Rekomendavimo sistemos – tai sistemos, kurios teikia rekomendacijas vartotojams pagal duomenis, kuriuos vartotojai įvedė į sistemą. Kuo daugiau duomenų vartotojas pateikia, tuo tikslesnės gali būti tokios sistemos. Be to, atskirų vartotojų pateikti duomenys padeda tobulinti sistemą apskritai, generuodami informaciją, kuri gali būti panaudota teikiant rekomendacijas kitiems vartotojams. Rekomendavimo sistemos dažniausiai matomos tokiose svetainėse kaip filmų ir televizijos peržiūrų svetainės ir tose, kuriose yra daug mažmeninės prekybos prekių, kurių funkciškai neįmanoma naršyti žiūrint į kiekvieną prekę.
Šios sistemos gali sąveikauti su vartotojais įvairiais būdais. Viena yra paslauga vartotojams, ieškantiems daugiau dalykų, kurie galėtų juos sudominti, pvz., tolesnio skaitymo, televizijos laidų ar vaizdo žaidimų. Šiose sistemose vartotojas sukuria patinkančių ir nepatinkančių sąrašą, o sistema bando numatyti, kaip vartotojas balsuos už dalykus, už kuriuos dar nebalsavo. Jei jis mano, kad kažkas turėtų aukštą įvertinimą, jis tai siūlo vartotojui.
Gerai sukurtos rekomendacijų sistemos mokosi iš savo klaidų. Sistema gali rekomenduoti „The Sound of Music“, nes vartotojui patiko Willy Wonka ir šokolado fabrikas. Vartotojas gali pasirinkti tokias parinktis kaip „Man tai patinka“ arba „Man tai nepatinka“. Jei vartotojui nepatiko „The Sound of Music“, sistema galėjo atkreipti dėmesį ir toliau patobulinti rekomendacijų generavimo algoritmą. Kuo daugiau duomenų bus sukaupta, tuo naudingesnės bus rekomendacijos.
Mažmeninės prekybos svetainėse naudojamos rekomendacijų sistemos, kad paskatintų žmones pirkti impulsyviai. Sistema atkreipia dėmesį į įsigytas prekes ir rekomenduoja susijusias bei naudingas prekes. Pavyzdžiui, kas nors, perkantis fotoaparatą, gali būti paklaustas, ar jis ar ji nori nusipirkti įkroviklį, fotoaparato dėklą, filtrus ir papildomus objektyvus. Kažkam, perkančiam knygą apie feministinę teoriją, gali būti pasakyta, kad kiti to pavadinimo pirkėjai taip pat mėgaujasi kitu, susijusiu pavadinimu. Tokio tipo rekomendacijų sistemos leidžia suasmeninti rinkodarą, kuri labai patiks vartotojams.
Šios sistemos remiasi bendradarbiaujančiu duomenų filtravimu, kurio metu daugybės vartotojų duomenys yra tvarkomi prasmingai. Tai leidžia svetainei užmegzti ryšius, kurie kitu atveju nebūtų matomi, o tai pagerina rekomendacijų kokybę. Dalyvauti nenorintys vartotojai dažniausiai gali keisti parinktis savo vartotojo nustatymuose, tačiau jie pablogins gaunamų rekomendacijų kokybę, nes sistema negali pasimokyti iš individo pageidavimų, tik iš kolektyvinės kitų vartotojų nuomonės.