अनुशंसाकर्ता सिस्टम सामग्री-आधारित दृष्टिकोण, सहयोगी दृष्टिकोण या हाइब्रिड दृष्टिकोण का उपयोग कर सकते हैं जो सामग्री-आधारित और सहयोगी दोनों विधियों को जोड़ती है।
सामग्री-आधारित - सामग्री-आधारित दृष्टिकोण में उन वस्तुओं की सिफारिश की जाती है जो ग्राहक द्वारा पसंद किए गए या पिछले में पूछे गए आइटम के समान हैं। यह उत्पाद सुविधाओं और टेक्स्ट आइटम की परिभाषा पर निर्भर करता है।
सामग्री-आधारित विधियों में, इसकी गणना समान उपयोगकर्ता द्वारा अलग-अलग मदों के लिए निर्दिष्ट उपयोगिताओं के आधार पर की जाती है जो समान हैं। कई प्रणालियाँ वेबसाइटों, लेखों और समाचार संदेशों सहित पाठ्य डेटा सहित मदों की अनुशंसा करने पर लक्षित होती हैं। वे वस्तुओं के बीच समानता के लिए देखते हैं। फिल्मों के लिए, वे समान शैलियों, निर्देशकों या अभिनेताओं के लिए देख सकते हैं।
लेखों के लिए, वे समान शर्तों के लिए देख सकते हैं। सामग्री-आधारित दृष्टिकोण डेटा सिद्धांत में निहित हैं। वे कीवर्ड (वस्तुओं को परिभाषित करना) और ग्राहक प्रोफाइल का उपयोग करते हैं जिसमें उपयोगकर्ताओं के स्वाद और आवश्यकताओं के बारे में डेटा शामिल होता है। इस तरह के प्रोफाइल समय के साथ स्पष्ट रूप से प्राप्त किए जा सकते हैं या ग्राहक के लेन-देन के व्यवहार से समझ सकते हैं।
सहयोगी - सहयोगात्मक दृष्टिकोण में, यह उपयोगकर्ता के सामाजिक परिवेश पर विचार कर सकता है। यह अनुशंसा करता है कि आइटम अलग-अलग ग्राहकों की राय पर निर्भर करता है जिनके पास उपयोगकर्ता के समान स्वाद या प्राथमिकताएं हैं।
आइटम और उपयोगकर्ता प्राथमिकताओं के बीच समानता की खोज करने के लिए अनुशंसा प्रणाली को सूचना पुनर्प्राप्ति, सांख्यिकी, मशीन सीखने और डेटा खनन से व्यापक तरीकों की आवश्यकता होती है।
अनुशंसा प्रणाली का लाभ यह है कि वे ई-कॉमर्स, विकासात्मक एक-से-एक मार्केटिंग के उपयोगकर्ताओं के लिए वैयक्तिकरण का समर्थन करते हैं। अमेज़ॅन, सहयोगी अनुशंसा प्रणाली की आवश्यकता में अग्रणी, अपनी मार्केटिंग रणनीति के एक तत्व के रूप में "प्रत्येक ग्राहक के लिए एक व्यक्तिगत स्टोर" प्रदान करता है।
वैयक्तिकरण उपयोगकर्ताओं और शामिल कंपनी दोनों को लाभान्वित कर सकता है। अपने उपयोगकर्ताओं के अधिक कुशल मॉडल प्राप्त करके, कंपनियां उपयोगकर्ताओं की जरूरतों की बेहतर समझ हासिल करती हैं। इन जरूरतों को पूरा करने से संबंधित उत्पादों की क्रॉस-सेलिंग, अपसेलिंग, उत्पाद समानताएं, एक-से-एक प्रचार, उच्च टोकरी, और उपयोगकर्ता प्रतिधारण से संबंधित उच्च सफलता प्राप्त हो सकती है।
एक सहयोगी अनुशंसा प्रणाली उपयोगकर्ता के लिए वस्तुओं की उपयोगिता की भविष्यवाणी करने का प्रयास करती है, यू, विभिन्न उपयोगकर्ताओं द्वारा पूर्व में रेट की गई वस्तुओं पर निर्भर करती है जो आपके लिए समान हैं। उदाहरण के लिए, पुस्तकों की सिफारिश करते समय, एक सहयोगी अनुशंसा प्रणाली कई उपयोगकर्ताओं को खोजने की कोशिश करती है, जिनका आपसे सहमत होने का इतिहास है। सहयोगात्मक अनुशंसा प्रणाली स्मृति (या अनुमानी) आधारित या मॉडल आधारित हो सकती है।
मेमोरी-आधारित पद्धतियाँ, पहले उपयोगकर्ताओं द्वारा रेट किए गए आइटम्स के पूरे सेट के आधार पर रेटिंग पूर्वानुमान बनाने के लिए हेरिस्टिक्स का उपयोग करती हैं। किसी आइटम-उपयोगकर्ता संयोजन की अनाम रेटिंग की गणना समान आइटम के लिए समान उपयोगकर्ताओं की रेटिंग के योग के रूप में की जा सकती है।