¿Cómo utiliza Spotify la Inteligencia Artificial?

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 con base en el país. Tal y como afirmó García, Spotify quiere que se la perciba como una compañía global que se percibe como local, es decir, que basándose en 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.

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 basándose en la poca información que ha podido recabar basándose en tus años y lo que ha podido extraer de tu teléfono. Este modelo de predicción funciona con base en 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 con base en 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 con base en
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.