Filtrowanie grupowe to metoda przetwarzania danych, która opiera się na wykorzystaniu danych z wielu źródeł do tworzenia profili osób, które mają podobne upodobania i nawyki związane z wydawaniem pieniędzy. Ta technika jest używana w wielu różnych ustawieniach. Niektóre z najsłynniejszych zastosowań filtrowania grupowego można zobaczyć w Internecie, gdzie jest ono wykorzystywane do celów marketingowych, przewidywania gustów użytkowników i wybierania witryn, które działają na podstawie danych wejściowych użytkowników.
W prostym przykładzie działania filtrowania grupowego witryna internetowa może chcieć skonfigurować system rekomendacji programów telewizyjnych. Użytkownicy serwisu podają dane podczas logowania i wymieniają programy, które im się podobają. Dane te są z kolei wykorzystywane do identyfikacji użytkowników o podobnych upodobaniach. Jeśli 75% osób, które lubią program A, lubi program B, system może wywnioskować, że osoby, które lubią jeden program, prawdopodobnie lubią drugi. Tak więc, gdy użytkownik zaloguje się i zidentyfikuje się jako fan programu A, szukając sugestii, system może polecić program B.
Aby filtrowanie zespołowe działało, potrzebuje dużej ilości danych. Im większa populacja, z której pochodzą dane, tym bardziej użyteczne i efektywne będą dane. Niewielkie ilości danych z większym prawdopodobieństwem kończą się wynikami, które nie mają znaczenia, takimi jak fałszywe połączenia, które skutkują słabymi przewidywaniami gustów. Takie systemy często borykają się z problemem zimnego startu, w którym rozwijają się wolno, ponieważ baza danych musi być najpierw zapełniona. Użytkownicy pierwsi mogą być sfrustrowani systemem, ponieważ podaje on złe rekomendacje, ponieważ nie ma wystarczającej ilości danych.
Filtrowanie grupowe jest również szeroko stosowane w serwisach społecznościowych i witrynach udostępniających narzędzia, takie jak zakładki dla przedsiębiorstw, w których użytkownicy udostępniają i promują linki do interesujących ich witryn. W miarę jak użytkownicy dodają dane do systemu, system może rozpocząć tworzenie zaleceń, które mają na celu zaspokojenie gustów każdego użytkownika. Na przykład witryna z zakładkami społecznościowymi może generować losowe linki na podstawie linków i użytkowników, których ktoś lubił w przeszłości.
Marketerzy mogą korzystać z filtrowania grupowego, aby dostarczać użytkownikom bardzo precyzyjnie ukierunkowany marketing. Ten spersonalizowany marketing może być bardzo skuteczny, ponieważ użytkownicy czują, że są adresowani osobiście, i w rezultacie są bardziej skłonni do zaakceptowania rekomendacji. Ogromne ilości danych podawanych dobrowolnie w serwisach takich jak portale społecznościowe to gorący towar wśród marketerów, którzy kupują dane z takich serwisów w celu opracowania spersonalizowanych kampanii.