El sistema de recomendaciones de YouTube se basa en el sencillo principio de ayudar a las personas a encontrar los vídeos que quiere ver y que tienen algún valor para ellas. El usuario puede encontrar recomendaciones básicamente en dos sitios: en su página de inicio y en el panel “A continuación”.
La página de inicio es la que el usuario ve cuando abre YouTube por primera vez y en ella se muestra una combinación de recomendaciones personalizadas y suscripciones, así como las últimas noticias e informaciones. El panel “A continuación” aparece cuando se está viendo un vídeo para sugerir otros contenidos relacionados con el que el usuario está viendo en ese momento, además de otros vídeos que creemos que le pueden interesar.
Cómo fueron evolucionando
En 2008, cuando YouTube comenzó a crear su sistema de recomendaciones, la experiencia era totalmente distinta. Por ejemplo, si un usuario veía sobre todo vídeos de cocina, el sistema le recomendaba los últimos vídeos deportivos y musicales, simplemente porque eran los más vistos. Esto era lo que ocurría en los primeros días de YouTube.
El sistema clasificaba los vídeos según su popularidad y creaba una gran página de “Trending”. No mucha gente veía esos vídeos y la mayoría de la audiencia de YouTube provenía de búsquedas o enlaces compartidos fuera de la plataforma.
Hoy en día, el sistema clasifica miles de millones de vídeos para recomendar contenidos que se adapten a los intereses concretos de los usuarios. Para conseguirlo, parte de la base de que todos los usuarios tienen sus propios hábitos de visualización. Luego, el sistema compara esos hábitos de visualización con los de usuarios que tienen hábitos similares y utiliza esa información para sugerir otros contenidos que quizás el usuario desearía ver.
Cómo funciona ahora
Por lo tanto, si a alguien le gusta ver vídeos de tenis y el sistema se da cuenta de que otros usuarios a los que les gustan los mismos vídeos de tenis también disfrutan de vídeos de jazz, es posible que le aparezcan recomendaciones de vídeos de jazz, aunque nunca antes haya visto uno (para categorías como noticias e información las recomendaciones pueden funcionar de manera diferente).
YouTube es conscientes de que no todos sus usuarios quieren compartir siempre esta información con la plataforma. Por eso, han creado controles que permiten decidir cuánta información desean compartir. Así, en cualquier momento se puede pausar, editar o eliminar el historial de búsqueda y visualización de YouTube.
Para conseguir personalizar las recomendaciones de YouTube, el sistema de recomendaciones no parte de una “receta” fija, sino que evoluciona constantemente y aprende cada día analizando más de 80 mil millones de informaciones, a las que llaman “señales”. Varias señales se complementan entre sí para informar al sistema sobre lo que le gusta al usuario: clics, tiempo de visualización, respuestas a encuestas, uso compartido, me gusta y no me gusta.
Los clics, las visualizaciones, el tiempo de visualización, las encuestas, los vídeos compartidos y los “me gusta” o “no me gusta” funcionan muy bien para generar recomendaciones sobre temas como música y entretenimiento, que es lo que la mayoría de la gente ve en YouTube. Esta es la clave.
1.- Clics
El hecho de que un usuario haga clic en un vídeo es un indicativo de que le gusta, ya que no clicaría en algo que no desea ver. Sin embargo, hacer clic en un vídeo no significa que el usuario lo haya visto realmente.
Por ejemplo, si buscamos los mejores momentos de un partido de Wimbledon de 2011, nos desplazamos por la página y hacemos clic en un vídeo cuya miniatura y título sugieren que contiene las imágenes del partido, pero en realidad el contenido no se ajusta a lo que buscamos. Entonces seguimos haciendo clic en varios vídeos hasta que encontramos lo que buscábamos. Y así, hemos cliqueado en varios vídeos, pero no han sido de nuestro interés.
Este fue el motivo por el que, en 2012, YouTube comenzó a tener en cuenta el tiempo de reproducción. Ahora sabemos que hacer clik y permanecer un rato viendo el vídeo es determinante para personalizar las recomendaciones de YouTube.
2.- Tiempo de visualización
El tiempo de reproducción (es decir, qué vídeos ha visto el usuario y durante cuánto tiempo) proporciona al sistema señales personalizadas sobre lo que es más probable que una persona quiera ver. Entonces, si el aficionado al tenis vio 20 minutos de clips de momentos destacados de Wimbledon y tan solo unos segundos de vídeos de análisis de partidos, el sistema supone que le interesó más ver esos momentos destacados.
Cuando YouTube incorporó por primera vez el tiempo de visualización en las recomendaciones, registró de inmediato una bajada del 20% en las visualizaciones, pero le pareció más importante ofrecer una mejor experiencia a los espectadores. Aún así, no todo el tiempo de visualización es igual.
YouTube no quiere que los espectadores se arrepientan del tiempo pasado viendo vídeos y se dio cuenta de que tenía que hacer aún más para medir el valor que estos obtienen del tiempo dedicado a YouTube.
3.- Respuestas a encuestas
Para tener la certeza de que los espectadores están satisfechos con los contenidos que ven, YouTube mide el “tiempo de visualización valioso“, es decir, el tiempo que pasa un usuario viendo un vídeo que le parece válido. El tiempo de visualización valioso se mide a través de encuestas, en las que se le pide al usuario que valore el vídeo que ha visto con una puntuación de una a cinco estrellas.
Esto le proporciona a la plataforma una métrica para determinar en qué medida el espectador quedó satisfecho con el contenido. Si el vídeo recibe una o dos estrellas, le pregunta el por qué de una calificación tan baja.
Igualmente, si la puntuación es de cuatro o cinco estrellas, le pregunta por qué, es decir, si el vídeo le pareció interesante o le motivó. Solo los vídeos puntuados con cuatro o cinco estrellas se cuentan como tiempo de reproducción valioso.
Por supuesto, no todos los usuarios responden a la encuesta para cada vídeo que ven, por lo que, en base a las respuestas obtenidas, YouTube ha creado un modelo de aprendizaje automático para predecir las posibles respuestas de la encuesta para todos los usuarios.
Para poner a prueba la precisión de estas predicciones, en el proceso de adiestramiento del sistema, la plataforma omite deliberadamente algunas de las respuestas a la encuesta. De este modo, comprueba continuamente la precisión con la que el sistema replica las respuestas reales.
4.-Compartir, me gusta y no me gusta
Por lo general, es más probable que los usuarios estén satisfechos con un vídeo si deciden compartirlo o darle un “me gusta“. El sistema utiliza esta información para tratar de predecir la probabilidad de que un usuario comparta o le gusten otros vídeos.
Si un vídeo no le gusta, es una señal de que probablemente no disfrutó viéndolo.
Todo depende del usuario
A pesar de todos estos secretos para personalizar las recomendaciones de YouTube, la importancia de cada señal depende del usuario. Si es el tipo de persona que comparte cualquier vídeo que ve, incluidos los que califica con una o dos estrellas, el sistema sabrá que no debe tener muy en cuenta sus acciones al recomendar contenidos.
Todos estos motivos determinan que el sistema no siga una fórmula establecida, sino que evolucione dinámicamente a medida que cambian los hábitos de visualización del usuario.
Seguiremos comunicando…
