ระบบผู้แนะนำสามารถใช้แนวทางตามเนื้อหา วิธีการทำงานร่วมกัน หรือแนวทางแบบผสมที่ผสมผสานทั้งวิธีการแบบอิงเนื้อหาและแบบทำงานร่วมกัน
ตามเนื้อหา − ในแนวทางตามเนื้อหาจะแนะนำรายการที่เหมือนกับรายการที่ลูกค้าต้องการหรือสอบถามก่อนหน้านี้ ขึ้นอยู่กับคุณลักษณะของผลิตภัณฑ์และคำจำกัดความของรายการที่เป็นข้อความ
ในวิธีที่อิงตามเนื้อหา จะคำนวณตามยูทิลิตี้ที่ผู้ใช้ที่คล้ายคลึงกันกำหนดให้กับรายการต่างๆ ที่เหมือนกัน หลายระบบมุ่งเป้าไปที่การแนะนำรายการต่างๆ รวมถึงข้อมูลที่เป็นข้อความ รวมถึงเว็บไซต์ บทความ และข้อความข่าวสาร พวกเขาดูสิ่งที่เหมือนกันระหว่างรายการ สำหรับภาพยนตร์ พวกเขาสามารถดูประเภท ผู้กำกับ หรือนักแสดงเดียวกันได้
สำหรับบทความสามารถดูเงื่อนไขเดียวกันได้ วิธีการตามเนื้อหามีรากฐานมาจากทฤษฎีข้อมูล พวกเขาสร้างการใช้คำหลัก (กำหนดรายการ) และโปรไฟล์ลูกค้าที่มีข้อมูลเกี่ยวกับรสนิยมและความต้องการของผู้ใช้ โปรไฟล์ดังกล่าวสามารถรับได้อย่างชัดเจนหรือเข้าใจจากพฤติกรรมการทำธุรกรรมของลูกค้าเมื่อเวลาผ่านไป
การทำงานร่วมกัน − ในแนวทางการทำงานร่วมกัน สามารถพิจารณาสภาพแวดล้อมทางสังคมของผู้ใช้ได้ แนะนำรายการขึ้นอยู่กับความคิดเห็นของลูกค้าที่แตกต่างกันซึ่งมีรสนิยมหรือความชอบเหมือนกับผู้ใช้
ระบบผู้แนะนำต้องการวิธีการที่หลากหลายตั้งแต่การดึงข้อมูล สถิติ แมชชีนเลิร์นนิง และการขุดข้อมูล เพื่อค้นหาความคล้ายคลึงระหว่างรายการและการตั้งค่าของผู้ใช้
ประโยชน์ของระบบผู้แนะนำคือสนับสนุนการปรับเปลี่ยนในแบบของคุณสำหรับผู้ใช้อีคอมเมิร์ซ การพัฒนาการตลาดแบบตัวต่อตัว Amazon ซึ่งเป็นผู้บุกเบิกด้านความต้องการระบบแนะนำการทำงานร่วมกัน ได้จัดเตรียม "ร้านค้าส่วนบุคคลสำหรับลูกค้าแต่ละราย" เป็นองค์ประกอบของกลยุทธ์ทางการตลาด
การปรับเปลี่ยนในแบบของคุณอาจเป็นประโยชน์ต่อทั้งผู้ใช้และบริษัท เมื่อได้รับโมเดลผู้ใช้ที่มีประสิทธิภาพมากขึ้น บริษัทต่างๆ จะเข้าใจความต้องการของผู้ใช้ได้ดีขึ้น การตอบสนองความต้องการเหล่านี้อาจส่งผลให้ประสบความสำเร็จในการขายต่อเนื่องของผลิตภัณฑ์ที่เกี่ยวข้อง การขายต่อยอด ความชื่นชอบผลิตภัณฑ์ การส่งเสริมการขายแบบตัวต่อตัว ตะกร้าสินค้าที่สูงขึ้น และการคงผู้ใช้ไว้
ระบบแนะนำการทำงานร่วมกันพยายามที่จะคาดการณ์ยูทิลิตี้ของไอเท็มสำหรับผู้ใช้ u ขึ้นอยู่กับไอเท็มที่ให้คะแนนก่อนหน้านี้โดยผู้ใช้ที่แตกต่างกันซึ่งเหมือนกับ u ตัวอย่างเช่น เมื่อแนะนำหนังสือ ระบบผู้แนะนำที่ทำงานร่วมกันจะพยายามค้นหาผู้ใช้หลายคนที่มีประวัติเห็นด้วยกับคุณ ระบบแนะนำการทำงานร่วมกันอาจเป็นหน่วยความจำ (หรือฮิวริสติก) หรืออิงตามโมเดล
เมธอดที่ใช้หน่วยความจำใช้ฮิวริสติกเพื่อสร้างการคาดคะเนการจัดเรตโดยอิงจากทั้งชุดของไอเท็มที่ผู้ใช้ให้คะแนนก่อนหน้านี้ การให้คะแนนแบบไม่ระบุตัวตนของชุดค่าผสมระหว่างรายการและผู้ใช้สามารถคำนวณเป็นคะแนนรวมของผู้ใช้รายเดียวกันสำหรับรายการที่คล้ายคลึงกัน
