Kollaborativ filtrering är en metod för att bearbeta data som förlitar sig på att använda data från många källor för att utveckla profiler för människor som är släkt med liknande smak och konsumtionsvanor. Denna teknik används i ett antal olika miljöer. Några av de mest kända tillämpningarna för kollaborativ filtrering kan ses på Internet, där det används för marknadsföring, för att förutsäga användarnas smaker och för att kurera sajter som förlitar sig på input från användare för att fungera.
I ett enkelt exempel på hur kollaborativ filtrering fungerar kan en webbplats vilja ställa in ett rekommendationssystem för tv-program. Användare av webbplatsen tillhandahåller data när de loggar in och listar de program som de gillar. Dessa data används i sin tur för att identifiera användare med liknande smak. Om 75 % av personer som gillar Show A gillar Show B, kan systemet dra slutsatsen att personer som gillar en show förmodligen gillar den andra. När en användare loggar in och identifierar sig som ett fan av Show A och letar efter förslag, kan systemet rekommendera Show B.
För att kollaborativ filtrering ska fungera krävs det mycket data. Ju större population som data hämtas från, desto mer användbar och effektiv blir data. Små mängder data är mer benägna att sluta med resultat som inte är meningsfulla, såsom falska kopplingar som resulterar i dåliga förutsägelser om smaker. Sådana system lider ofta av ett kallstartsproblem, där de är långsamma att utveckla eftersom databasen måste fyllas i först. Tidiga användare kan bli frustrerade över systemet eftersom det ger dåliga rekommendationer eftersom det inte har tillräckligt med data.
Samarbetsfiltrering används också flitigt på webbplatser för sociala nätverk och webbplatser som tillhandahåller verktyg som företagsbokmärken, där användare delar och främjar länkar till webbplatser som de tycker är intressanta. När användarna lägger till data i systemet kan systemet börja ge rekommendationer som är utformade för att tilltala varje användares smak. Till exempel kan en webbplats för sociala bokmärken generera slumpmässiga länkar på grundval av länkar och användare som någon har uttryckt ett tycke för tidigare.
Marknadsförare kan använda kollaborativ filtrering för att leverera mycket exakt riktad marknadsföring till användarna. Denna personliga marknadsföring kan vara mycket effektiv eftersom användare känner att de blir personligen tilltalade, och de är mer benägna att acceptera rekommendationer som ett resultat. De stora mängderna data som tillhandahålls frivilligt på webbplatser som sociala nätverkssajter är en het handelsvara bland marknadsförare som köper data från sådana webbplatser för att utveckla skräddarsydda kampanjer.