¿Cómo funcionan los algoritmos de recomendación?

Los algoritmos de recomendación funcionan a través de la recopilación y el análisis de datos para ofrecer o mostrar al usuario contenido o productos que le puedan resultar de interés.

En las siguientes líneas detallamos qué son y cómo funcionan los algoritmos de recomendación y si entrañan algún riesgo para la privacidad de los usuarios.

¿Qué son los algoritmos de recomendación?

Los algoritmos de recomendación son un conjunto de reglas diseñadas para sugerir contenidos o productos que pueden interesar a un usuario específico, basados en diferentes tipos de datos personales, como puede ser su comportamiento, preferencias anteriores, interacciones con la plataforma o compras hechas. En ocasiones, dependiendo del algoritmo usado, también se usan datos de usuarios con características similares.

Los algoritmos de recomendación tienen entre sus objetivos filtrar los contenidos que hay en internet o en sitios concretos, para ofrecer al usuario información relevante basada en la información personal que se ha recopilado sobre él. Así mismo, también tienen como objetivo captar el interés del usuario y retenerlo el mayor tiempo posible en el sitio, además de lograr conversiones (de clientes potenciales a clientes reales, ventas o suscripciones).

Los algoritmos de recomendación también tienen como finalidad mejorar la experiencia de usuario, ya que permiten ofrecer contenidos más personalizados.

Aunque llevan usándose varios años, es ahora, gracias a la evolución y mejora de las técnicas y modelos de IA, cuando más se están usando los algoritmos de recomendación por todo tipo de plataformas y sitios online.

¿Cómo funcionan los algoritmos de recomendación?

Los algoritmos de recomendación funcionan mediante la recogida y el análisis de datos, tanto de los usuarios como de los productos o servicios que se van a recomendar. Se trata de un proceso que podemos dividir en tres pasos:

1. Primero se hace la recogida de datos; cualquier plataforma o sitio online que quiera usar un algoritmo de recomendación, necesita recopilar de forma continua datos sobre el comportamiento de los usuarios (qué artículos compra, cuánto tiempo pasa en la página, qué vídeos ve, sobre qué realiza búsquedas, etc.). Los datos recogidos pueden ser tanto explícitos, que son datos que aporta directamente el usuario de forma voluntaria (comentarios, reseñas, preferencias, etc.), como implícitos, que son los datos obtenidos de forma indirecta (compras hechas, tiempo de permanencia, dónde se hacen clics, etc.).
2. El siguiente paso es el procesamiento de los datos recopilados por el algoritmo. Aquí es donde se emplea la inteligencia artificial para el análisis de datos; a través del algoritmo se analizan las preferencias del usuario para encontrar patrones, así como se incluyen comparaciones entre diferentes usuarios para identificar similitudes, puesto que usuarios similares tienden a compartir gustos similares.
3. Finalmente, con la información procesada, el algoritmo genera una lista de recomendaciones o sugerencias. Las recomendaciones se ordenan de acuerdo con la posibilidad de que sean de interés y relevancia para el usuario.

Tipos de algoritmos de recomendación

Existen varios tipos de algoritmos de recomendación, diferenciados en función del enfoque que utilicen para generar sugerencias. Los más comunes son:

• Filtrado colaborativo: Es uno de los algoritmos de recomendación más utilizados y se basa en el comportamiento de los usuarios con gustos similares. Si varias personas han visto o comprado un producto que les gustó, el sistema recomendará ese mismo producto a otros usuarios con comportamientos y preferencias similares. Este tipo de algoritmos se basan en la premisa de que personas que comparten preferencias y comportamientos similares, tienden a disfrutar de productos similares.
• Filtrado basado en contenido: Este método se centra en las características del producto o contenido. El algoritmo analiza qué características tiene un producto o contenido concreto consumido previamente por un usuario (precio, género, categoría, temática, idioma, talla, etc.) y sugiere otros productos o contenidos con características similares. Por ejemplo, si un usuario ha comprado varias novelas de género policiaco, el sistema le recomendará otras novelas del mismo género.
• Recomendación basada en popularidad: Hay algoritmos que hacen sus recomendaciones basadas en aquellos productos o contenidos más populares dentro de una categoría (por ejemplo, por número de visualizaciones, por número de estrellas o reseñas positivas, etc.). Es un método menos personalizado, pero es útil cuando un gran número de usuarios tiende a consumir el mismo tipo de contenido (por ejemplo, «Lo más visto en España esta semana» en plataformas de vídeo en streaming).
• Sistemas híbridos: Estos sistemas combinan enfoques basados en el filtrado colaborativo y el filtrado basado en contenido para poder ofrecer recomendaciones más precisas, ya que las recomendaciones se basan en lo que ha gustado al usuario y en las opiniones sobre contenidos o productos similares que han gustado a otros usuarios.

Ejemplos dónde se usan algoritmos de recomendación

Actualmente, podemos encontrar diversos ejemplos de sitios que usan algoritmos de recomendación (seguramente a vuestra cabeza ya han acudido varias páginas y plataformas conocidas). Algunos de esos ejemplos son:

• Netflix usa algoritmos de recomendación para sugerir series y películas basadas en el historial de visualización del usuario, las valoraciones hechas por este y el resto de la comunidad. Cuando finaliza la visualización de una película, por ejemplo, Netflix no sugiere seguir viendo otra película de contenido similar; el objetivo es mantenernos en la plataforma el mayor tiempo posible.
• Amazon utiliza los algoritmos de recomendación para sugerir productos basados en compras anteriores, historial de búsquedas, artículos similares que compraron otros clientes o productos relacionados con productos adquiridos en el pasado. El objetivo es ofrecer productos que pueden tener mayor relevancia para el consumidor y conseguir que efectúe una compra.
• Spotify utiliza los algoritmos de recomendación de diferentes formas, aunque basados siempre en nuestras preferencias, búsquedas, historial y bibliotecas. Así crea listas personalizadas como «Radar de novedades», listas «Especialmente para ti» o programas que nos pueden gustar si se trata de pódcast.
• YouTube aprovecha los algoritmos de recomendación para mantener «cautivo» al usuario, es decir, basándose en visualizaciones anteriores, interacciones con el contenido, búsquedas y popularidad entre otros usuarios, la plataforma nos recomienda vídeos al entrar en ella o cuando finalizamos una reproducción, para que sigamos consumiendo nuevos vídeos y permanezcamos el mayor tiempo posible en ella.
• LinkedIn utiliza los algoritmos de recomendación para mostrar a sus usuarios ofertas de trabajo basadas en sus datos y sugerencias de otros perfiles de usuario para ampliar la red de posibles contactos.
• Facebook, Instagram o X utilizan los algoritmos para mostrar publicaciones que pueden ser de nuestro interés, no solo basadas en los usuarios a quienes seguimos, sino también de usuarios con publicaciones similares o con contenidos que pueden resultar de nuestro interés.

¿Son los algoritmos de recomendación un riesgo para la privacidad?

Los algoritmos de recomendación no son, per se, un riesgo para la privacidad, pero sí que suponen, para algunos usuarios, una invasión de la privacidad, puesto que para poder hacer recomendaciones más precisas y acertadas, es necesario recopilar y analizar grandes cantidades de datos personales, lo que sí puede suponer un cierto nivel de pérdida de privacidad.

Los datos que se recogen para el uso de estos algoritmos pueden incluir información de todo tipo; preferencias, historial de navegación, localización geográfica, hábitos de consumo, hábitos de navegación, compras pasadas, contenidos vistos, reseñas, comentarios, etc.

Cuando esta información se recaba de acuerdo a la normativa de protección de datos, con transparencia y contando con el consentimiento expreso de los usuarios, así como cumpliendo con los requisitos de la Ley de Servicios Digitales para el uso de algoritmos por parte de las grandes plataformas, los riesgos para la privacidad se minimizan (o deberían minimizarse, al menos), y habrá usuarios que acepten el uso de estos algoritmos para recibir información y recomendaciones más cercanas a sus intereses, mientras que otros preferirán que no sea así, para evitar que grandes plataformas y otros actores de menor tamaño, puedan tener acceso a información personal, tanto de forma directa como inferida de los datos recogidos.

El uso de algoritmos de recomendación es una forma de tratamiento automatizado de datos personales y por ello es fundamental que quienes los usan, cumplan con la normativa de protección de datos; los usuarios o compradores deben saber para qué se usarán sus datos, si estos van a usarse para hacer recomendaciones en el futuro, mostrar anuncios personalizados o comunicarse a terceros para funciones similares.

Por su parte, la Ley de Servicios Digitales implica que los usuarios deben saber cómo funciona el algoritmo de recomendación, en qué datos se basa, además de tener la posibilidad de desactivarlo.

Otros riesgos de los algoritmos personalizados

Aparte de la privacidad, los algoritmos de recomendación también presentan otros riesgos y desafíos, muchas veces relacionados con la exactitud de los datos (clave para que los algoritmos funcionen de la forma deseada) y con los malos usos de la inteligencia artificial (sean estos intencionales o consecuencia de una falta de previsión y negligencia por parte de las plataformas y sitios online que los usan o desarrollan):

• Sesgo y polarización: Los algoritmos de recomendación pueden reforzar sesgos y comportamientos preexistentes y reforzar la polarización en la sociedad. Por ejemplo, si un usuario solo consume un tipo específico de contenido, el algoritmo puede seguir recomendándole más de lo mismo, creando una especie de «cámara de eco» que limita la exposición a diferentes perspectivas o ideas.
• Limitación del contenido ofrecido: Los algoritmos de recomendación pueden limitar la actividad de exploración de los usuarios, que se «quedan» con lo que la plataforma les ofrece como contenido sugerido, esto limita enormemente los contenidos a los que están expuestos los usuarios, de manera que hay contenidos que nunca serán vistos ni buscados. No es que el contenido no esté, sino que no se sugiere a los usuarios, lo que virtualmente lo hace invisible.
• Dependencia excesiva en las recomendaciones: En línea con el punto anterior, los usuarios pueden volverse dependientes de las sugerencias generadas por algoritmos y dejar de explorar contenido o productos de manera independiente. Esto puede reducir la diversidad de experiencias y limitar la creatividad o el descubrimiento de nuevos intereses.
• Manipulación comercial: Los algoritmos pueden ser utilizados para priorizar productos o contenidos patrocinados, lo que no siempre coincide con los intereses reales del usuario. Esto podría llevar a que las recomendaciones se vuelvan menos útiles y más centradas en los beneficios comerciales de la plataforma.

En conclusión, los algoritmos de recomendación son herramientas poderosas que pueden mejorar la experiencia de los usuarios, haciendo su navegación por determinadas plataformas y servicios más personalizada y de mayor interés para ellos, pero también requieren una gestión responsable para evitar riesgos relacionados con la privacidad, el sesgo y la manipulación.

Te ayudamos a cumplir la Ley de Protección de Datos

Escríbenos o contacta con nuestras oficinas

He leído y acepto la política de privacidad.