基于人口统计学的推荐算法，简而言之，就是提高建立用户画像，比对不同的用户画像，找出关联关系，并以此进行推荐。如：
通过用户的注册信息可知a与c均为25~30岁的年轻女性，所以其兴趣有较大可能相似，于是将a喜欢的物品推荐给c可能获得较好的效果。
基于人口统计学的推荐算法不涉及到用户对物品的历史偏好数据，所以对于新用户来说，只要有他（她）的基本信息就可以进行推荐，不存在“冷启动”问题；而且该推荐算法在不同的物品领域都可以使用，因为它不依赖于物品信息，可称为“领域独立”。但是这种推荐较为粗糙，精确度不高，而且获取用户的身份信息也较为困难。