{"id":172733,"date":"2026-02-18T21:57:50","date_gmt":"2026-02-18T20:57:50","guid":{"rendered":"https:\/\/liora.io\/es\/?p=172733"},"modified":"2026-02-25T13:47:57","modified_gmt":"2026-02-25T12:47:57","slug":"algoritmo-de-recomendacion-que-es","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/algoritmo-de-recomendacion-que-es","title":{"rendered":"Algoritmo de recomendaci\u00f3n: \u00bfQu\u00e9 es? \u00bfC\u00f3mo funciona?"},"content":{"rendered":"\n<p><strong>Cuando YouTube nos recomienda v\u00eddeos que encajan con nuestras inquietudes del momento, cuando Amazon nos sugiere productos que podr\u00edan interesarnos, \u00bfqu\u00e9 est\u00e1 actuando detr\u00e1s? Los algoritmos de recomendaci\u00f3n. Sistemas de gran sofisticaci\u00f3n cuyo objetivo es personalizar cada vez m\u00e1s la experiencia del usuario. Con el riesgo de generar efectos de polarizaci\u00f3n no siempre deseables y de plantear interrogantes sobre el cruce masivo de datos personales procedentes de m\u00faltiples fuentes.<\/strong><\/p>\n\n\n\n<p>Cuando empresas como <a href=\"https:\/\/liora.io\/es\/amazon-quicksight-q-una-herramienta-business-intelligence-que-compite-con-power-bi\">Amazon<\/a>, <a href=\"https:\/\/liora.io\/es\/google-dorks-que-son\">Google<\/a> o <strong>Facebook <\/strong>irrumpieron en el mundo de Internet y lograron consolidarse donde decenas de miles de start-ups fracasaron, se enfrentaron a un desaf\u00edo clave: \u00bfc\u00f3mo fidelizar al visitante? \u00bfC\u00f3mo conseguir que quiera volver y, en el caso de los medios digitales o las plataformas de streaming, que permanezca el mayor tiempo posible?<\/p>\n\n\n\n<p>Mientras exploraban este territorio pr\u00e1cticamente virgen, <strong>los gigantes de la web<\/strong> desarrollaron nuevas estrategias para captar y retener al usuario mediante algoritmos de recomendaci\u00f3n.<\/p>\n\n\n\n<p>Estos algoritmos se desarrollaron con el objetivo de:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Hacer la experiencia del usuario lo m\u00e1s agradable posible;<\/li>\n\n\n\n<li>Presentar al visitante un contenido que se ajuste lo m\u00e1s posible a lo que desea descubrir;<\/li>\n\n\n\n<li>Incrementar el rendimiento de varios indicadores clave (duraci\u00f3n de visionado de video, tiempo de lectura, gasto promedio, etc.);<\/li>\n\n\n\n<li>Filtrar la informaci\u00f3n de manera que se adapte a cada uno.<\/li>\n<\/ul>\n\n\n\n<p>La palabra clave aqu\u00ed es: <b>personalizaci\u00f3n<\/b>. Para un medio como Facebook, esto representa una haza\u00f1a. M\u00e1s de <b>dos mil millones de usuarios se benefician de un feed de noticias \u00fanico y actualizado<\/b> a cada segundo.<\/p>\n\n\n\n<p>Observemos tambi\u00e9n el caso de YouTube. El l\u00edder de video en l\u00ednea almacena miles de millones de videos y recibe nuevos cada d\u00eda. Sin embargo, cuando te conectas a YouTube, esta plataforma solo te recomienda unas pocas decenas de clips, con una selecci\u00f3n que cambia en cada visita, pero que se esmera \u2013no siempre de manera muy sutil, es verdad\u2013 por <b>proponerte un programa que pueda captar tu inter\u00e9s<\/b>. \u00bfC\u00f3mo procede YouTube para proponerte contenidos que te hagan regresar y descubrir a\u00fan m\u00e1s videos? Principalmente <b>combinando los temas<\/b> de tu inter\u00e9s en un momento dado con los de otros usuarios que presentan un perfil similar al tuyo.<\/p>\n\n\n\n<p>Todos los grandes actores digitales r\u00e1pidamente captaron las oportunidades que brindaba el vasto reservorio de <a href=\"https:\/\/liora.io\/es\/data-quality-por-que-es-tan-importante\">datos de los internautas<\/a>. Hoy en d\u00eda, estos algoritmos de recomendaci\u00f3n son implementados por un gran n\u00famero de sitios web. Est\u00e1n dise\u00f1ados para identificar en todo momento nuevos contenidos apropiados. Los ejemplos m\u00e1s conocidos son:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Los posts o las sugerencias de amistad de Facebook, Instagram o Twitter;<\/li>\n\n\n\n<li>Los productos recomendados por Amazon o Alibaba;<\/li>\n\n\n\n<li>Los clips propuestos por YouTube o TikTok;<\/li>\n\n\n\n<li>Los art\u00edculos destacados por sitios de noticias;<\/li>\n\n\n\n<li>Los destinos y actividades sugeridas por sitios de viajes como Booking y TripAdvisor.<\/li>\n<\/ul>\n\n\n\n<p>La eficiencia de este enfoque es indiscutible. Por ejemplo, en Netflix, <b>el 80% de las pel\u00edculas m\u00e1s vistas son el resultado de los algoritmos de recomendaci\u00f3n<\/b><\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/es\/nuestros-cursos-de-data\">Todo sobre algoritmos<\/a><\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-como-operan-los-algoritmos-de-recomendacion\">\u00bfC\u00f3mo operan los algoritmos de recomendaci\u00f3n?<\/h2>\n\n\n\n<p>\u00bfC\u00f3mo proceden los gigantes de la web para dirigirse de manera tan precisa a cada uno de nosotros? Sus algoritmos de recomendaci\u00f3n utilizan t\u00e9cnicas de filtrado para identificar patrones. Los principales mecanismos puestos en acci\u00f3n son los siguientes.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-el-filtrado-colaborativo\">El filtrado colaborativo<\/h3>\n\n\n\n<p>El filtrado colaborativo (collaborative filtering) es uno de los algoritmos de recomendaci\u00f3n m\u00e1s usados y efectivos. Se basa en la premisa de que si dos personas han disfrutado del mismo contenido en el pasado, probablemente les gusten las mismas cosas en el futuro.<\/p>\n\n\n\n<p>La ventaja del filtrado colaborativo es que <b>no es absolutamente directivo<\/b>. Se basa \u00fanicamente en el historial del usuario. Sin embargo, esta aproximaci\u00f3n tiene el defecto de reducir la diversidad del contenido presentado al internauta. Los usuarios no est\u00e1n expuestos a perspectivas distintas, sino esencialmente a informaci\u00f3n alineada con sus convicciones preexistentes.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-basado-en-el-contenido\">Basado en el contenido<\/h3>\n\n\n\n<p>La aproximaci\u00f3n basada en el contenido (content-based) analiza un conjunto de contenidos sin tomar en cuenta los h\u00e1bitos de otros usuarios. Se enfoca en<b> las similitudes para hacer recomendaciones<\/b>. El tema de un contenido se identifica catalogando las palabras m\u00e1s relevantes y luego compar\u00e1ndolas con las de <a href=\"https:\/\/liora.io\/es\/text-mining-o-mineria-de-textos-definicion-tecnicas-casos-de-uso\">otros art\u00edculos<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-la-popularidad\">La popularidad<\/h3>\n\n\n\n<p>Con este tipo de algoritmo, se presume que si frecuentas un sitio particular, probablemente aprecies las p\u00e1ginas que reciben m\u00e1s visitas. En claro, <b>recomienda los contenidos m\u00e1s populares<\/b>. La ventaja de tal algoritmo es que se puede aplicar a nuevos usuarios del sitio.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-los-riesgos-de-la-polarizacion\">Los riesgos de la polarizaci\u00f3n<\/h2>\n\n\n\n<p>Los algoritmos de recomendaci\u00f3n ofrecen muchos beneficios para los usuarios, ya que usualmente las recomendaciones personalizadas son pertinentes. Sin embargo, tambi\u00e9n pueden tener varios inconvenientes y algunos tienen <b>consecuencias societales<\/b>.<\/p>\n\n\n\n<p>As\u00ed, el n\u00famero de personas que sostienen opiniones extremas sobre temas como la pol\u00edtica o el cambio clim\u00e1tico ha incrementado notablemente. Esta \u00abpolarizaci\u00f3n\u00bb puede ser peligrosa, ya que es capaz de <b>debilitar el esp\u00edritu cr\u00edtico<\/b> o, m\u00e1s simplemente, la capacidad de explorar nuevas perspectivas.<\/p>\n\n\n\n<p>En el mismo contexto, la SACEM revel\u00f3 que el 99% de las pistas m\u00e1s escuchadas en Spotify representan solo el 10% del cat\u00e1logo. A\u00fan m\u00e1s inquietante, el 20% de las pistas nunca se ofrecen al p\u00fablico.<\/p>\n\n\n\n<p>El problema principal relacionado con la cruzada de datos y la integraci\u00f3n de informaci\u00f3n externa a la plataforma. \u00bfQui\u00e9n no se ha sorprendido al hacer una b\u00fasqueda en Google sobre los grandes pianistas de jazz para luego ver que YouTube sugiere videos relacionados con este tema o Facebook ofrece inscribirse en grupos de aficionados al jazz?<\/p>\n\n\n\n<p>Todos estos factores pueden alimentar la polarizaci\u00f3n pero tambi\u00e9n demuestran una <b>invasi\u00f3n cada vez mayor en la vida privada<\/b> de las personas. Y por lo tanto, generan la necesidad de establecer medidas de protecci\u00f3n adecuadas.<\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/es\/nuestros-cursos-de-data\">Descubre los cursos de formaci\u00f3n de Liora<\/a><\/div>\n<\/div>\n\n\n\n<script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [\n    {\n      \"@type\": \"Question\",\n      \"name\": \"\u00bfC\u00f3mo operan los algoritmos de recomendaci\u00f3n?\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Los algoritmos usan t\u00e9cnicas de filtrado para identificar patrones. Principales mecanismos: filtrado colaborativo (basado en que si dos personas disfrutaron mismo contenido en pasado, probablemente les gustar\u00e1n cosas similares en futuro \u2013 basado solo en historial del usuario, pero reduce diversidad), basado en contenido (analiza contenidos sin considerar h\u00e1bitos de otros, enfocado en similitudes identificando palabras clave), popularidad (recomienda contenidos m\u00e1s visitados \u2013 aplicable a nuevos usuarios).\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Los riesgos de la polarizaci\u00f3n\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Los algoritmos pueden tener efectos no deseables: aumento de opiniones extremas en pol\u00edtica\/cambio clim\u00e1tico (polarizaci\u00f3n debilita esp\u00edritu cr\u00edtico). Ejemplo Spotify: 99% pistas m\u00e1s escuchadas = solo 10% cat\u00e1logo, 20% pistas nunca ofrecidas. Problema de cruzada de datos (b\u00fasqueda Google influye en recomendaciones YouTube\/Facebook). Invasi\u00f3n de privacidad genera necesidad de medidas de protecci\u00f3n.\"\n      }\n    }\n  ]\n}\n<\/script>\n","protected":false},"excerpt":{"rendered":"<p>los gigantes de la web inventaron m\u00e9todos in\u00e9ditos para seducir al visitante mediante algoritmos de recomendaci\u00f3n. Estos algoritmos se desarrollaron con el objetivo de: Hacer la experiencia del usuario lo m\u00e1s agradable posible; Presentar al visitante un contenido que se ajuste lo m\u00e1s posible a lo que desea descubrir; Incrementar el rendimiento de varios indicadores [&hellip;]<\/p>\n","protected":false},"author":82,"featured_media":183654,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2440],"class_list":["post-172733","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ia"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/172733","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/users\/82"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/comments?post=172733"}],"version-history":[{"count":4,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/172733\/revisions"}],"predecessor-version":[{"id":184210,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/172733\/revisions\/184210"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/183654"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=172733"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=172733"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}