En la actualidad, un número considerable de empresas del ámbito digital emplea la tecnología Machine Learning para aumentar la eficiencia en algunos de sus procesos, o simplemente para mejorar sus servicios. Este es el caso de Youtube, que cuenta con un sistema de recomendación de vídeos que funciona a través de esta tecnología, y permite ofrecer al usuario alternativas similares o relacionadas con sus búsquedas más recientes.
Evidentemente, el empleo de esta tecnología aplicada a sistemas de recomendación no es exclusiva de Youtube. Otras plataformas como Facebook o Twitter emplean una metodología similar para dar prioridad a unas publicaciones sobre otras dentro del newsfeed, lo que habitualmente se traduce en un valor añadido para el usuario, ya que este recibe contenido de interés basado en sus preferencias personales.
Puesto que la comunidad de Youtube se compone de millones de usuarios que comparten contenido diariamente, el funcionamiento de su sistema de recomendación es bastante más complejo que el de otras plataformas como Netflix o Spotify (dado que estas cuentan con catálogos predefinidos y más estructurados). Como consecuencia, las funciones de análisis de datos y de generación de recomendaciones en tiempo real tienen que funcionar a la perfección, y ahí es donde entra en juego la tecnología Machine Learning, la cual permite que el sistema vaya “aprendiendo” de experiencias previas.
El funcionamiento de este sistema de recomendación de vídeos consta de dos fases:
- Generación de ítems candidatos: En esta primera etapa, se utiliza una especie de filtro que permite acortar la lista de opciones de millones a miles. Para hacer las recomendaciones adecuadas, el sistema rastrea el historial de aquellas personas que han visualizado el mismo vídeo que el usuario en cuestión, y extrae una lista con otros vídeos (de categorías similares) que también han visualizado estas personas.
- Clasificación: En esta parte del proceso, las opciones se reducen de miles a decenas. En esta etapa, se asigna una puntuación a cada vídeo en función de una serie de parámetros, lo que potenciará o penalizará la posición del mismo.
Por ejemplo, si un vídeo ya ha sido recomendado a un usuario determinado y este lo ha ignorado, el vídeo perderá posiciones en esta lista. Uno de los aspectos que cuida mucho Youtube en este asunto es el de no limitarse a valorar un vídeo en función de visitas y likes (dado que podría ser antiguo, y la plataforma premia el contenido novedoso y “joven”).
El principal objetivo de este sistema es maximizar el beneficio que proviene de la publicidad, la principal fuente de ingresos de Youtube. Esto se consigue ofreciendo contenido de interés adaptado a cada usuario, de manera que este permanezca en la plataforma el máximo tiempo posible y por lo tanto visualice un mayor número de anuncios durante ese transcurso de tiempo.
