Modelos algorítmicos y dinámicas de visibilidad en YouTube España: un análisis exploratorio mediante modelos machine learning

En un contexto marcado por la presencia constante de las plataformas digitales en la vida cotidiana, y por tanto, por su relevancia en la producción y circulación de la cultura, se hace necesario explorar los algoritmos que sustentan estos modelos de creación y distribución de contenidos. En este work in progress nos aproximamos al algoritmo de YouTube en España con el objetivo de identificar los contenidos que generan mayor viralidad y visibilidad, así como las variables que intervienen en estos procesos.

El trabajo analiza la incidencia de las affordances de subida —título, descripción, etiquetas, nombre y descripción del canal, categoría temática, duración del vídeo, frecuencia de publicación y condición de licencia— sobre las métricas de rendimiento de los vídeos.

Metodológicamente, combinamos técnicas de ciencia de datos —estadística descriptiva y modelos de machine learning— para explorar las dinámicas de selección, jerarquización y distribución de contenidos en la plataforma. En particular:

1. se analizan las correlaciones entre las variables de subida y métricas de interacción (visualizaciones, comentarios y “me gusta”), identificando patrones de distribución y centralidad;

2. se aplican algoritmos supervisados y no supervisados para evaluar el desempeño de dichas variables en la predicción de visualizaciones, alto engagement y pertenencia a la categoría mostPopular.

El corpus se compone de 17.825 vídeos recopilados diariamente a través de la API de YouTube v3 entre el 18 de julio y el 18 de septiembre, conformando dos subconjuntos: vídeos mostPopular en España y vídeos con menos de 50.000 visualizaciones obtenidos mediante semillas de búsqueda en español.

Entre los principales hallazgos se destaca la centralidad de los contenidos musicales y la identificación de clústeres diferenciados con mayores probabilidades de viralidad o alto engagement. Asimismo, se observa que el algoritmo tiende a priorizar semánticas orientadas a audiencias nicho, las cuales generan menor cantidad de views y tienen menor probabilidad de ser clasificadas como mostPopular. En contraste, las narrativas audiovisuales tradicionales —vinculadas al cine, la televisión o géneros convencionales de amplio consumo— son favorecidas por el sistema de recomendación, consolidando así un sesgo hacia formatos más estandarizados.