La Inteligencia Artificial se ha colado en nuestras vidas. Esta es una realidad de la que, poco a poco, la sociedad en su conjunto es cada vez más consciente. Y es que las plataformas y dispositivos que utilizamos diariamente basan su funcionamiento en algoritmos de IA. Una de esas plataformas es Spotify, la famosa compañía de suministro de contenido en audio (canciones, podcast, etc) utiliza la IA de forma constante con el objetivo de optimizar sus datos y ofrecer mejores experiencias para los usuarios, pero, ¿en qué puntos está implementada concretamente? Flavia García, ingeniera de Machine Learning en Spotify, se ha encargado de desgranar algunos de los detalles en el último webinar de Spain AI.
En primer lugar, es importante destacar que aunque García actualmente forma parte del equipo de IA de Spotify, previamente ha desarrollado su actividad profesional en otras grandes corporaciones como Deloitte o EA Games. A nivel de formación, cursó sus estudios de Ingeniería de Telecomunicaciones en la Universidad Carlos III de Madrid y posteriormente ha cursado un máster en Machine Learning en la KTH Royal Institute of Technology de Estocolmo.
A pesar de que Spotify es una compañía de conocido prestigio a nivel internacional, García comenzó su sesión explicando algunas de sus características con el objetivo de ubicar a todos los espectadores en la misma línea conceptual y temporal. De hecho, resaltó la importancia de la personalización de los contenidos en base al país. Tal y como afirmó García, Spotify quiere que se la perciba como «una compañía global que se percibe como local«, es decir, que en base a tu localización percibas contenidos que pueden ser exclusivos y/o característicos de tu región.
Tras dicha introducción, García explicó que ella se encuentra en el área de trabajo denominada «freemium», concretamente en la tribu «ADA» en el área de mensajería. Su función principal es enviar mensajes que ayuden a optimizar la experiencia de los usuarios en la apps. Para ello, cuentan con tres recursos principales:
- Notificaciones push.
- Envío de mailing.
- In app messages.
Desde este equipo, trabajan con Machine Learning de diferentes formas. En esta ocasión, García explico dos proyectos concretos:
Tabla de contenidos
Cold Start
Se trata de un sistema de recomendación que hace acto de presencia cuando comienzas tu experiencia con la plataforma. Cuando inicias tu interacción con Spotify, la compañía apenas tiene datos sobre tus gustos y preferencias, sin embargo, aun así te hace una recomendación en base a la poca información que ha podido recabar en base a tus años y lo que ha podido extraer de tu teléfono. Este modelo de predicción funciona en base a NLP, «por muy raro que pueda parecer» destaca García.
IAM Protection
Este proyecto se basa en un uplift model, y hace acto de presencia cuando aparecen los mensajes «in app» que destacábamos anteriormente. Para entender este modelo es preciso entender la historia que hay detrás del uso de los «in app messages». Como destaca García, tras varias investigaciones realizadas por expertos en data science de la compañía, se detectó que la aparición de estos mensajes resultaba tan molesta que muchos usuarios optaban por dejar de usar la aplicación, aunque a nivel de suscripción tenía un impacto positivo. Una reacción que demostraba que la experiencia de usuario estaba siendo del todo negativa en lo que a usuarios activos (MAU – Monthly Active Users) se refería. Por ello, para intentar paliar la reacción que afectaba a la métrica de los MAU, decidieron crear el IAM Protection model, basado en Machine Learning.
Con este modelo de ML, Spotify filtra en base a cómo reacciona el usuario a este tipo de mensajes. En líneas generales, si la reacción es negativa, no les molestaremos más y si es neutral o positiva sí le seguiremos enviando este tipo de mensajes con recomendaciones en base a sus gustos. Actualmente el proyecto no está en producción, solo se trata de un experimento. En este sentido, García hace especial hincapié en la necesidad de seguir iterando y mejorándolo, ya que a penas llevan un año trabajando en él.
Una vez finalizada la presentación de los casos de Machine Leanring, García dió paso a la materialización end-to-end de los proyectos de ML en Spotify.
Y es que, ¿no te has quedado con ganas de ver cómo se aplica la IA de principio a fin en un conglomerado como Spotify? Si es así, te animamos a que veas el webinar entero, seguro que así lo disfrutas mucho más. ¡Esperamos que lo disfrutes! 🙂