Sistem rekomendasi dibuat untuk membantu kita dalam menentukan pilihan antara dua atau lebih produk. Dalam membuat rekomendasi, sistem rekomendasi membutuhkan informasi mengenai kebutuhan pengguna. Riwayat pengguna pada umumnya digunakan oleh sistem rekomendasi untuk mendapatkan kebutuha pengguna. Tetapi kenyataannya, riwayat tidak selalu menunjukkan keinginan dari pengguna. Conversational Recommender System (CRS) dapat mengatasi masalah tersebut dengan menanyakan kebutuhan fungsional secara langsung kepada pengguna. Pada penelitian sebelumnya, CRS yang dibangun masih berbasis website dengan form dan menu, hal ini membatasi kebebasan interaksi dari pengguna. Oleh karena itu pada penelitian ini penulis mengembangkan sistem rekomendasi berbasis percakapan yang berinteraksi dengan pengguna secara langsung melalui ujaran teks. Sistem yang dibangun mengintegrasikan Dialogflow, dengan sistem rekomendasi berbasis pengetahuan, dan dilengkapi dengan antarmuka Telegram. Mekanisme Interaksi yang dibangun pada Dialogflow memanfaatkan Intent Classification dan Entity Recognition agar dapat membangun respon yang interaktif. Hasil evaluasi menunjukkan bahwa sistem yang dibangun memberikan hasil rekomendasi yang baik. Hal ini ditunjukkan dengan akurasi rekomendasi sebesar 80% dari hasil pengukuran terhadap rekomendasi yang disukai pengguna. Dari hasil survey kepuasan pengguna, sistem dinyatakan dapat memberikan informasi dengan mudah kepada pengguna, dapat memberikan rekomendasi dengan baik, dan menghasilkan percakapan yang mudah dipahami. Ini dapat diamati dari hasil survey kepuasan pengguna yang menunjukkan nilai sebesar 88,7% pada Q5(INF), 79,2% pada Q1(PRQ), dan 73,6% pada Q9(EOU). Selain itu, penggunaan Dialogflow juga meningkatkan kemampuan sistem untuk mengenali Intent dan Entity yang berbeda. Ini dibuktikan dengan nilai sebesar 71,7% pada Q4(TR). Antarmuka percakapan Telegram yang diterapkan dapat memudahkan pengguna dalam mengakses dan berinteraksi dengan sistem rekomendasi.