Suradničko filtriranje je metoda za obradu podataka koja se oslanja na korištenje podataka iz brojnih izvora za razvoj profila ljudi koji su povezani sličnim ukusima i navikama potrošnje. Ova tehnika se koristi u nizu različitih postavki. Neke od najpoznatijih aplikacija suradničkog filtriranja mogu se vidjeti na Internetu, gdje se koristi za marketing, predviđanje ukusa korisnika i kuriranje stranica koje se oslanjaju na unos korisnika da bi funkcionirale.
U jednostavnom primjeru funkcioniranja kolaborativnog filtriranja, web-mjesto bi moglo htjeti postaviti sustav preporuka za televizijske emisije. Korisnici stranice daju podatke kada se prijave i navode emisije koje im se sviđaju. Ovi se podaci zauzvrat koriste za identifikaciju korisnika sa sličnim ukusima. Ako 75% ljudi koji vole Show A voli Show B, sustav može zaključiti da se ljudima koji vole jednu emisiju vjerojatno sviđa druga. Stoga, kada se korisnik prijavi i identificira kao obožavatelj Show A tražeći prijedloge, sustav može preporučiti Show B.
Da bi kolaborativno filtriranje funkcioniralo, potrebno mu je puno podataka. Što je veća populacija iz koje su podaci izvučeni, podaci će biti korisniji i učinkovitiji. Vjerojatnije je da će male količine podataka završiti s rezultatima koji nemaju smisla, kao što su lažne veze koje rezultiraju lošim predviđanjima okusa. Takvi sustavi često pate od problema s hladnim startom, u kojem se sporo razvijaju jer se prvo treba popuniti baza podataka. Rani korisnici mogu postati frustrirani sustavom jer daje loše preporuke jer nema dovoljno podataka.
Suradničko filtriranje također se uvelike koristi na stranicama društvenih mreža i web-lokacijama koje pružaju alate kao što su knjižne oznake poduzeća, u kojima korisnici dijele i promiču veze na web-mjesta koja smatraju zanimljivima. Kako korisnici dodaju korpus podataka u sustav, sustav može početi davati preporuke koje su osmišljene kako bi se svidjele ukusu svakog korisnika. Na primjer, web-mjesto za označavanje društvenih stranica može generirati nasumične veze na temelju veza i korisnika kojima se netko u prošlosti sviđao.
Marketinški stručnjaci mogu koristiti suradničko filtriranje kako bi korisnicima pružili vrlo precizno ciljani marketing. Ovaj personalizirani marketing može biti vrlo učinkovit jer se korisnici osjećaju kao da im se osobno obraćaju i vjerojatnije je da će zbog toga prihvatiti preporuke. Ogromne količine podataka koje se dobrovoljno dostavljaju na web-mjesta kao što su stranice društvenih mreža vruća su roba među trgovcima koji kupuju podatke s takvih stranica kako bi razvili prilagođene kampanje.