Las recomendaciones de Twitch han cambiado para mejor

Es un problema difícil de resolver, pero Tom Verrilli y su equipo están en camino de arreglarlo

Siempre estoy buscando corrientes de Twitch fuera de los caminos trillados, y hoy, un amigo me recomendó una grandiosa: un mecánico que se corre a sí mismo arreglando coches en Twitch. (El audio también es sorprendentemente claro.) Hoy he visto durante un rato cómo reemplazaba la transmisión de un Kia, que tenía su transmisión anterior destruida después de que algo le hiciera un agujero en la autopista. Es el tipo de cosas que siempre trato de encontrar en Twitch: una mirada a la vida de otra persona. Me encanta ver a la gente hacer cosas que nunca podré hacer.

El verano pasado escribí un artículo sobre cómo me costaba descubrir cosas en Twitch; era difícil, dije, porque buscar entre la gran cantidad de serpentinas en Twitch era como intentar navegar por los canales de televisión sin ningún tipo de guía. Desde entonces, se siente sospechosamente como si las cosas hubieran mejorado. Hay una nueva forma de organizar las transmisiones en el menú de navegación, por ejemplo, y ahora puedes ordenarlas por «recomendadas para ti» en lugar de organizar las categorías desde la mayoría de los espectadores a los menos. El carril izquierdo también se ha vuelto más útil. Ahora parece recomendar las secuencias que están actualmente en vivo que son similares a las personas que ya sigo y veo regularmente.

Eso, como resulta, es el resultado de mucho trabajo duro. El otro día, hablé con Tom Verrilli, un gerente de producto y el jefe del equipo de experiencia de espectadores de Twitch. Su trabajo consiste en averiguar cómo conectar a los espectadores con las serpentinas; él es el tipo que está averiguando cómo encontrar las serpentinas y hacer que los espectadores las encuentren más fácilmente. Los problemas, dice, son tres: primero, Twitch tiene una infinidad de contenido. Segundo, todo ese contenido, toda esa gente, está en vivo. Tercero, los canales son personas; no son unidades intercambiables. «Twitch tiene 1.000 veces más streamers que cualquier plataforma de vídeo tiene tipo de películas, programas de televisión, piezas individuales de contenido», dice. «Así que toneladas de personas han experimentado el problema de ‘pasar 30 minutos tratando de encontrar una película para ver’ de los servicios de streaming. Tenemos eso en los esteroides». Debido a que Internet, como señala, es una plataforma «a la carta», funciona principalmente con contenido pregrabado y disponible al instante. Pero si estás en vivo, el problema se magnifica.

PARA HACER RECOMENDACIONES A LOS ESPECTADORES, TWITCH UTILIZA UNA FORMA DE APRENDIZAJE AUTOMÁTICO

Verrilli me dio un ejemplo para poner las cosas en perspectiva. «Si eres uno de esos trabajadores de las serpentinas que transmiten ocho horas al día, siete días a la semana, sólo estás en directo el 33 por ciento del tiempo que alguien está en la plataforma y vienen a buscarte», dice. «Un punto de comparación muy fácil para esto sería como, ¿cómo se vería un motor de búsqueda si dos de las tres veces que busqué The Verge no estuvieras allí? Todo lo que podríamos decir es, sí, The Verge es una cosa que existe, pero no se puede leer ninguno de los artículos en él. Inténtalo de nuevo más tarde.» Es muy diferente a la forma en que la mayoría de nosotros usamos Internet, como cuando estamos aburridos o cuando tenemos un par de minutos de inactividad, es fácil hacer un video como el de YouTube y tomarnos un momento para verlo. No es así con las cosas que están en vivo.

«Existe este tipo de hermosa serendipia que ocurre cuando te encuentras con el canal y la comunidad adecuados para ti en el momento adecuado cuando estabas listo para ello», dice Verrilli. «El trabajo de mi equipo es intentar crear mecánicamente una serendipia del orden de cientos de millones.» Empezaron de cero hace sólo un par de años, dice, pero ahora está empezando a ser fructífero. El porcentaje de videos vistos debido a sus recomendaciones ha subido algo así como el 700 por ciento año tras año, dice. «Estamos empezando a demostrar nuestro valor tanto a los espectadores como a las serpentinas que podemos ayudarles a encontrarse en el momento adecuado». Pero tenemos un largo camino por recorrer».

Para hacer recomendaciones a los espectadores como tú, Twitch utiliza una forma de aprendizaje de la máquina que permite a la máquina averiguar por sí misma lo que le interesa a los espectadores. El equipo de Verrilli apunta el sistema hacia ciertas «características» de las transmisiones, como lo parlanchín que es el público, y la IA determina lo importante que es para los espectadores. Tomemos, por ejemplo, la característica de la velocidad del chat. «¿Con qué frecuencia chatea la gente en el canal que estás viendo? Entonces no pasamos y decimos a los modelos cuánto deben considerar la velocidad de charla para una persona en particular», dice. «Pero el modelo entiende que algunas personas están viendo canales muy hablados y les gusta; otros no. Y luego clasifica los canales como parlanchines o no parlanchines, y puede usar eso como una de las muchas entradas para determinar si esa es la recomendación correcta para hacer cuando llegues». (Otra cosa que tuvieron que ayudar a los modelos a entender fue el concepto de tiempo, porque recomendar una corriente que está casi terminada o una que nunca está en línea en el momento de una recomendación no es muy útil).

Esto puede ser aterrador. En la mayoría de las plataformas – incluyendo Twitch – las recomendaciones impulsan el crecimiento y pueden ser lo que hace que un canal explote sobre otro. Sin embargo, en lo que respecta a Twitch, Verrilli me asegura que el nuevo sistema de recomendaciones es más equitativo que el antiguo. «Conceptualmente, históricamente, hemos tenido la forma menos equitativa de descubrimiento, que siempre ha sido clasificada por grandes y pequeños. Y eso significa que es fantástico si eres una especie de talento de primer nivel, y cada vez más difícil para la gente que no lo es», dice. «El volumen afecta desproporcionadamente al conocimiento». En los últimos dos años, su equipo ha estado trabajando, sin embargo, Verrilli dice que el crecimiento ha ido desproporcionadamente a las comunidades más pequeñas de Twitch. Las grandes siguen creciendo, dice, «pero las recomendaciones nos dan la capacidad de asegurarnos de que haya resultados más equitativos para todos».

Add comment