Hệ thống gợi ý có thể sử dụng phương pháp dựa trên nội dung (content-based), phương pháp hợp tác (collaborative) hoặc phương pháp lai (hybrid) kết hợp cả hai phương pháp dựa trên nội dung và hợp tác.
Dựa trên Nội dung (Content-based)
Phương pháp dựa trên nội dung gợi ý các mục tương tự như các mục khách hàng ưa thích hoặc truy vấn trước đây. Nó dựa trên đặc điểm sản phẩm và định nghĩa mục văn bản.
Trong phương pháp dựa trên nội dung, tính toán dựa trên độ hữu ích (utilities) được gán bởi cùng người dùng cho các mục khác nhau tương tự. Nhiều hệ thống tập trung vào gợi ý các mục bao gồm dữ liệu văn bản, bao gồm trang web, bài viết và tin nhắn tin tức. Chúng tìm điểm chung giữa các mục. Đối với phim, có thể tìm cùng thể loại, đạo diễn hoặc diễn viên. Đối với bài viết, có thể tìm cùng thuật ngữ. Phương pháp dựa trên nội dung có gốc rễ trong lý thuyết thông tin. Chúng sử dụng từ khóa (định nghĩa các mục) và hồ sơ khách hàng chứa thông tin về sở thích và nhu cầu của người dùng. Các hồ sơ như vậy có thể thu được tường minh hoặc học từ hành vi giao dịch của khách hàng theo thời gian.
Hợp tác (Collaborative)
Trong phương pháp hợp tác, xem xét môi trường xã hội của người dùng. Nó gợi ý các mục dựa trên ý kiến của các khách hàng khác có sở thích hoặc ưu tiên giống như người dùng.
Hệ thống gợi ý cần nhiều phương pháp từ truy xuất thông tin, thống kê, học máy và khai thác dữ liệu để tìm kiếm sự tương đồng giữa các mục và ưu tiên người dùng.
Lợi ích của hệ thống gợi ý là chúng hỗ trợ cá nhân hóa (personalization) cho người dùng thương mại điện tử, phát triển tiếp thị một-đến-một (one-to-one marketing). Amazon, người tiên phong trong việc sử dụng hệ thống gợi ý hợp tác, cung cấp "cửa hàng cá nhân hóa cho mỗi khách hàng" như một yếu tố trong chiến lược tiếp thị của họ.
Cá nhân hóa có lợi cho cả người dùng và công ty liên quan. Bằng cách nhận được mô hình hiệu quả hơn về người dùng, công ty có hiểu biết tốt hơn về nhu cầu người dùng. Đáp ứng nhu cầu này có thể dẫn đến thành công cao hơn về bán chéo (cross-selling) sản phẩm liên quan, bán thêm (upselling), sự thân thiện sản phẩm, khuyến mãi một-đến-một, giỏ hàng lớn hơn và giữ chân khách hàng.
Một hệ thống gợi ý hợp tác cố gắng dự đoán độ hữu ích của các mục cho người dùng u, dựa trên các mục trước đây được đánh giá bởi những người dùng khác tương tự với u. Ví dụ, khi gợi ý sách, hệ thống gợi ý hợp tác cố gắng tìm nhiều người dùng có lịch sử đồng ý với u. Hệ thống gợi ý hợp tác có thể dựa trên bộ nhớ (memory-based/heuristic) hoặc dựa trên mô hình (model-based).
Phương pháp dựa trên bộ nhớ sử dụng heuristic để tạo dự đoán đánh giá dựa trên toàn bộ tập các mục trước đây được đánh giá bởi người dùng. Đánh giá ẩn danh của tổ hợp mục-người dùng có thể tính như tổng hợp đánh giá của người dùng tương tự cho cùng mục.