¿Qué Algoritmo Usa La Red Social Para Recomendar Contenido?

Hace rato que sigo a Eloy Chaves y puedo decir con bastante seguridad qué redes utiliza para su contenido. Principalmente está en Instagram, donde sube fotos, historias y Reels con fragmentos del día a día y avances de proyectos. YouTube es otro pilar: ahí publica vídeos largos, vlogs y también Shorts para llegar a quien busca contenido más extenso o entrevistas. TikTok lo usa para clips rápidos y trends que funcionan bien con su estilo más directo. Además, mantiene presencia en X (antes Twitter) para actualizaciones instantáneas y conversaciones con seguidores, y suele usar Twitch o plataformas de streaming cuando hace transmisiones en vivo o sesiones interactivas. Para comunidad y soporte más cercano tiene canales en Discord o Telegram y suele ofrecer suscripciones en Patreon o funciones de membresía de YouTube para contenido exclusivo. En resumen, su estrategia mezcla formatos cortos y largos, transmisiones en directo y espacios comunitarios, lo que le permite conectar en distintos niveles con su audiencia; eso es lo que más me gusta de cómo gestiona su presencia.

Me llama la atención cómo muchas plataformas terminan favoreciendo un paso operativo llamado «acotar orden» dentro del flujo de recomendaciones: no es un capricho técnico, sino una pieza práctica para equilibrar lo que el sistema cree que quiere el usuario con restricciones reales del producto. En mi experiencia viendo y siguiendo recomendaciones, esto se nota cuando una lista no solo muestra lo más popular, sino que reordena para respetar cosas como continuidad narrativa (p. ej. que no te salte el siguiente episodio de una serie), frescura (lo recién emitido) y diversidad para que no veas cinco títulos casi idénticos seguidos. Ese reordenamiento es lo que suele llamarse acotar orden: aplicar reglas y penalizaciones que limitan el orden puramente impulsado por la puntuación de relevancia. Pienso en ello también desde la métrica: si un motor solo optimizara clicks instantáneos, terminarías con listas llenas de títulos sensacionalistas que no retienen al público. Acotar orden permite optimizar objetivos compuestos —CTR, watch time, retención y satisfacción a largo plazo— mediante restricciones que priorizan estabilidad, evitar sesgos de posición y distribuir exposición entre creadores. Técnicamente, suele funcionar como una capa de reranking sobre las candidatas: primero se generan muchas opciones personalizadas y luego se aplica acotar orden para cumplir reglas (por ejemplo, evitar repetir el mismo género tres veces, priorizar contenidos con licencia disponible, o respetar la secuencia de una saga). Esto ayuda también con aspectos de negocio como rotación de catálogo y fairness: dar visibilidad a títulos nuevos o a contenido de pequeños creadores que de otro modo quedarían sepultados. Por último, lo veo como una decisión basada en pruebas A/B y experiencia de usuario. Muchas empresas prueban versiones sin acotar orden y versiones con distintos conjuntos de reglas; casi siempre la versión con restricciones balanceadas mejora métricas de retención y reduce quejas de usuarios por recomendaciones “raro/irrelevante”. En el día a día, como espectador, agradezco cuando la lista me guía lógicamente: me recuerda dónde me quedé en una serie como «Stranger Things», me introduce a algo nuevo sin saturarme y evita spoilers al separar resultados por orden lógico. En definitiva, priorizar acotar orden es apostar por recomendaciones más humanas y sostenibles, no solo por picos temporales de atención.

Me fascina cómo Camila Sosa se mueve entre plataformas y saca partido a cada una: en Instagram suele publicar fotos cuidadas, reels con fragmentos de sus proyectos y stories más espontáneos donde muestra el detrás de cámara. Allí veo mucho contenido visual y personal, desde sesiones de fotos hasta pequeños clips promocionales; es ideal para seguir su estética y novedades rápidas. En TikTok, en cambio, apuesta por videos cortos, retos y formatos virales donde su voz y expresividad quedan al frente; esos clips suelen tener mayor interacción inmediata y comentarios divertidos. En YouTube publica material más largo: vlogs, entrevistas, breakdowns de proyectos o episodios completos si hace formatos de ficción o series propias. También suele usar X (antes Twitter) para anuncios breves, reflexiones rápidas o hilos donde desarrolla ideas en texto. Y si se mete a lives, suele elegir Twitch o Instagram Live para interactuar en tiempo real, responder preguntas y mostrar procesos creativos: esa cercanía en vivo cambia totalmente la experiencia. Personalmente disfruto ver cómo adapta el mismo contenido a cada red, y siempre me deja con ganas de más.

Me llama mucho la atención cómo los algoritmos pueden convertir una serie desconocida en un fenómeno. Desde mi experiencia maratonera, he visto cómo una recomendación bien colocada en la página principal o en la fila de “Porque te gustó” dispara la curiosidad: un vistazo, un episodio y de repente todo el mundo habla de esa serie. Los algoritmos basan sus decisiones en señales claras —tiempo de reproducción, completado de episodios, reacciones y cuánta gente comparte el contenido—, y cuando esos números empiezan a subir, la plataforma refuerza la promoción. Eso crea una retroalimentación poderosa que convierte los picos iniciales en tendencias sostenidas. No obstante, también noto que hay mucha competencia por ese empujón inicial. Las plataformas suelen combinar recomendación automática con curación editorial y alianzas comerciales: hay series que reciben empuje por campañas de marketing y otras que escalan orgánicamente porque engancharon rápido. Por ejemplo, he visto títulos como «Stranger Things» y «El Juego del Calamar» multiplicarse gracias a una mezcla de expectativa previa y algoritmos que detectaron alta retención. Para nuevas series, el reto es superar el “cold start”: sin datos, el sistema no sabe a quién mostrarlas, así que a veces las joyas se quedan escondidas hasta que alguien influyente las eleva. En resumen, creo que sí, las recomendaciones algorítmicas promocionan series nuevas, pero no de manera neutral: favorecen lo que ya genera interacción y se entrelazan con decisiones humanas y comerciales. Eso puede ser fantástico si la serie engancha desde el principio, pero también deja fuera propuestas que necesitan más tiempo para encontrar su público; por eso me entusiasma cuando veo que una recomendación descubre algo inesperado para mí.

Me llama la atención cómo los creadores que sigo distribuyen su material exclusivo y Justin Greenwood no es la excepción: suele usar plataformas de membresía como Patreon para contenido tras bambalinas, fotos de alta resolución y pequeñas series exclusivas. En Patreon suele ofrecer niveles con distintos beneficios: desde acceso temprano a sus vídeos hasta archivos de alta calidad y votaciones para decidir temas futuros. Además, mantiene canales privados en Discord vinculados a esas membresías donde comparte avances, notas personales y hace sesiones de Q&A solo para mecenas. También utiliza Twitch para streams con acceso para suscriptores y clips exclusivos, y en Instagram suele tener la opción de 'Close Friends' donde comparte historias y fotos que no aparecen en su feed público. Personalmente disfruto esa cercanía: se siente como formar parte de una comunidad pequeña y auténtica.

Me fascina cómo los algoritmos equilibran lo predecible y lo nuevo en mi feed. Siento que el famoso 80/20 no es una cifra mágica sino una regla práctica: alrededor del 80% de lo que me muestran son cosas que ya conectan con mis gustos (estilos, creadores, formatos que consumo), y el otro 20% es ese empujón para explorar algo distinto. Esa mezcla mantiene mi atención sin aburrirme, porque siempre hay confianza en lo conocido y curiosidad por lo inesperado. Desde mi punto de vista, ese reparto surge de pruebas constantes y de métricas muy claras —tiempo de reproducción, tasa de clic, regreso a la app—; la plataforma prioriza lo que retiene a la mayoría y mete una porción de riesgo para captar nuevos intereses. Me mola cuando me sorprenden con algo bueno, pero también entiendo por qué me siguen mostrando lo que ya me funciona: es la forma más segura de que yo siga volviendo.