Las mejoras en el algoritmo de Spotify que desconocías

La personalización de las listas recomendadas

En 2019 Spotify anunció que iba a comenzar a utilizar un algoritmo para mejorar las listas recomendadas. Si bien el uso de un algoritmo no es una novedad en la app de streaming, sí lo es su utilización para personalizar las listas de reproducción sugeridas por sus editores.

Esas listas, que hasta el momento aparecían a todos los usuarios por igual, a partir de ahora aparecerán atendiendo a dos criterios: la elección de sus editores y los algoritmos basados en el gusto de cada usuario.

De todos modos, solo se verán afectadas por esta novedad aquellas playlists relacionadas a emociones o actividades específicas del estilo “canciones para reunión con amigos” o “canciones alegres”. El objetivo que se busca es una mayor personalización en las sugerencias de la aplicación.

Cómo funciona el algoritmo que adivina gustos musicales

Muchas veces se tiene la sensación de que Spotify conoce los gustos musicales de las personas mejor que ellas mismas. Así es como muchas veces sugiere canciones que nunca antes habían sido escuchadas por el usuario, de manera acertada.

Desde 2015 Spotify ofrece el “Descubrimiento semanal”, que consiste en una selección personalizada para cada uno de sus usuarios, de 30 canciones que se renueva cada semana.

En la mayoría de los casos resulta llamativo el hecho de que la selección que realiza la aplicación es muy acertada y se termina escuchando y descargando el contenido sugerido- esto último únicamente si se cuenta con la versión premium.

Spotify cuenta con tres mecanismos para realizar las recomendaciones. El primero se denomina “modelos de filtrado colaborativo”, el segundo “modelos de procesamiento de lenguaje natural”, y el tercero, “modelos de audio”.

El modelo de filtrado colaborativo es el mismo que utiliza Netflix para realizar sus recomendaciones. Se trata de un modelo en el cual, si un usuario escuchó las pistas A, B y C, y otro escuchó las pistas A, B y D, entonces al primer usuario se le recomendará que escuche la pista D, y al segundo la C.

Es un modelo del tipo “quienes escuchan esta canción, también escuchan esa otra”. Es decir que se trata de un sistema que realiza sugerencias de canciones nuevas basadas en otros usuarios con un perfil de consumo musical similar.

El segundo mecanismo detrás de las recomendaciones de Spotify es el del procesamiento en lenguaje natural. Se trata de un modelo que se nutre de las palabras habituales utilizadas en artículos de noticias, en páginas de internet, en blogs, entre otros textos.

Se trata de un mecanismo complejo en el que se procesa ese “lenguaje natural” intentando sistematizarlo y comprenderlo mediante el uso de la informática. De este modo, Spotify se encuentra en la búsqueda constante de publicaciones y cualquier tipo de texto escrito acerca de la música para saber qué dice la gente respecto de determinados artistas y canciones.

Es un programa que rastrea adjetivos, o cualquier tipo de lenguaje particular que se utilice para hacer referencia a determinados artistas y canciones. También busca en los artículos cuáles son aquellos artistas y canciones que se mencionan junto con otros.

Así, si junto con la palabra Strokes suele aparecer con mucha frecuencia la palabra X, y con la palabra Kooks ocurre lo mismo, entonces es muy posible que el algoritmo haga una relación entre ambas bandas y aparezcan recomendadas canciones de The Strokes para quienes escuchen The Kooks, y al revés.

Por último, los modelos de audio son aquellos que se concentran en las características de las canciones. Para ello miden distintas cuestiones como el tiempo estimado de duración, la clave, el modo, el tempo y el volumen.

Estas mediciones le permiten a Spotify trazar similitudes entre canciones y así ver para qué usuarios son apropiadas en función de su propio historial de escucha. La ventaja de este último modelo es que permite a la aplicación sugerir nuevos artistas que no son registrados, en general, por los otros dos mecanismos.