Sistem rekomendasi adalah sistem yang membuat rekomendasi untuk pengguna berdasarkan data yang dimasukkan pengguna ke dalam sistem. Semakin banyak data yang diberikan pengguna, semakin akurat sistem tersebut. Selain itu, data yang dikirimkan oleh pengguna individu membantu meningkatkan sistem secara keseluruhan, dengan menghasilkan informasi yang dapat digunakan untuk membuat rekomendasi bagi pengguna lain. Sistem pemberi rekomendasi biasanya terlihat di situs-situs seperti situs ulasan film dan televisi dan situs-situs dengan inventaris besar barang-barang eceran yang secara fungsional tidak mungkin dijelajahi dengan melihat setiap barang.
Sistem ini dapat berinteraksi dengan pengguna dalam beberapa cara yang berbeda. Salah satunya adalah sebagai layanan kepada pengguna yang mencari lebih banyak hal yang mungkin mereka minati, seperti bacaan lebih lanjut, acara televisi, atau video game. Dalam sistem ini, pengguna membuat daftar suka dan tidak suka dan sistem mencoba memprediksi bagaimana pengguna akan memilih hal-hal yang belum dipilihnya. Jika ia berpikir bahwa sesuatu akan memiliki peringkat tinggi, ia menyarankannya kepada pengguna.
Sistem pemberi rekomendasi yang dirancang dengan baik belajar dari kesalahan mereka. Sebuah sistem mungkin merekomendasikan The Sound of Music karena pengguna menyukai Willy Wonka & the Chocolate Factory. Pengguna dapat memilih opsi seperti “Saya suka ini” atau “Saya tidak suka ini.” Jika pengguna tidak menyukai The Sound of Music, sistem dapat mencatat dan lebih menyempurnakan algoritme yang digunakan untuk menghasilkan rekomendasi. Semakin banyak data yang terkumpul, rekomendasi akan semakin bermanfaat.
Situs ritel menggunakan sistem pemberi rekomendasi untuk menarik orang agar melakukan pembelian impulsif. Sistem mencatat item yang dibeli dan merekomendasikan item terkait dan bermanfaat. Misalnya, seseorang yang membeli kamera mungkin ditanya apakah dia ingin membeli pengisi daya, wadah kamera, filter, dan lensa tambahan. Seseorang yang membeli buku tentang teori feminis mungkin diberi tahu bahwa pembeli lain dari judul itu juga menikmati judul lain yang terkait. Jenis sistem pemberi rekomendasi ini memungkinkan pemasaran yang dipersonalisasi yang kemungkinan besar akan menarik bagi pengguna.
Sistem ini mengandalkan penyaringan data kolaboratif, di mana data dari sejumlah besar pengguna diatur dengan cara yang berarti. Ini memungkinkan situs untuk membuat koneksi yang mungkin tidak terlihat, meningkatkan kualitas rekomendasi. Pengguna yang tidak ingin berpartisipasi biasanya dapat mengubah opsi dalam pengaturan pengguna mereka, tetapi mereka akan mengurangi kualitas rekomendasi yang mereka terima karena sistem tidak dapat belajar dari preferensi individu, hanya pendapat kolektif pengguna lain.