122 / 210
La persuasión de las redes sociales
121
A esto hay que añadirle que, por el hecho de ser adaptativo, para
refinarse aún más, el algoritmo está continuamente realizando una
serie de test aleatorios con el usuario con el fin de maximizar el tiem-
po de conexión del mismo. Un ejemplo de test podría ser mostrar al
usuario contenido recomendado muy similar, pero con sutiles diferen-
cias, imperceptibles para él, pero que afectan a su nivel de atención
y, por tanto, a la permanencia en la plataforma, buscando, por su-
puesto, maximizarla. Otro ejemplo de test que podría realizar uno de
estos algoritmos es variar el intervalo de tiempo que pasa entre que le
muestra un vídeo de algo de su interés y un anuncio de algo que pueda
querer adquirir, para posteriormente estudiar si esa pequeña diferen-
cia de tiempo ha tenido relevancia en el comportamiento del usuario,
si ha conseguido así que el mismo compre ese producto. Tras conocer
cuál de las dos opciones es la más beneficiosa para la red social, el al-
goritmo se adapta y mostrará estos diferentes tipos de contenido con
ese intervalo de tiempo (Lanier, 2018).
Pero la actividad del usuario no es lo único que influye en las reco-
mendaciones, sino que también se basa en la actividad de los usuarios
a los que este sigue. El fundamento de esta combinación es que, si el
usuario sigue a esas cuentas, es porque son de su interés y, por tanto,
probablemente similares, al menos en algunos aspectos, a él. Por ello,
temáticas que sean interesantes para los usuarios de esas cuentas proba-
blemente también lo serán para el usuario analizado, realizando el algo-
ritmo pruebas con esas diferentes temáticas para ver si está en lo cierto y
encontrando así nuevo contenido que ofrecerle (CNBC Television, 2019).
Podría preguntarse si realmente esta técnica tiene sentido, si real-
mente es necesaria para las redes sociales, si no es suficiente con las
explicadas anteriormente, con los «Me gusta», los contadores, el
ti-
meline
preferencial, etc. pero basta con el siguiente dato para darse
cuenta de la importancia del sistema de recomendaciones para la maxi-
mización del tiempo de conexión. En YouTube, el 70 % de los vídeos
visualizados son vídeos recomendados por la plataforma, dato recono-
cido por el director de producto de dicha compañía, Neal Mohan (Sols-
man, 2018). Cabría esperar que la mayoría de los vídeos que se ven en
una plataforma fueran elección de sus usuarios, pero lo cierto es que el
poder de persuasión del sistema de recomendación es tan grande que
la gran mayoría de vídeos que los usuarios ven no son el que buscaban
inicialmente, sino los que después le ha ido recomendando la aplica-
ción, captando su atención y manteniéndola, ayudándose del sistema