Algoritmos de recomendación: cómo funcionan YouTube, Netflix y Spotify
Los algoritmos de recomendación deciden qué ves en YouTube después de un video, qué serie te sugiere Netflix y qué canciones incluye tu Daily Mix de Spotify. Son responsables de más del 70% del tiempo de visualización en plataformas de streaming, según los propios datos de Netflix.
Filtrado colaborativo: aprende de lo que hacen los demás
El filtrado colaborativo asume que si dos usuarios tienen gustos similares, les gustarán cosas similares. El sistema busca usuarios parecidos a ti (o ítems similares a los que te gustaron) y recomienda lo que ellos valoraron positivamente.
Netflix basa gran parte de su sistema en esta técnica. Si a cien usuarios que completaron Breaking Bad también les encantó Better Call Saul, el sistema lo recomendará a cualquier usuario nuevo que termine Breaking Bad, incluso si no sabe nada más de sus preferencias.
Filtrado basado en contenido: analiza qué consumes
Este enfoque analiza las características del contenido que ya te gustó para encontrar contenido similar. Spotify usa embeddings de audio para identificar canciones con estructuras armónicas, tempos y timbres parecidos a las que escuchas frecuentemente.
La ventaja frente al colaborativo es que funciona bien con contenido nuevo (el problema del cold start) y con gustos de nicho, donde hay pocos usuarios similares con quién compararse.
Sistemas híbridos: lo mejor de los dos mundos
Las grandes plataformas combinan ambos enfoques. YouTube usa una arquitectura de dos fases: primero candidatos (cientos de videos potencialmente relevantes de un corpus de millones) y luego ranking (un modelo de red neuronal profunda que ordena esos candidatos según probabilidad de engagement).
Las señales que pondera YouTube incluyen: tiempo de visualización, historial de búsqueda, interacciones (likes, comentarios, shares), hora del día, dispositivo usado y velocidad de conexión.
El problema del sesgo algorítmico
Los algoritmos de recomendación optimizan para el engagement, no para la satisfacción a largo plazo ni el bienestar del usuario. Esto crea burbujas de filtro (solo ves contenido que confirma tus creencias) y puede llevar a radicalización en plataformas de noticias y vídeo.
En 2026 hay presión regulatoria creciente en Europa para que las plataformas ofrezcan alternativas al algoritmo por defecto y expliquen por qué recomiendan contenido específico.
Cómo influir en lo que te recomiendan
Las señales explícitas (valoraciones, listas de reproducción, búsquedas) tienen más peso que las implícitas (tiempo de visualización, scroll). Marcar como "no me interesa" o "no recomendar este canal" retroalimenta el modelo directamente. Mantener activas distintas cuentas para distintos contextos (trabajo, ocio, niños) evita que un modo contamine las recomendaciones del otro.
Preguntas frecuentes
¿Los algoritmos de recomendación son iguales en todas las plataformas? No. Cada plataforma optimiza para métricas distintas: YouTube para tiempo de visualización, Spotify para streams completos, Netflix para horas de contenido consumido y retención de suscriptores.
¿Se puede engañar al algoritmo de YouTube? Temporalmente sí, pero los algoritmos de detección de spam e inflación artificial de métricas son cada vez más sofisticados y las penalizaciones pueden ser permanentes.