El sistema de recomendación toma en cuenta factores como Me gusta, comentarios e información de video como subtítulos, audio y contenido usando hashtags
Con mil millones de usuarios mensuales, TikTok se ha convertido en la “aplicación” de video más exitosa del mundo y en un fenómeno social que tiene la capacidad de hacer adictos a los usuarios sin aburrirse con el flujo casi interminable de videos. Si bien limitar el éxito a un aspecto es arriesgado, los algoritmos que deciden qué videos muestra TikTok a los usuarios son fundamentales para el éxito de la aplicación. Ahora sabemos un poco más sobre el funcionamiento gracias a un documento interno de la empresa al que accedió el new york times y cuya autenticidad ha sido confirmada por TikTok.
Este es un documento elaborado por el equipo de ingeniería de TikTok en Beijing, escrito para explicar al personal no técnico cómo funciona el algoritmo y quién ha logrado resultados promedio por parte de un empleado descontento con la empresa por ser indulgente con el contenido “peligroso” que lleva a que algunos usuarios se autolesionen. Como la plataforma comentó varias veces, el sistema de recomendación toma en cuenta factores como “me gusta”, comentarios e información de video como subtítulos, audio y contenido usando “hashtags” # “. Pero, lógicamente, el funcionamiento es más complejo.
Documento oficial llamado TikTokAlgo101
El título del documento filtrado es “TikTokAlgo101″, que describe los cuatro objetivos principales del algoritmo de la “aplicación”:
– Valor del usuario.
– Valor del usuario a largo plazo.
– Valor del autor.
– Valor de la plataforma.
Esto muestra que el objetivo final de la plataforma es seguir aumentando la cantidad de usuarios activos en TikTok todos los días y, para lograrlo, optimiza principalmente dos métricas: “Retención” y “tiempo de uso” a medida que el usuario continúa regresando a la plataforma.
El sistema de clasificación interno del video se basa en ecuaciones que permiten que los sistemas de aprendizaje automático tengan en cuenta los “me gusta”, los comentarios y la información del tiempo de reproducción para la puntuación. La fórmula del documento original es:
Plike X Vlike + Pcomment X Vcomment + Eplaytime X Vplaytime + Pplay X Vplay
“El sistema de recomendación da una puntuación a todos los vídeos basándose en esta ecuación, y devuelve a los usuarios los vídeos con las puntuaciones más altas”, indica el documento. “En aras de la brevedad, la ecuación mostrada en este documento está muy simplificada. La ecuación real que se utiliza es mucho más complicada, pero la lógica subyacente es la misma”, explica el comunicado oficial.
TikTok intenta evitar falsificar los resultados de sus algoritmos. Por ejemplo, evita los videos en los que los creadores piden “me gusta” a sus seguidores y también valoran los aspectos más sutiles de calificar videos internamente.
El documento señala lo siguiente: “algunos autores pueden tener algunas referencias culturales en sus vídeos y los usuarios sólo pueden entender mejor esas referencias viendo más vídeos del autor. Por lo tanto, el valor total de que un usuario vea todos esos vídeos es mayor que los valores de ver cada vídeo individual sumado”.
Cómo hace TikTok para que los usuarios no se aburran con una infinidad de videos
El documento explica que “si a un usuario le gusta un determinado tipo de vídeo, pero la aplicación sigue ofreciéndole el mismo tipo, se aburriría rápidamente y cerraría la aplicación. En este caso, el valor total creado por el usuario al ver el mismo tipo de vídeos es menor que el de ver cada vídeo individual, porque la repetición lleva al aburrimiento.”
Por ello, TikTok tiene dos soluciones para no llevarle a sus usuarios el mismo contenido varias veces: “hacer algunas suposiciones y desglosar el valor en la ecuación de valor. Por ejemplo, en cuanto a la exposición repetida, podríamos añadir un valor ‘same_author_seen’, y para el tema del aburrimiento, también podríamos añadir un valor negativo ‘same_tag_today’. Otras soluciones además de la ecuación de valores también pueden funcionar, como la recomendación forzada en el “feed” de los usuarios y la dispersión, etc. Por ejemplo, el tema del aburrimiento puede resolverse mediante la dispersión”. Infobae