Soovitussüsteemid on süsteemid, mis annavad kasutajatele soovitusi nende andmete põhjal, mille kasutajad on süsteemi sisestanud. Mida rohkem andmeid kasutaja on esitanud, seda täpsemad on sellised süsteemid. Lisaks aitavad üksikute kasutajate esitatud andmed süsteemi üldiselt täiustada, genereerides teavet, mida saab kasutada teistele kasutajatele soovituste andmiseks. Soovitussüsteeme nähakse tavaliselt saitidel, nagu filmi- ja televisiooniülevaate saidid ning need, millel on suured jaemüügikaubad, mida oleks funktsionaalselt võimatu sirvida, kui vaadata kõiki üksusi.
Need süsteemid saavad kasutajatega suhelda mitmel erineval viisil. Üks on teenus kasutajatele, kes otsivad rohkem asju, millest nad võiksid huvitatud olla (nt edasilugemine, telesaated või videomängud). Nendes süsteemides koostab kasutaja meeldimiste ja mittemeeldimiste loendi ning süsteem püüab ennustada, kuidas kasutaja hääletab asjade üle, mille üle ta pole veel hääletanud. Kui ta arvab, et millelgi oleks kõrge reiting, soovitab ta seda kasutajale.
Hästi kavandatud soovitussüsteemid õpivad oma vigadest. Süsteem võib soovitada muusikat, kuna kasutajale meeldisid Willy Wonka ja šokolaadivabrik. Kasutaja saab valida selliseid valikuid nagu “Mulle meeldib see” või “Mulle see ei meeldi”. Kui kasutajale The Sound of Music ei meeldinud, võib süsteem soovituste koostamiseks kasutatavat algoritmi tähele panna ja veelgi täpsustada. Mida rohkem andmeid koguneb, seda kasulikumad on soovitused.
Jaemüügisaidid kasutavad soovitussüsteeme, et meelitada inimesi impulssoste tegema. Süsteem võtab ostetud kaubad teadmiseks ning soovitab seotud ja kasulikke esemeid. Näiteks võidakse kelleltki, kes ostab kaamerat, küsida, kas ta soovib osta laadijat, kaameraümbrist, filtreid ja täiendavaid objektiive. Kellelegi, kes ostab feministliku teooria raamatu, võidakse öelda, et teised selle pealkirja ostjad naudivad ka teist, seotud raamatut. Seda tüüpi soovitussüsteemid võimaldavad isikupärastatud turundust, mis suure tõenäosusega kasutajatele meeldib.
Need süsteemid põhinevad andmete koostööl põhineval filtreerimisel, mille käigus korraldatakse paljude kasutajate andmed sisukalt. See võimaldab saidil luua ühendusi, mis muidu ei pruugi ilmneda, parandades soovituste kvaliteeti. Kasutajad, kes ei soovi osaleda, saavad tavaliselt oma kasutajaseadetes valikuid muuta, kuid nad vähendavad neile saadavate soovituste kvaliteeti, kuna süsteem ei saa õppida üksikisiku eelistustest, vaid ainult teiste kasutajate kollektiivsest arvamusest.
SmartAsset.