Industri otomotif terus berkembang setiap tahunnya, terutama di bidang mobil. Produsen dari berbagai merek berlomba-lomba memperkenalkan inovasi-inovasi mutakhir dengan kecanggihan teknologi dan fitur-fitur yang unik. Sistem rekomendasi untuk mobil telah banyak dikembangkan, namun hanya berdasarkan spesifikasi teknis. Namun, mobil memiliki spesifikasi yang kompleks, sehingga banyak pengguna yang tidak familiar dengan spesifikasi teknis. Pengguna merasa lebih mudah untuk mengekspresikan kebutuhan mereka dalam hal aspek fungsional suatu produk daripada fitur teknisnya. Untuk mengatasi masalah ini, kami mengusulkan sistem rekomendasi percakapan (CRS) untuk membantu dalam berinteraksi dengan pengguna untuk mendapatkan preferensi kebutuhan pengguna. Oleh karena itu, kami menciptakan sistem rekomendasi percakapan (CRS) yang dirancang untuk berinteraksi dengan pengguna dan menangkap preferensi spesifik mereka. CRS melibatkan pengguna dalam percakapan seperti tenaga penjual, memfasilitasi interaksi yang alami dan efisien untuk mengungkap keinginan spesifik mereka. Model ini menggabungkan struktur ontologi dan algoritma untuk secara efektif menangkap preferensi pengguna, dengan mempertimbangkan informasi produk eksplisit dan data temporal untuk membangun domain dan profil pengguna. Evaluasi sistem ini berfokus pada dua parameter utama: kinerja sistem dan kepuasan pengguna. Evaluasi kinerja sistem menghasilkan tingkat akurasi keseluruhan yang mengesankan sebesar 87,84%, disertai dengan umpan balik positif dari pengguna mengenai kepuasan. Hasil ini menunjukkan keefektifan sistem rekomendasi yang berpusat pada pengguna dalam memberikan rekomendasi yang akurat dan membantu pengguna dalam memilih produk otomotif yang diinginkan.