Maestros del tiempo
Siempre te acompañan, conocen mejor que nadie tus gustos musicales, te hacen recomendaciones top de artistas que ni conocías y llenan tu vida de musicón.
Por Cervezas Alhambra
|
¿Hablamos de tus BFF? ¿Tus soulmate musicales? Para nada, estamos hablando de los algoritmos de las grandes plataformas de streaming musical para sugerirte canciones. ¿Cómo es posible que acierten tanto con sus propuestas? La respuesta es sencilla y, al mismo tiempo, enormemente compleja. Entre todos enseñamos a las plataformas de streaming la manera correcta de sugerirnos música. Acompáñanos en este apasionante viaje por las interioridades de los algoritmos, los vigilantes perpetuos de nuestras pasiones musicales.
Antes del desembarco de los servicios de streaming en nuestras vidas, la gente intercambiaba opiniones sobre bandas con sus amigos. Indagaba en publicaciones especializadas, prestaba atención a los descubrimientos que llegaban a través de la radio o surfeaba durante horas por diferentes webs con la esperanza de dar con un artista o banda que le capturase el corazón y le generara un bucle con alguno de sus temas. En 2001, en pleno reinado del CD y del Discman, Apple abrió la brecha de la revolución multimedia con iTunes, la primera plataforma de música digital que permitía comprar y descargar canciones de forma 100% legal. Además de facilitar el almacenaje y la reproducción en los míticos iPods, incorporaba un algoritmo primigenio de recomendación que sugería canciones y álbumes en función de los hábitos de escucha del usuario. Todo un salto cualitativo.
La siguiente gran pirueta llegó en 2008 con la irrupción de Spotify. Su propuesta sustituyó las descargas por el streaming y el sistema de recomendaciones experimentó una gigantesca evolución con el desembarco de algoritmos muchísimo más especializados, capaces de hacer sugerencias increíblemente ajustadas a cada gusto personal. La situación dio un giro de 180 grados y el resto de plataformas que llegó a continuación, como Deezer (2008), Amazon Music (2008), Tidal (2014) o Apple Music (2015) avanzó por aquella misma senda.
Tras los algoritmos de recomendación musical se esconde una gigantesca historia de aprovechamiento de la información, toda una lección de maestría en el empleo del Big Data. El tratamiento adecuado de los datos que a diario proporciona la comunidad mundial de usuarios de plataformas de streaming musical no sólo permite reconocer sus preferencias y mejorar en el capítulo de las sugerencias, también les brinda la posibilidad de adelantarse a las nuevas tendencias.
El enfoque innovador para generar listas de reproducción personalizadas y construir un nuevo sistema de descubrimiento musical está impulsado por algoritmos de recomendación. La información que el usuario proporciona a la plataforma cada vez que elabora una playlist, realiza una búsqueda, escucha una canción o comparte un story/reel con música que se extrae de uno de estos servicios online, representa una materia prima enormemente valiosa. Está todo ahí, sólo hay que procesarlo adecuadamente. Evidentemente, las empresas prefieren no ofrecer demasiadas explicaciones sobre el modo en que operan sus algoritmos, pero lo que sí sabemos es que trabajan a partir de dos filtrados: uno colaborativo, usuario-usuario, y otro centrado en los contenidos.
Simplificándolo mucho, el filtrado colaborativo mezcla las matemáticas y el comportamiento humano para analizar nuestros gustos. Si haces un pequeño flashback y recuerdas cómo funcionaban las matrices lo verás más claro. Filas y columnas. Cada usuario es una fila y cada columna una canción. Los números que completan la matriz reflejan un sistema de puntuación muy complicado que captura las veces que has escuchado un tema, el género y artista al que pertenece, si escuchas otros temas del mismo estilo o intérprete, cuántas veces has hecho skip sobre él, si lo has incluido o no en una playlist…
Cuando el número de personas participantes en el muestreo es lo suficientemente grande como el de Spotify, que cuenta con unos 600 millones de usuarios activos, o el de Apple Music, que suma más de 101 millones de suscriptores, podemos hablar de un enfoque colaborativo enormemente eficaz. Se analizan los patrones y se dibuja un paisaje musical donde las pistas y los usuarios están interconectados a niveles extraordinarios.
A fuerza de vincular personas y canciones, y de crear conjuntos de canciones basados en el comportamiento de los usuarios, los algoritmos aprenden y ofrecen una experiencia cada vez más personalizada. Pero no se detiene ahí. Durante la fase de filtrado de contenidos bucea en los metadatos de cada tema, analiza las características sonoras de las canciones y tiene en cuenta hasta el contexto cultural del usuario en función de su localización geográfica para obtener un extra de afinación a la hora de sugerirte nueva música.
Lo hemos sintetizado todo al extremo, por supuesto, porque el sistema también se enfrenta a obstáculos. El filtrado colaborativo funciona, pero ¿cómo encuentra la gente una canción que no se ha reproducido antes? Conocido como ‘problema de arranque en frío’, esta complicación nos lleva a que las canciones nuevas no se recomienden debido a la falta de datos de escucha. Además, como el filtrado colaborativo se basa únicamente en los datos de reproducciones las canciones más populares tienden a monopolizar las recomendaciones. ¿Solución? Hacer que el sistema ‘escuche’ la canción y genere datos sobre ella para poder asignarla a los grupos correctos.
Y aún hay más. El PNL es un sistema de procesamiento del lenguaje natural que adjudica etiquetas a la música. Las plataformas ‘leen’ las noticias, blogs y reseñas online para obtener las palabras más utilizadas a la hora de referirse a una canción, un cantante o una banda. Dichas etiquetas, llamadas “vectores culturales”, les ayudan a encontrar puntos en común entre artistas y gustos de los usuarios.
|
¿Esto quiere decir que se acabaron para siempre los modelos tradicionales de descubrimiento musical? En absoluto, simplemente significa que han entrado nuevos jugadores en escena. Jugadores realmente potentes. Estamos convencidos de que los algoritmos pueden ayudarnos en momentos puntuales de nuestra vida, pero también sabemos que no hay nada que sustituya esa conversación sobre música con nuestra gente, intercambiando impresiones y defendiendo apasionadamente las canciones de nuestra vida mientras compartimos una cerveza. Como tampoco existe nada que pueda compararse a la sensación que nos produce acudir a un concierto de un artista que apenas conocemos y sentir cómo la experiencia de su directo despierta algo desconocido en nuestro interior. Porque siempre habrá una parte de la música que no se puede describir con palabras. Y mucho menos con cifras.
UNSPLASH | IMÁGENES
Compartir