Sustavi preporuka su sustavi koji daju preporuke za korisnike na temelju podataka koje su korisnici unijeli u sustav. Što više podataka korisnik pruži, takvi sustavi mogu biti točniji. Osim toga, podaci koje dostavljaju pojedinačni korisnici pomažu u poboljšanju sustava u cjelini, generiranjem informacija koje se mogu koristiti za davanje preporuka za druge korisnike. Sustavi preporuka obično se mogu vidjeti na stranicama kao što su stranice za filmske i televizijske preglede i one s velikim zalihama maloprodajnih artikala koje bi bilo funkcionalno nemoguće pregledavati gledajući svaku stavku.
Ovi sustavi mogu komunicirati s korisnicima na više različitih načina. Jedan je kao usluga korisnicima koji traže više stvari koje bi ih mogle zanimati, poput daljnjeg čitanja, televizijskih emisija ili videoigara. U tim sustavima korisnik generira popis sviđanja i nesviđanja, a sustav pokušava predvidjeti kako će korisnik glasati za stvari za koje još nije glasao. Ako misli da bi nešto imalo visoku ocjenu, to sugerira korisniku.
Dobro osmišljeni sustavi preporuka uče iz svojih pogrešaka. Sustav bi mogao preporučiti The Sound of Music jer se korisniku svidio Willy Wonka i tvornica čokolade. Korisnik može odabrati opcije poput “Sviđa mi se ovo” ili “Ne sviđa mi se ovo”. Ako se korisniku ne sviđa The Sound of Music, sustav bi mogao uzeti u obzir i dodatno poboljšati algoritam koji se koristi za generiranje preporuka. Što se više podataka prikupi, preporuke će biti korisnije.
Maloprodajne stranice koriste sustave preporuka kako bi privukle ljude na impulzivne kupnje. Sustav bilježi kupljene artikle i preporučuje povezane i korisne artikle. Na primjer, netko tko kupuje fotoaparat može biti upitan želi li kupiti punjač, kućište za fotoaparat, filtere i dodatne leće. Nekome tko kupuje knjigu o feminističkoj teoriji moglo bi se reći da drugi kupci tog naslova također uživaju u drugom, srodnom naslovu. Ove vrste sustava preporuka omogućuju personalizirani marketing koji će se vrlo vjerojatno svidjeti korisnicima.
Ovi se sustavi oslanjaju na kolaborativno filtriranje podataka, u kojem su podaci velikog broja korisnika organizirani na smislen način. To omogućuje web-mjestu uspostavljanje veza koje inače ne bi bile vidljive, poboljšavajući kvalitetu preporuka. Korisnici koji ne žele sudjelovati obično mogu promijeniti opcije u svojim korisničkim postavkama, ali će smanjiti kvalitetu preporuka koje dobivaju jer sustav ne može učiti iz preferencija pojedinca, već samo kolektivno mišljenje drugih korisnika.