Parte de la fama de Spotify se debe a su algoritmo, la tecnología tras su sistema de recomendaciones musicales, que basa sus acciones en el rastreo del historial de escuchas y en otros datos de la actividad que tiene lugar dentro de esta plataforma.
Las canciones marcadas con un “me gusta”, configuran periódicamente el espectro de recomendaciones. Según investigadores de la Universidad Cornell, integrar un botón para marcar aquellas canciones que no son de la preferencia del oyente podría fortalecer esta dinámica.
¿Cómo sería Spotify con un botón “no me gusta”?
Un equipo de investigadores desarrolló recientemente un algoritmo de recomendaciones musicales que, siguiendo una lógica similar a la de plataformas como YouTube o Pandora, se retroalimentan con respuestas binarias: si al usuario le gusta o no la canción que se reproduce. De esta forma, proponen que el algoritmo de Spotify podría ser más preciso si considerara estos elementos.
Al aplicar este sistema, demostraron que un oyente tiene aproximadamente un 20% más de probabilidades de marcar con un «me gusta» una canción si el algoritmo está entrenado con 400,000 votos de prefencias y disgustos, comparado con un algoritmo entrenado solo en esa cantidad de me gusta, el modelo actualmente usado.
«Un algoritmo que solo tiene ‘me gusta’ puede ayudarlo a descubrir canciones que realmente disfruta, pero también tiene una mayor posibilidad de recomendar canciones que no le gustan», dijo Sasha Stoikov, investigadora y autora principal de un artículo sobre este sistema, denominado «Piki».
Piki cuenta con una base de datos de aproximadamente 5 millones de canciones, desde la que selecciona música e incentiva a los usuarios dándoles $1 dólar por cada 25 canciones que evalúan.
En su interfaz, Piki reproduce una canción y luego le da al oyente la capacidad de evaluarla, tras un período determinado de reproducción. En concreto, la opción de marcarla con un «no me gusta» se habilita después de 3 segundos, el «me gusta» después de 6 segundos y un «superlike» se habilita pasados los primeros 12 segundos. «Esto incentiva al usuario a votar con sinceridad», comentó Stoikov.
Con este ejercicio, se comprobó que el escenario de difusión es desigual para los artistas desligados de la escena comercial dentro de esta plataforma, al no contar con una base de popularidad que les permita escalar algorítmicamente. «Dado que los algoritmos a menudo están entrenados sobre si un individuo escucha o no una canción en lugar de si al oyente le gusta o no le gusta la canción, favorecen a los artistas conocidos que se escuchan con más frecuencia, se recomiendan en las listas de reproducción y se recuerdan en la barra de búsqueda«, agregó Stoikov.
Bajo ese punto, el objetivo que los investigadores persiguen con Piki es trabajar con sellos discográficos, colaborándoles en la elección de las canciones que resultan más atractivas para los oyentes, antes de su estreno público en plataformas de música por streaming.
Pensando en extender este ejercicio, Stoikov señaló en conversación con su casa de estudios que sus próximos pasos indagatorios pueden centrarse en otras plataformas de streaming como Netflix, sumando al estudio algoritmos más avanzados o modelando cómo los objetivos del algoritmo se relacionan con los fines comerciales de otras partes involucradas más allá de los autores o titulares de derechos, como las mismas plataformas de streaming y los sellos discográficos.