¡Las redes sociales nos leen la mente! ¡Las redes sociales nos escuchan!
En muchísimas ocasiones he escuchado personas decir eso cuando una red les muestra un anuncio o video de algo que ellos recientemente estaban buscando o algo que está super alineado con sus gustos. No es que nos lean la mente, es que son desarrolladas basadas en sistemas de recomendación. Estos sistemas utilizan información de los usuarios para aumentar las interacciones, compras, o consumo de contenido.
Por ejemplo, si eres amante del café y todo lo que te sale en tus redes sociales o en las tiendas en línea es relacionado a este tema, será más fácil para ti engancharte con el contenido, compartir publicaciones y hasta buscar la tarjeta para comenzar a comprar.
Sistemas de recomendación
Para que esto ocurra, es común tomar en consideración las siguientes estrategias y sistemas de recomendación:
- Similitud en el contenido
- En términos técnicos se le conoce como un sistema de filtrado basado en el contenido.
- ¿Cómo funciona? Utiliza la similitud entre artículos para recomendar artículos parecidos a los que le gustan al usuario. Como resultado, cuando entramos a una plataforma, la página de inicio puede estar personalizada, o sea, no luce igual que la de nuestros amigos.
- Ejemplos
- La página de inicio de Netflix nos muestra películas que pueden ser de nuestro agrado. A mí por ejemplo, me muestra películas del género de terror, pero tengo amistades a quienes les salen películas de romance o comedia. Netflix ha aprendido de nuestros gustos, y sabe que si personaliza la página de inicio, nuestra interacción con la plataforma y su contenido, aumentará.
- La página de inicio de Youtube nos presenta un sinnúmero de videos de temas que casi casi no podemos resistir darles click. Además de los temas, en mi caso me muestra videos de menos de 15 minutos, ya que si un video dura más de eso, tiendo a no verlo.
- Ventajas: Una de las ventajas de este sistema de recomendación es que no se necesita tener muchos usuarios para poder hacer sugerencias. Así que incluso cuando una plataforma está comenzando, los usuarios podemos consumir más contenido o explorar más artículos que sean de nuestro interés.
- Desventajas: La mayor desventaja es que si solo se toma en consideración los artículos o películas que hemos visto, los desarrolladores no tienen suficiente información para sugerirnos cosas nuevas. Imagina que una plataforma de películas tuviera solo 10 películas de terror, los usuarios amantes del terror pudieran tener problemas para recibir nuevas sugerencias luego de ver esas 10 películas o hasta pudieran recibir las mismas recomendaciones una y otra vez.
- Similitud de personas
- En términos técnicos se le conoce como un sistema de filtrado colaborativo.
- ¿Cómo funciona? Utiliza la similitud entre personas para recomendar artículos. Por ejemplo, si usuario 1 es similar a usuario 2, y al usuario 1 le gustó el libro X, el sistema puede recomendarle al usuario 2 leer el libro X.
- Ejemplos
- Al comprar artículos en Amazon usualmente podemos ver productos sugeridos u otras cosas que las personas compran frecuentemente con este artículo.
- Debido a que muchas personas de mi círculo cercano (similitud en ubicación y edades) están adoptando mascotas, no es sorpresa que comience a recibir publicidad sobre animales.
- Ventajas: Este estilo nos permite explorar y descubrir nuevos intereses. Si fuera por mí, vería las mismas películas de siempre. Sin embargo, estos sistemas de recomendación ayudan a que tome en consideración películas que personas similares a mí están viendo.
- Desventajas: La desventaja es que cuando se añaden artículos nuevos, y nadie los ha visto, se hace complicado poder recomendarlos al principio porque todavía no se tiene conocimiento del tipo de usuario que tendría interés.
Datos compartidos
Como usuarios, nosotros damos una gran variedad de datos de manera directa e indirecta:
- Directa: Cuando evaluamos un artículo (rating) estamos ofreciendo información para los sistemas de recomendación. ¿Por qué crees que plataformas como SHEIN te dan puntos al evaluar tus compras?
- Indirecta: Hay otros patrones de comportamiento que también influyen en nuestras recomendaciones, tales como las búsquedas que hacemos en internet, los enlaces a los que les damos clic, o las páginas en las que pasamos más tiempo.
Estos datos se quedan guardados e incluso se pueden reflejar de una plataforma a otra. Por ejemplo, algo que busquemos en Google puede verse reflejado como una publicidad en Facebook.
En conclusión, las redes sociales no nos leen la mente pero los desarrolladores de estas han creado algoritmos que aprenden de nuestros patrones de uso.
Consejos para desarrolladores
- A la hora de implementar recomendaciones en nuestras plataformas, está permitido utilizar combinaciones de estos sistemas.
- Si nos falta información para poder hacer buenas recomendaciones, podemos obtener conocimiento a través de preguntas o quizzes a nuestros usuarios.
- Ojo, para poder desarrollar un sistema como este, debes tomar un buen tiempo para desarrollar tu estrategia de métricas. Es decir, qué aspectos o características de cada artículo y usuario vas a medir para poder hacer recomendaciones.
- Finalmente, no podemos olvidar que para que esto funcione, la experiencia de usuario debe ser placentera. No debe sentir que invadimos su privacidad, que estamos haciendo demasiadas preguntas, o que se sienta en la obligación de compartir información.