Recomendador 'Para Ti' en una App de Audio y Podcasts
Una app de audio con 6M de usuarios y 400.000 episodios observa que el 80% de las escuchas se concentra en el 2% del catálogo. Los usuarios que no encuentran algo nuevo en su primera semana abandonan. El Head of Product quiere una pantalla 'Para ti' que aumente los minutos escuchados y la retención a 30 días.
De dónde sale el dinero
Qué hacer ahora
- 1Conocer el coste por minuto de cada tipo de contenido.
- 2A/B test de la pantalla "Para ti" frente a la portada actual.
- 3Añadir margen de contenido y diversidad al ranking.
Para llevar al comité
Una página con la decisión, el impacto, los riesgos, los pasos y el KPI de seguimiento.
Se abre la ventana de impresión: elige "Guardar como PDF".
Ojo: más volumen no siempre es más beneficio
Más minutos no siempre es más beneficio: si recomiendas contenido con royalties caros, el coste crece con el uso. Equilibra retención con coste por minuto del contenido recomendado.
KPI para el comité
Retención D30 y margen por usuario activo.
Detalle para tu equipo de datos
Técnica propuesta: Filtrado Colaborativo
Por qué: Con millones de interacciones, el comportamiento colectivo es la mejor señal: usuarios con escuchas parecidas comparten gustos. El filtrado colaborativo (factorización de matrices) descubre gustos latentes que ningún metadato describe y escala a catálogos enormes.
Coste de equivocarse: Malas recomendaciones = sesiones cortas y abandono temprano. Recomendaciones demasiado seguras = burbuja que reduce el descubrimiento y la diversidad del catálogo.
Datos necesarios: Eventos de escucha: usuario, episodio, segundos escuchados, si lo terminó, saltos.; Guardados, compartidos y suscripciones a programas.; Metadatos de episodios: categoría, duración, idioma, transcripción.