Así es el algoritmo de TikTok que engancha a 1.000 millones de usuarios cada mes

The New York Times accede a un documento interno de TikTok que explica cómo funcionan los algoritmos de la plataforma y cuáles son las métricas que priman

TikTok fue creada para capturar y compartir la creatividad de todas las personas.
TikTok es una de las redes sociales que más rápido ha crecido en los últimos años. FOTO: La Razón La Razón

Con 1.000 millones de usuarios cada mes, TikTok se ha convertido en la “app” de vídeo más exitosa del mundo y un fenómeno social capaz de mantener enganchados a sus usuarios sin que lleguen a cansarse del “feed” casi infinito de vídeos que les ofrece. Aunque circunscribir su éxito a un solo aspecto es aventurado, los algoritmos que deciden los vídeos que TikTok muestra al usuario son un elemento fundamental en el éxito de la “app”. Ahora conocemos un poco más sobre como funcionan gracias a un documento interno de la compañía al que ha tenido acceso The New York Times y cuya autenticidad ha sido confirmada por TikTok.

Se trata de un documento producido por el equipo de ingeniería de TikTok en Beijing, escrito para explicar a los empleados no técnicos cómo funciona el algoritmo y que ha llegado al medio gracias a un empleado descontento con la compañía por la permisividad con contenido “triste” que puede empujar a autolesionarse a algunos usuarios.

Tal y como la plataforma ha comentado en algunas ocasiones, el sistema de recomendaciones tiene en cuenta factores como los “likes”, los comentarios e información propia del vídeo como subtítulos, sonidos y el uso de “hashtags”. Pero, lógicamente, el funcionamiento es más complejo.

El documento filtrado se titula “TikTok Algo 101″ y señala cuatro objetivos principales para el algoritmo de la “app”: “valor del usuario”, “valor del usuario a largo plazo”, “valor del autor” y “valor de la plataforma”. Indica que el objetivo último de la plataforma es continuar aumentando los usuarios diarios activos en TikTok y para lograrlo optimiza principalmente dos métricas: “retención”, cuando el usuario sigue regresando a la plataforma y “tiempo usado”.

El sistema interno de calificación de los vídeos depende de una ecuación que tiene en cuenta la información de “likes”, comentarios y tiempo de reproducción para que un sistema de aprendizaje automático (“machine learning”) otorgue una puntuación. La ecuación, tal y como aparece en el documento original, es la siguiente:

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”.

TikTok procura evitar la desnaturalización de los resultados de sus algoritmos. Por ejemplo, evita los vídeos en los que el creador piden a sus seguidores que le den “likes” y también valora aspectos más sutiles a la hora de calificar internamente los vídeos.

Por ejemplo, el documento señala que “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”.

Y otro ejemplo, “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.”

¿Y cómo evita TikTok que sus usuarios no se aburran de ver infinidad de vídeos? “Hay dos soluciones para este problema”, continúa el documento. “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”.

Frente al indiscutible éxito del sistema de recomendaciones de TikTok, algunos especialistas advierten de los peligros que algoritmos tan eficaces plantean. En la misma pieza de The New York Times, Guillaume Chaslot, fundador de Algo Transparency, un grupo que ha estudiado el sistema de recomendaciones de YouTube e investiga su efecto en los niños, señala sobre el documento interno de TikTok que “este sistema significa que el tiempo de vigilancia es clave. El algoritmo intenta que la gente se vuelva adicta en lugar de darle lo que realmente quiere. Me parece una idea descabellada dejar que el algoritmo de TikTok dirija la vida de nuestros hijos. De cada vídeo que ve un niño, TikTok obtiene información sobre él. En pocas horas, el algoritmo puede detectar sus gustos musicales, su atractivo físico, si está deprimido, si puede estar metido en las drogas y mucha otra información sensible. Existe un alto riesgo de que parte de esta información se utilice en su contra. Podría usarse para microfocalizarlo o hacerlo más adicto a la plataforma”.

Julian McAuley es otro especialista que ha revisado el documento interno de TikTok a petición del medio y se muestra menos impresionado. Indica que la descripción de su funcionamiento es “tradicional” y que la ventaja de TikTok proviene de la combinación del aprendizaje automático con “fantásticos volúmenes de datos, usuarios muy comprometidos y un entorno en el que los usuarios son proclives a consumir contenidos recomendados por el algoritmo (¡piensa en cuántos otros entornos reúnen todas estas características!) No se trata de magia algorítmica”.