評分是一種提供反饋的典型方法，但是不容易採集；隱式反饋不像評分清晰明瞭，但更容易採集。
推薦系統的基本思想就是利用這些不同來源的數據推斷顧客的喜好。
推薦系統面向的對象是用戶，推薦的產品是物品。
由於用戶曾經的興趣喜好通常預示着未來的選擇，推薦分析也通常是基於先前用戶與物品之間的關係。但有一特例，基於知識的推薦系統是根據用戶指定需求而非歷史記錄進行推薦。
以用戶爲中心的活動和以物品爲中心的活動之間存在顯著的依賴關係。在很多情況下，不同類別的物品可能顯示出明顯的相關性。
這些關聯可用數據驅動方式從評分矩陣中學習得到，產生模型用來預測目標用戶的行爲。例如，大量用戶的購買信息或評分行爲可以用於對用戶的聚類，使得對相似產品感興趣的用戶被歸爲一組，同類羣體的愛好與行爲可用來爲組內個體推薦。