Cómo funciona el sistema de recomendaciones de vídeos de YouTube

YouTube ha hecho pública nueva información para dar a conocer el funcionamiento de su sistema de recomendación de vídeos. En un vídeo protagonizado por Rachel Alves, directora de producto de la empresa, YouTube aporta una serie de claves sobre su algoritmo de recomendación con el objetivo de ayudar a los creadores de contenidos a fidelizar una audiencia e incrementar las reproducciones de sus vídeos.

Según explica, la compañía ha ido refinando las métricas para alcanzar esos objetivos. En un principio, hasta el año 2011, se basaban únicamente en los clics y las visualizaciones, lo cual “incentivaba el clickbait y los titulares sensacionalistas”. A partir del año 2015, y aunque las visualizaciones siguen contando, empezó a privilegiarse como criterio la «satisfacción del usuario», el tiempo de visionado y la responsabilidad del creador de contenido.

Pese a que el tiempo de visualización es un criterio más “indicativo de la calidad del contenido”, tampoco es la métrica definitiva que ayuda a YouTube a ajustar sus recomendaciones. En este sentido, la compañía se esfuerza en definir cada vez con más precisión la “calidad y el valor” del tiempo de visionado.

Para conseguir dichos datos, YouTube recurre a encuestas a los usuarios para saber qué contenidos disfrutan más; priorizar los vídeos producidos por instituciones o personalidades reconocidas y reduce al máximo la difusión de aquellos vídeos que violen su política de contenidos.

En último término, el sistema de recomendación de YouTube está diseñado siguiendo dos criterios: ayudar a los usuarios a encontrar los vídeos que quieren ver y maximizar la satisfacción del espectador a largo plazo. De esa forma, se cumplirá el objetivo de la empresa de conseguir que los espectadores vuelvan una y otra vez a YouTube para ver nuevos vídeos.

Encuestas a usuarios y algoritmos diferentes

La información que YouTube obtiene en las citadas encuestas, millones al mes según Alves, no la comparte luego con los creadores de vídeos. La plataforma asegura que emplea dichos datos para mejorar sus algoritmos y sistemas, y dice estar trabajando en nuevas fórmulas para compartir esas encuestas de satisfacción con sus usuarios.

No obstante, más allá de esta vía de retroalimentación directa, YouTube recoge también información mediante los clics en las pestañas de “Me gusta” y “No me gusta” que aparecen en los vídeos.

Toda esta información sirve para alimentar dos algoritmos diferentes, pues uno se ocupa de la selección de los vídeos que aparecen en la página de inicio y otro conforma la lista de recomendados que se le ofrece a cada usuario. Esto es, no existe un algoritmo único y central que dirija todas las sugerencias de la plataforma.

Para generarlas, el algoritmo de YouTube une vídeos que suelen verse juntos o seguidos, contenidos que estén relacionados por el tema que tratan o vídeos que formen parte del historial de visionado del usuario. De este modo, YouTube pretende avanzar hacia un sistema de recomendaciones en el que haya un equilibrio entre la satisfacción del usuario y la responsabilidad de la plataforma para ofrecerle o no ciertos tipos de contenido.

AdSchoolCómo funciona el sistema de recomendaciones de vídeos de YouTube