Kameratasche, Filter und zusätzliche Objektive kaufen möchte. Jemand, der ein Buch über feministische Theorie kauft, könnte erfahren, dass andere Käufer dieses Titels auch einen anderen, verwandten Titel genießen. Diese Art von Empfehlungssystemen ermöglicht personalisiertes Marketing, das die Benutzer mit hoher Wahrscheinlichkeit anspricht.
Diese Systeme beruhen auf einer kollaborativen Datenfilterung, bei der die Daten einer großen Anzahl von Benutzern auf sinnvolle Weise organisiert werden. Auf diese Weise kann die Site Verbindungen herstellen, die sonst möglicherweise nicht erkennbar wären, und die Qualität der Empfehlungen verbessert. Nutzer, die nicht teilnehmen möchten, können zwar in der Regel Optionen in ihren Nutzereinstellungen ändern, reduzieren aber die Qualität der erhaltenen Empfehlungen, da das System nicht aus den Präferenzen des Einzelnen lernen kann, sondern nur aus der kollektiven Meinung anderer Nutzer.