Bendradarbiavimo filtravimas yra duomenų apdorojimo metodas, pagrįstas duomenų iš daugelio šaltinių naudojimu, siekiant sukurti panašių skonių ir išlaidų įpročių susijusių žmonių profilius. Ši technika naudojama daugelyje skirtingų nustatymų. Kai kurias žinomiausias bendradarbiaujančio filtravimo programas galima pamatyti internete, kur jis naudojamas rinkodarai, vartotojų skoniui nuspėti ir svetainėms, kurių veikimui priklauso nuo vartotojų įvesties, kuruoti.
Paprastame pavyzdyje, kaip veikia bendras filtravimas, svetainė gali norėti nustatyti televizijos laidų rekomendacijų sistemą. Svetainės vartotojai prisijungdami pateikia duomenis ir išvardija jiems patinkančias laidas. Šie duomenys savo ruožtu naudojami panašaus skonio naudotojams identifikuoti. Jei 75 % žmonių, kuriems patinka šou A, mėgsta šou B, sistema gali daryti išvadą, kad žmonėms, kuriems patinka viena laida, tikriausiai patinka kita. Taigi, kai vartotojas prisijungia ir identifikuojasi kaip A laidos gerbėjas, ieškantis pasiūlymų, sistema gali rekomenduoti Rodyti B.
Kad bendras filtravimas veiktų, jam reikia daug duomenų. Kuo didesnė populiacija, iš kurios gaunami duomenys, tuo duomenys bus naudingesni ir efektyvesni. Maži duomenų kiekiai greičiausiai baigsis nereikšmingais rezultatais, pvz., klaidingais ryšiais, dėl kurių prastai nuspėja skonį. Tokios sistemos dažnai kenčia nuo šalto užvedimo problemos, kai jos vystosi lėtai, nes pirmiausia reikia užpildyti duomenų bazę. Ankstyvieji naudotojai gali nusivilti sistema, nes ji pateikia blogas rekomendacijas, nes neturi pakankamai duomenų.
Bendradarbiavimo filtravimas taip pat plačiai naudojamas socialinių tinklų svetainėse ir svetainėse, kuriose pateikiami įrankiai, pvz., įmonių žymėjimas, kuriose vartotojai dalijasi ir reklamuoja nuorodas į jiems įdomias svetaines. Kai vartotojai papildo sistemos duomenų rinkinį, sistema gali pradėti teikti rekomendacijas, kurios yra sukurtos taip, kad patiktų kiekvieno vartotojo skoniui. Pavyzdžiui, socialinio žymėjimo svetainė gali generuoti atsitiktines nuorodas, remdamasi nuorodomis ir naudotojais, kuriuos kažkas anksčiau pamėgo.
Rinkodaros specialistai gali naudoti bendradarbiavimo filtravimą, kad vartotojams pateiktų labai tiksliai tikslinę rinkodarą. Ši suasmeninta rinkodara gali būti labai efektyvi, nes vartotojai jaučiasi, kad į juos kreipiamasi asmeniškai, todėl jie labiau linkę priimti rekomendacijas. Didelis duomenų kiekis, savanoriškai teikiamas tokiose svetainėse kaip socialinių tinklų svetainės, yra populiari prekė tarp rinkodaros specialistų, kurie perka duomenis iš tokių svetainių, kad sukurtų pritaikytas kampanijas.