Enrique Dans

Desde sus orígenes, Twitter ha mantenido una relación muy cercana y también muy compleja con las tecnologías de recomendación. La red que comenzó como una forma de que el usuario pudiese seguir a aquellas personas a las que estimase oportuno evolucionó muy rápido desde los usos más puramente personales – saber qué estaban haciendo unos amigos y conocidos que respondían sencillamente a la pregunta de «¿qué estás haciendo?» – a tener otro tipo de usos menos centrados en lo personal, entre los que se incluían intereses como seguir lo que decían personajes conocidos o medios de información.

La primera fase de la evolución de Twitter culminó cuando prácticamente todo aquello que ocurría en el mundo y tenía un cierto nivel de importancia empezó a tener su reflejo prácticamente inmediato en Twitter. Llegó un momento en que cualquiera que estuviese atento a Twitter con cierto nivel de regularidad y que tuviese un mínimo criterio a la hora de elegir las cuentas a seguir, tenía una impresión de constante déjà vu al ver las noticias en la televisión o leer un periódico: todas las noticias que veía habían aparecido antes – seguramente no con el mismo nivel de detalle o de extensión, pero antes – en su cuenta de Twitter.

Convertida ya en un muestrario de todo lo relevante que ocurre en el mundo segmentado a tantos niveles como usuarios, la segunda fase de Twitter consiste en convertirse en un servicio que sus usuarios aprecien de verdad porque les hace llegar todo aquello que les interesa, en el momento en que ocurre. En algo que te lleve todas las noticias que te interesan, entendiendo el concepto de noticia como un concepto continuo y muy difuso que abarca desde algo que le ha pasado a un amigo hasta una noticia de trascendencia mundial, pasando por todo tipo de cortes imaginables en función de intereses, industrias, personajes, etc.

Es precisamente ahí donde entran las tecnologías de recomendación. La primera iteración de las mismas en Twitter sirvió para algo tan sencillo como tratar de recomendar a un usuario una serie de cuentas a las que seguir. Al principio, Twitter se limitaba a proponer una breve lista de usuarios que recomendaba a todas las nuevas cuentas que llegaban a la red. Después, empezó a segmentarlas por país o idioma, y solo un tiempo después, comenzó a introducir otros algoritmos más complejos, como el filtrado colaborativo en función de las cuentas más seguidas por aquellos a los que ya seguías, etc.

Hasta ese momento, el uso se limitaba a la construcción de red, bajo la lógica de que Twitter no es una red ni buena ni mala, sino tan buena o tan mala como la calidad de la red de personas a las que decides seguir. La percepción del valor que Twitter aporta a un usuario depende casi exclusivamente del conjunto de cuentas a las que ese usuario sigue, de ahí que el énfasis se pusiese en intentar evitar el crecimiento del porcentaje de usuarios que, tras abrirse un cuenta en Twitter debido en muchos casos a sus constantes menciones en medios, acababa por abandonar su cuenta porque no le encontraba valor. Sin embargo, las aplicaciones y posibilidades de las tecnologías de recomendación van mucho más allá, y Twitter lo ha entendido perfectamente. Con adquisiciones de aplicaciones de recomendación como We Are Hunted en música, Spindle en contenidos locales, Trendrr en televisión o Fluther para contenidos de todo tipo, la empresa ha ido construyendo un equipo de especialistas en la materia capaces de dar lugar a la siguiente iteración de la recomendación, que debería cristalizarse en un servicio capaz de poner delante de tus ojos todo aquello que ocurra a cualquier nivel de trascendencia, en cualquier lugar del mundo, que de alguna manera sepa que te puede resultar relevante. De ahí, lógicamente, se podría pasar a la explotación de ese medio sazonándolo adecuadamente con otro tipo de recomendaciones, como las puramente publicitarias o las de referencia de compras de todo tipo, que llevan meditándose en la compañía desde ya hace un largo tiempo.

Ayer, Twitter presentó una cuenta experimental, Magic Recs, que promete enviar recomendaciones instantáneas y personalizadas de usuarios y contenido a sus seguidores a través de mensajes directos (DM). El experimento, que por el momento cuenta únicamente con unos trece mil seguidores, permite por un lado que Twitter compruebe el nivel de interés y la recepción que este tipo de recomendaciones tienen en sus usuarios, y por otro, probar el uso de un canal, el DM, que ofrecería un nivel diferente de sensibilidad: en el futuro, podríamos especular con que un usuario decidiese utilizar un sistema de recomendación para asegurarse de que determinados temas o personas aparecen destacados en su timeline, pero otros lleguen a su buzón en forma de DM, permitiendo así establecer niveles de criticidad en el aviso. Twitter, convertido en una especie de radar personalizado de lo que ocurre en el mundo, en la herramienta que te hace llegar aquello que consideras relevante.

Por supuesto, en las tecnologías de recomendación existen muchas más posibilidades. Además de los intereses declarados por el usuario a través de la elección de cuentas a las que seguir, de temas escogidos de una lista o de una definición geográfica determinada, se pueden introducir en el análisis cuestiones sociales, como por ejemplo, evitar que te pierdas algo que ha ocurrido y que está siendo muy comentado entre el grupo de personas que sigues, una forma de evitar el famoso FoMO, Fear of Missing Out. También se puede trabajar con las funciones reactivas, midiendo el nivel de respuesta a tweets con determinados términos o temáticas, algo parecido a los algoritmos semánticos utilizados por Klout para establecer los topics en los que se supone influencia a cada usuario, así como combinar varios de estos elementos utilizando algoritmos de análisis multivariante o de machine learning.

Obviamente, Twitter no vale lo mismo siendo simplemente una red por la que pasan todos los temas que ocurren en el mundo, que consiguiendo de alguna manera acercar esos temas de manera relativamente organizada a todos aquellos a los que les interesan. Un servicio así podría, seguramente, terminar por ser considerado casi imprescindible para una amplia variedad de perfiles de usuarios. Las posibilidades en tecnologías de recomendación son casi ilimitadas, y muchas están tan solo en las primeras fases de su experimentación. Si algo parece claro en el caso de Twitter es que ha tratado, mediante adquisiciones y desarrollos propios, de establecer un equipo sólido de cara a trabajar en esa temática, de la que muy posiblemente depende una gran parte de su futura proyección como generador de valor en todos los sentidos.

(This post is also available in English in my Medium page, “Twitter and the potential of recommendation technologies«)