COMO YOUTUBE LLEGA A SUS 2 MIL MILLONES DE USUARIOS

Cómo YouTube llega a 2 mil millones de usuarios de música mensuales combinando algoritmos con editorial

Por Micah Singleton

Version en castellano por Carlos Passage

Billboard

De junio de 2020 a junio de 2021, YouTube pagó más de $ 4 mil millones a la industria de la música.

Los titulares de derechos históricamente se han quejado de que YouTube no ha estado pagando lo suficiente, pero este pago ha sido un salto notable con respecto al 2019, cuando YouTube pagó más de $ 3 mil millones a los titulares de derechos de música, gracias en parte a sus poderosos algoritmos.

A diferencia de otros servicios de streaming, YouTube Music se basa completamente en algoritmos para programar sus más de 10,000 listas de reproducción;  así que en lugar de que los miembros del personal seleccionen manualmente las canciones para los oyentes, la compañía está poniendo su enfoque editorial en diseñar mejor esos algoritmos con parámetros que se desarrollan constantemente para adaptarse a las necesidades de los oyentes. (El YouTube gratuito tiene más de 2 mil millones de usuarios activos mensuales y 30 millones ‘Premium’).

Ese enfoque «algotorial», una combinación de «algoritmo» y «editorial», le ha permitido mantener su posición como la plataforma de música más utilizada en el mundo, a pesar de la creciente competencia de Spotify, Apple y Amazon.

Estos algoritmos se ejecutan en las «señales» que los fanáticos de la música envían al servicio cuando escuchan música.  Estos pueden variar desde acciones obvias como que le guste o no un video  hasta no verlo, y señales pasivas como agregar una canción a su biblioteca y o el tiempo de escucha. 

El algoritmo suma esa información y la utiliza para formular las opciones individualizadas para cada usuario: listas de reproducción preferidas, música relacionada y álbumes que pueden gustarle. Ese proceso básico es estándar en todas las plataformas de música, pero los detalles de sus fórmulas pueden generar grandes diferencias en lo que respecta a cómo los usuarios interactúan con las distintas plataformas y cuántos ingresos generan para el negocio de la música.

Como funciona esto? Por primera vez, YouTube da a conocer su receta secreta.  Este es el método de «curación algatorial» (programacion) de Youtube:

1. Signals (Señales)

Las señales sin procesar son las que conocemos (me gusta o no en YouTube), pero no todas las señales son iguales en la plataforma. Por ejemplo, saltarse una canción no pesa tanto como uno podría pensar, mientras que otras señales pasivas como guardar un video en su biblioteca, repetirla y cuánto tiempo usted escucha cada canción son factores clave que ayudan al algoritmo a elaborar lo que YouTube llama tu «perfil de gusto».

2. Taste Profiles (perfiles de gusto)

Al igual que todos los servicios de streaming, YouTube comienza a construir su perfil de gusto cuando los usuarios se registran inicialmente en el servicio y realizan un cuestionario (conocido como un «creador de gusto») que permite a los usuarios elegir los artistas que les gustan. Pero esto es un poco diferente en YouTube, donde los usuarios tienen acceso  más de mil millones de horas de video todos los días, buscando de todo, desde videos musicales hasta instrucciones para mejoras en el hogar.

3. Saltar videos no es vital

Saltarse una canción no tiene mucho peso para YouTube, que según los ejecutivos puede ser difícil de descifrar, ya que la motivación detrás de la omisión puede tener poco que ver con que un usuario no le guste.

4. Determinando el éxito

Para determinar el éxito de una lista de reproducción, Youtube dice que la primera métrica que analizan es la cantidad de clics. 

Una vez que se hace clic, Youtube observa lo que ellos llaman superconsumo.

YouTube también considera «métricas terciarias», el aprobar canciones,  escucharla repetidamente o volver a la lista de reproducción, lo que YouTube llama «reutilización».  

5. Los desafíos permanecen

Todavía hay mejoras que el equipo de YouTube le gustaría hacer, sobre todo para desarrollar su algoritmo para comprender y predecir mejor cómo cambia el gusto de un usuario por la música con el tiempo.