Sabemos todo lo que ves
Los algoritmos son esenciales para las estrategias empresariales de plataformas como Netflix o Hulu
Se habla y se escribe mucho sobre inteligencia artificial últimamente. Sobre todo a raíz de los diferentes bots o programas que se han ido desarrollando para enfrentarse a humanos en diferentes juegos desde que, en 1996, IBM opuso a Deep Blue, su jugador de ajedrez virtual, al campeón del mundo Gary Kaspárov. Es quizás la parte más espectacular y menos cotidiana de una tecnología que en cambio sí está muy presente en nuestro día a día y que resulta de primordial importancia en las cuentas de explotación de algunas empresas que basan su negocio en la red.
Y es que a veces nuestra televisión parece que sabe mejor que nosotros, e incluso antes, lo que queremos ver. O los portales de compra en línea son muy perspicaces para adivinar nuestros gustos musicales o qué libros nos gusta leer. La culpa de ambas cosas la tienen los sistemas de recomendaciones y concretamente los algoritmos que hay detrás. Uno de los primeros fue el que implementó Amazon en 1998, aunque los primeros trabajos en este campo datan de 1992.
“Mediante sistemas matemáticos muchas plataformas consiguen, gracias al uso de algoritmos, predecir los gustos de los suscriptores”, explica Elena Neira, experta del Observatori Tecnològic dels Estudis d’Informàtica, Multimèdia i Telecomunicacions de la UOC. “Si has visto The Fall y House of Cards y las has valorado con cinco estrellas, es posible que después encuentres una selección de contenidos que estén muy relacionados. Cuantos más contenidos ves, más puntos de contacto entre todos encuentra el algoritmo”, dice Neira.
Desde un punto de vista técnico, hay dos tipos de algoritmos que gobiernan los sistemas de recomendaciones. En primer lugar, los que basan su lógica en las características del usuario. Los que analizan las compras anteriores, las preferencias, las calificaciones que ha dado de otros productos, el importe medio de las compras, etcétera, y buscan otros usuarios que se parecen a él y que han tomado decisiones parecidas. Los productos que han tenido éxito con usuarios similares, seguramente también le interesarán al nuevo usuario.
Y en segundo lugar, los que tienen el producto como base de la predicción, en lugar del usuario. Son los que utilizan las características del artículo (marca, precio, calificaciones,
El primer sistema de recomendaciones los implementó Amazon en 1998, pero los primeros estudios datan de 1992
tamaño, categoría, etcétera) para hacer las recomendaciones.
Las recomendaciones son importantes porque muchas veces es lo primero que un usuario ve cuando se conecta. De hecho, la primera vez que nos conectamos, estas plataformas nos suelen hacer algunas preguntas acerca de nuestros gustos. Pero en general no se suelen tener muy en cuenta, y si decimos que nos gustan las películas de amor, pero después no vemos ninguna, difícilmente recibiremos recomendaciones con este tipo de películas.
Además Netflix, que según datos del portal Statsia alcanzó los 86 millones de usuarios en todo el mundo en el último trimestre del 2016, ya reconocía en el 2014 que la mitad de sus visionados procedían de su sistema de recomendaciones. En Hulu la cifra se acercaba, en las mismas fechas, al 75%. Y es que en función de los datos recogidos por estos algoritmos y el éxito de las recomendaciones, las empresas toman importantes decisiones, como qué series comprar y qué tipo de contenidos producir.
Es tan importante que, hace poco más de un año, Netflix decidió cambiar por completo su algoritmo. El responsable de diseñar el nuevo fue un equipo de 70 personas lideradas por Carlos Gómez Uribe, que en enero de este año fue contratado por Facebook para mejorar el algoritmo que decide qué noticias ve cada usuario en su hilo.
Hasta este cambio el algoritmo de este servicio de vídeo en streaming era distinto para cada país en el que tenía suscriptores. En un momento en el que Netflix trataba de estar presente en el mayor número de países, el sistema anterior se mostraba muy ineficiente, ya que –al principio y en según qué países– había muy pocos abonados, y los algoritmos para hacer bien su trabajo necesitan un gran número de datos.
Desde diciembre del 2016, Netflix usa un sistema de recomendaciones global, o lo que es lo mismo, el mismo para todos los países en los que ofrece sus servicios. Con el cambio, contenidos muy regionales como el anime japonés, son un gran éxito de audiencia en todo el mundo. La lógica es que lo que le gusta a un tipo de persona en Japón, le puede gustar también al mismo tipo de perfil en otro país.
A partir de ahora, lo importante para Netflix es el tiempo que dedicamos a ver sus contenidos, cuántos videos consumimos por día, qué dispositivos usamos, qué hemos buscado en el buscador, qué hemos calificado, o qué videos que nos ha mostrado la plataforma no hemos reproducido.