באאוטבריין לא משתמשים רק בעבוד שפה טבעית לניתוח התוכן של הכתבה כדי להמליץ על תוכן בנושא קשור -- זה רק חלק מהאלגוריתמיקה. יש עבודה לא מבוטלת ובמידה רבה משמעותית יותר של אלגוריתמיקה שמשתמשת בהרגלי הקריאה של הגולש עצמו ושל "חוכמת המונים" בסגנון מי שקרא כתבה א' מתעניין לרוב בכתבה ב', או מי שאהב עניין כזה כנראה יאהב עניין כזה וכך הלאה.
יהיה מעניין להבחין בהמלצות לכתבות נוספות אפילו ב-דה מרקר עצמו: ראו מתחת לכל כתבה תחת "כתבות נוספות שעשויות לעניין אותך". הבחינו שההמלצות אינן בהכרח באותו הנושא -- ויחד עם זאת מעניינות ומושכות את הקוראים לקרוא הלאה. אפשר לראות דוגמאות נוספות למשל, באתר החדשות של CNN, ראו מתחת לכל כתבה "We Recommend" (המלצות אאוטבריין בתוך אתרי CNN) ו-"From around the web" (המלצות אאוטבריין ממומנות מאתרים אחרים בעולם -- כאן אאוטבריין מתחלקת בהכנסות על התוכן הממומן עם האתר המארח, במקרה הזה, עם CNN).
מה שמהותי הוא שהקורא הוא המלך -- הקורא הוא במרכז: קודם כל חשוב שהקוראים ימצאו את התוכן מעניין ושיעקבו ויקראו ויתעניינו עוד והתמורה הכספית באה אח"כ. בסופו של דבר זה מעלה גם את ההכנסות כי הקוראים שמוצאים תוכן מעניין וממשיכים לגלוש בעוד ובעוד דפים באמצעות מערכת ההמלצות של אאוטבריין מעלות את ההכנסות של האתרים שמתקינים את המערכת וכמובן כך גם את ההכנסות של אאוטבריין. לכן, עיקר החשיבות באלגוריתמיקה הוא להעלות את העניין של הקוראים ולא למטב (לבצע אופטימיזציה) לפי ההכנסות.
