Cómo funcionan las recomendaciones de YouTube AI

Por qué son importantes las recomendaciones de YouTube

YouTube no clasifica los vídeos con una única regla mágica. Ejecuta un sistema de aprendizaje automático a gran escala que aprende del comportamiento en toda la plataforma y, a continuación, utiliza ese aprendizaje para dar forma a la página de inicio, las sugerencias de Up Next, los resultados de búsqueda, los feeds de Shorts y mucho más.

Con más de 2.700 millones de usuarios activos mensuales y más de 500 horas de vídeo subidas cada minuto (Statista, 2023), YouTube no puede depender de la selección humana. El sistema de recomendación es la forma en que la plataforma sigue siendo utilizable, y también es la razón por la que el algoritmo tiene una enorme influencia en lo que se descubre y en qué creadores crecen.

Contexto histórico: Cómo evolucionaron las recomendaciones de YouTube

Los primeros días (antes de 2010): Vistas, clics y filtrado colaborativo básico

Al principio, los sistemas de recomendación eran relativamente sencillos. Se basaban en gran medida en la popularidad y en la lógica directa de “las personas que vieron X también vieron Y”. Esto funcionaba cuando la biblioteca era pequeña, pero también creaba incentivos para optimizar los clics superficiales.

• Visitas y clics
• Filtrado colaborativo básico (las personas que vieron X también vieron Y)
• Amplias señales de popularidad

Cambio hacia el tiempo de reloj (2012 a 2016): De “Vistas” a “Satisfacción”

Un punto de inflexión importante se produjo cuando YouTube cambió públicamente su métrica clave de visitas a tiempo de visionado (Think with Google, 2012). La idea central era sencilla: un alto índice de clics puede parecer positivo incluso cuando los espectadores abandonan el vídeo rápidamente, mientras que un visionado más prolongado es mejor indicador de satisfacción que los clics por sí solos.

• Un alto porcentaje de clics (CTR) puede ser engañoso si los visitantes se marchan rápidamente.
• Los vídeos que mantienen a los espectadores atentos son una señal de satisfacción más fuerte que los clics por sí solos.
• Los clics siguen contribuyendo al descubrimiento, pero la retención tras el clic se ha convertido en algo fundamental.

Aprendizaje profundo a escala de YouTube (2016 en adelante)

En 2016, Google AI publicó “Deep Neural Networks for YouTube Recommendations” (Redes neuronales profundas para las recomendaciones de YouTube), en el que se describía el paso de enfoques antiguos, como la factorización matricial, a redes neuronales profundas. Esto mejoró la calidad de la personalización, ayudó al sistema a aprender de la escasa retroalimentación implícita y apoyó la escala de YouTube y la rápida velocidad del contenido.

Iteración continua: Muchos modelos, experimentos constantes

El algoritmo de YouTube no es estático. Se actualiza continuamente mediante mejoras continuas del modelo, una infraestructura de pruebas A/B y un ajuste que equilibra la relevancia con la diversidad. También integra sistemas de política y seguridad, incluida la degradación de contenidos que infringen las directrices de la comunidad.

Las explicaciones públicas de fuentes como Think with Google (2023), The Verge (2023) y Hootsuite (2023) suelen hacer hincapié en el mismo tema: las recomendaciones proceden de muchos modelos, muchas señales y una medición constante.

Cómo funciona el algoritmo de inteligencia artificial de YouTube

Redes neuronales profundas como columna vertebral

El recomendador de YouTube se basa en el aprendizaje profundo, un subconjunto del aprendizaje automático que utiliza redes neuronales multicapa para reconocer patrones a gran escala. El aprendizaje profundo es especialmente eficaz cuando los datos son enormes, la retroalimentación suele ser implícita (ver, saltar, pausar) en lugar de valoraciones explícitas, y las relaciones entre usuarios y contenidos son complejas y cambian constantemente.

Esto es importante porque los datos de interacción de YouTube son “escasos” en el sentido del sistema de recomendación. Hay innumerables vídeos, y muchos tienen relativamente pocas interacciones en comparación con el tamaño del catálogo.

El sistema de recuperación en dos etapas: Generación y clasificación de candidatos

Para recomendar eficazmente a partir de una biblioteca con un volumen masivo, YouTube suele utilizar un sistema de dos etapas. En la primera se busca un amplio conjunto de vídeos potencialmente relevantes, y en la segunda se elige cuáles mostrar primero.

Red de generación de candidatos (alta recuperación)

• Propósito: Generar un amplio conjunto de vídeos potencialmente relevantes con una alta capacidad de recuperación.
• Entradas: La actividad anterior de un usuario, incluido el historial de visionados, las consultas de búsqueda y los canales suscritos.
• Mecanismo: Las representaciones aprendidas recuperan vídeos que probablemente coincidan con los intereses de un usuario.

Esta fase está diseñada para lanzar una amplia red. Normalmente se obtienen cientos de candidatos en lugar de una lista final.

Red de clasificación (alta precisión)

• Propósito: Puntúe y ordene los vídeos de los candidatos con gran precisión.
• Entradas: Vídeos de candidatos con un contexto más rico, como la hora del día, el dispositivo y el comportamiento reciente.
• Objetivo de la predicción: Tiempo de visionado previsto y tiempo de visionado de la sesión, además de señales de compromiso como me gusta, comentarios y “No me interesa”.”
• Salida: La lista refinada y ordenada que aparece en Inicio, Siguiente y otras superficies.

Modelo mental práctico: La generación de candidatos decide qué merece la pena considerar, y la clasificación decide qué merece la pena mostrar primero.

Vectores incrustados: Semejanza en forma matemática

YouTube se basa en gran medida en vectores de incrustación, que son representaciones numéricas de usuarios, vídeos y consultas de búsqueda.

• Incorporación de usuarios: Representar las preferencias en función del historial del reloj y los patrones de interacción.
• Incrustaciones de vídeo: Representar las características del contenido, como el tema, el estilo y la forma en que el público responde al vídeo.

Las incrustaciones permiten al sistema comparar usuarios y vídeos en un espacio de altas dimensiones. Los elementos que están próximos en ese espacio se tratan como similares, aunque no compartan rasgos superficiales obvios como el mismo creador o palabras clave idénticas. Esta es una de las razones por las que YouTube puede recomendar contenidos que parecen relevantes incluso sin una búsqueda explícita.

Señales que YouTube utiliza para la personalización

La personalización es el corazón del sistema. YouTube intenta predecir no solo lo que alguien puede hacer clic, sino lo que realmente seguirá viendo.

Señales de interacción con el usuario (explícitas e implícitas)

Ver la historia (a menudo la señal más fuerte)

El historial de visionado capta el comportamiento real, por lo que suele considerarse una de las señales más potentes. Los visionados recientes suelen ser más importantes que los antiguos, y el interés repetido por un tema o creador refuerza esa preferencia.

• Recencia: La actividad reciente puede tener más peso.
• Frecuencia: Los patrones repetidos refuerzan las preferencias.

Consultas de búsqueda

La búsqueda es una expresión explícita de intención. Si alguien busca “bricolaje para reparaciones del hogar”, el sistema tiene una pista clara de lo que quiere en ese momento, no sólo de lo que suele ver.

Suscripciones a canales

Las suscripciones son una señal explícita de fidelidad que indica interés por un creador concreto. Las suscripciones influyen en las recomendaciones, pero no las controlan totalmente, sobre todo en la página de inicio, donde YouTube puede mezclar canales conocidos con contenidos de descubrimiento.

Métricas de compromiso

YouTube utiliza una serie de señales de compromiso con diferentes significados y pesos. El tiempo de visionado es fundamental, pero hay otras señales que pueden ayudar al sistema a entender mejor la calidad, la satisfacción y la intención.

• Hora del reloj y hora del reloj de sesión: A menudo se trata como la métrica primordial.
• Gustos y disgustos: Retroalimentación explícita positiva o negativa (los "no me gusta" siguen funcionando como datos de interacción).
• Observaciones: Un signo de mayor compromiso e interacción comunitaria.
• “Respuesta ”No me interesa": Instrucciones explícitas para evitar contenidos similares.
• Porcentaje de clics (CTR): Útil para el descubrimiento inicial, pero la retención después del clic se prioriza sobre el CTR por sí solo.
• Compartir: A menudo indica valor percibido y sentimiento positivo.

Información demográfica (a menudo inferida)

La información demográfica inferida puede ayudar a comprender y categorizar al público en general, pero la personalización se basa principalmente en señales de comportamiento y contexto, más que en la orientación demográfica directa a nivel individual.

Características del contenido de vídeo

YouTube también evalúa los atributos de los propios vídeos para comprender de qué trata un vídeo y cómo responde el público a él.

• Metadatos: Los títulos, las descripciones, las etiquetas y las categorías facilitan la clasificación y la pertinencia de las búsquedas.
• Miniaturas: Muy influyente en las decisiones de clic y en el CTR inicial.
• La era del vídeo: Los vídeos más recientes pueden recibir un impulso de frescura o trending en determinados contextos.
• Retención del público: La parte del vídeo que ven los espectadores, un importante indicador de calidad.
• Calidad de vídeo: La resolución y la calidad de audio pueden afectar indirectamente a la satisfacción y el tiempo de visionado.

Factores contextuales

Las recomendaciones pueden cambiar en función del contexto, incluso para la misma persona.

• Hora del día: Los hábitos varían (ver noticias o entretenimiento).
• Dispositivo utilizado: Las pautas para móviles y ordenadores difieren.
• Ubicación: Influye en las preferencias lingüísticas y el descubrimiento local.

Bucles de retroalimentación continua y aprendizaje adaptativo

Cada interacción es un dato

YouTube mejora las recomendaciones porque aprende continuamente de las interacciones. Incluso las pequeñas acciones pueden funcionar como señales.

• Ver, volver a ver, saltar
• Me gusta, no me gusta, comentarios
• Buscar, suscribirse
• Utilizar “No me interesa”
• Abandonar un vídeo antes de tiempo

Actualización de perfiles en tiempo real y aprendizaje de modelos

A medida que las personas interactúan con los contenidos, se actualizan los perfiles de usuario y las incrustaciones, las incrustaciones de vídeo evolucionan a medida que el sistema aprende quién ve un vídeo y qué ocurre después, y los modelos se perfeccionan mediante ciclos de formación continua.

Personalización adaptativa

Las preferencias no son fijas. Alguien puede ver contenidos de viajes durante meses, luego cambiar a consejos para padres, y después darse un atracón de vídeos de cocina. El sistema está diseñado para adaptarse, por eso las recomendaciones pueden cambiar rápidamente cuando aparece un nuevo patrón de visionado.

Componentes clave de las recomendaciones de YouTube

• Red de generación de candidatos: Recupera un amplio conjunto de vídeos potencialmente relevantes para una alta recuperación.
• Red de clasificación: Puntuaciones y órdenes de candidatos de gran precisión, a menudo vinculadas al tiempo de vigilancia previsto y al tiempo de vigilancia de la sesión.
• Modelos de incrustación: Representar usuarios, vídeos y consultas para que el sistema pueda medir la similitud más allá de las palabras clave.
• Tienda de artículos: Gestiona y sirve grandes colecciones de características (historial, atributos de vídeo, contexto) a los modelos.
• Infraestructura de pruebas A/B: Prueba los cambios a escala para confirmar mejoras mensurables en la satisfacción y el compromiso.

Las pruebas A/B son especialmente importantes porque pequeños cambios en el modelo pueden producir grandes efectos en el ecosistema de miles de millones de usuarios.

Dónde aparecen las recomendaciones (tipos de recomendación)

YouTube aplica los mismos principios básicos en todo el producto, pero cada superficie tiene un objetivo diferente.

Recomendaciones

• Objetivo: Iniciar o reiniciar una sesión de visualización.
• A menudo influenciado por: Historial de relojes, suscripciones e intereses inferidos.
• Mezcla típica: Creadores conocidos, temas relacionados y contenidos exploratorios.

Próximos artículos y recomendaciones

• Objetivo: Prolonga la sesión actual.
• A menudo influenciado por: Similitud con el vídeo actual, lo que otros espectadores vieron a continuación y los patrones de visionado personales.
• Foco de optimización: Continuidad e impulso.

Resultados de la búsqueda

• Objetivo: Responder a una pregunta explícita.
• Influenciado por: Relevancia de la palabra clave, metadatos y rendimiento para esa consulta (tiempo de visionado, participación).
• Personalizado por: Ver el historial y las interacciones anteriores que pueden reordenar los resultados entre los usuarios.

Ficha Tendencias

• Objetivo: Haz emerger vídeos populares y emergentes en toda la plataforma.
• Nivel de personalización: Generalmente menos personalizados y más impulsados por el impulso y el atractivo general.

Suscripciones

• Objetivo: Mostrar el contenido de los canales que un usuario sigue explícitamente.
• Comportamiento común: A menudo cronológico, a veces con una clasificación que destaca los mejores vídeos.

YouTube Shorts Feed

• Sistema: Un motor de recomendación distinto, adaptado a la visualización vertical en formato corto.
• Énfasis: Consumo rápido, novedad y un circuito de retroalimentación más rápido.
• Efecto descubrimiento: Puede favorecer el descubrimiento rápido porque se pueden consumir muchos artículos en menos tiempo.

Recomendaciones para la retransmisión en directo

• Sistema: Lógica especializada para contenidos en directo.
• A menudo influenciado por: Audiencias en tiempo real, relevancia temática e historial de un creador con audiencias en directo.

Conceptos de filtrado en el aprendizaje profundo moderno

Aunque YouTube utiliza el aprendizaje profundo, las ideas clásicas de recomendación siguen siendo válidas. En la práctica, se integran en modelos neuronales y funciones en lugar de implementarse como módulos completamente independientes.

Filtrado por contenidos

• Recomienda vídeos similares en tema, género, estilo del creador, palabras clave o patrones visuales a lo que el espectador ya ha disfrutado.
• A menudo se apoya en incrustaciones de vídeo que agrupan contenidos similares.

Filtrado colaborativo

• Recomienda vídeos que usuarios similares han visto y con los que han interactuado.
• A menudo se apoyan en incrustaciones de usuarios que agrupan a personas con gustos similares.

Enfoque híbrido

El enfoque actual de YouTube combina ambos estilos. Las señales basadas en el contenido ayudan cuando la similitud es evidente, y las señales colaborativas ayudan a descubrir contenidos que no están obviamente relacionados pero que obtienen buenos resultados entre espectadores similares.

Ejemplos reales

Ejemplo 3: Efecto del rendimiento de la búsqueda

Cuando alguien busca “bricolaje y reparaciones domésticas”, es probable que aparezcan en los resultados vídeos con buenos resultados para esa consulta en cuanto a tiempo de visionado y participación, aunque el espectador nunca haya visto antes contenidos sobre reparaciones domésticas. La intención de búsqueda reduce el campo, y luego el rendimiento y la personalización pueden reordenar la clasificación final.

Ejemplo 4: Puesta en común de pequeños creadores

Un canal pequeño puede dispararse si un vídeo obtiene un tiempo de visionado y una participación iniciales elevados. Ese rendimiento puede generar más impresiones en Home y colocarlo en Up Next para audiencias relevantes, ampliando el alcance más allá de los suscriptores.

Ejemplo 5: Desincentivar el clickbait

Los títulos y las miniaturas engañosos pueden seguir generando clics, pero es menos probable que mantengan la distribución si los espectadores rebotan rápidamente. Los sistemas optimizados en función del tiempo de visionado previsto y el tiempo de visionado de la sesión tienden a penalizar la insatisfacción que se manifiesta en forma de abandono prematuro.

Ejemplo 6: Dinámica de crecimiento de la plataforma

Las recomendaciones permiten largas sesiones de visionado y el descubrimiento de creadores tanto consagrados como nuevos. Los comentarios del sector suelen afirmar que las recomendaciones determinan la mayor parte del tiempo de visionado, con estimaciones ampliamente citadas que a veces superan el 70%. Es mejor considerar estas cifras como estimaciones que como estadísticas confirmadas de la plataforma, pero la dirección es clara: las recomendaciones son fundamentales para el consumo de YouTube.

Ventajas y limitaciones

Comparación del algoritmo de inteligencia artificial de YouTube con otras alternativas

Recomendaciones de YouTube frente a los motores de búsqueda tradicionales

YouTube da prioridad a las recomendaciones, mientras que la búsqueda web tradicional da prioridad a las consultas. Ambos pueden utilizar el aprendizaje automático avanzado, pero YouTube se basa en gran medida en la retroalimentación implícita (tiempo de visionado, retención, compromiso), además de acciones explícitas (suscripciones, búsquedas), mientras que la búsqueda web se basa principalmente en la intención de consulta explícita y las señales de relevancia. YouTube suele estar optimizado para mantener la visualización en la plataforma durante más tiempo, mientras que la búsqueda web suele tener como objetivo responder rápidamente y puede enviar a los usuarios a otros sitios.

Preguntas frecuentes

Qué recordar sobre las recomendaciones de YouTube

El algoritmo de IA de YouTube se entiende mejor como un sistema de aprendizaje profundo en dos fases: selecciona un amplio conjunto de vídeos candidatos y luego los clasifica en función de la satisfacción prevista, con el tiempo de visionado de la sesión como métrica central. Aprende de casi todas las interacciones, se adapta a medida que cambian las preferencias y aplica una lógica ligeramente diferente en función de dónde aparezcan las recomendaciones, desde Inicio hasta Siguiente, pasando por Búsqueda, Cortos y En directo.

Para creadores y vendedores, las implicaciones prácticas son sencillas: el envase gana el clic, pero la satisfacción sostiene la distribución. Los títulos y las miniaturas pueden llamar la atención, pero la retención de la audiencia y el tiempo de visionado de la sesión es lo que suele convertir una subida prometedora en un motor de recomendación. Una forma práctica de actuar es mejorar los primeros 30 segundos para la retención, alinear los títulos y las miniaturas con lo que el vídeo realmente ofrece y estructurar los vídeos de forma que ver otro vídeo relacionado parezca el siguiente paso natural.