Gilad Lotan, vicepresidente de Ciencia de Datos de BuzzFeed. Foto: Joaquín Sarmiento.

Hace una década, los periódicos a duras penas tenían página de internet. Los equipos digitales estaban relegados a las esquinas más inhóspitas de la redacción, y sus miembros se dedicaban simplemente a subir el contenido que venía en el impreso, mientras que uno a uno iba abriendo su perfil de Facebook, que por esos días solo servía para contactar con los viejos amigos de la escuela.

Basta con escuchar a Gilad Lotan, vicepresidente de Ciencia de Datos de BuzzFeed, para constatar, con sorpresa, lo mucho que ha cambiado el contexto en la producción de contenidos y el periodismo en la última década. Y aún peor: lo rápido que se avecina una nueva era, marcada por la integración, cada vez más radical, entre los editores y las Máquinas. Sí, con mayúscula.

Lotan es, ante todo, un analista de audiencias. Se ha dedicado a recolectar y sistematizar millones de datos generados por usuarios en redes sociales, para luego comprender lo que esta infinidad de acciones e interacciones significa. Su hoja de vida incluye el trabajo de análisis y visualización de datos con Microsoft, Betawork, SocialFlow y ahora, BuzzFeed, el más grande referente de la viralidad mediática global.

Encabezando un equipo de 18 personas, desde las oficinas centrales de BuzzFeed en Nueva York, Lotan tiene la constante responsabilidad de aprender de las audiencias y desarrollar estrategias y soluciones  tecnológicas para optimizar y aumentar la millonaria suma de tráfico con la que cuenta la red de plataformas de la compañía: la nada despreciable suma de 650 millones de personas.

¿Cómo está BuzzFeed transformando el periodismo?

El lector es coeditor y no lo sabe

Los medios deben ser conscientes del público. En el pasado, bastaba con recibir las cartas de los lectores. Hoy, los usuarios envían información permanente sobre sus gustos y necesidades. Cada clic es una pista que el equipo de datos de BuzzFeed recoge, sistematiza, analiza, y luego comparte con sus editores. Así, la suma de preferencias de los lectores está aumentado considerablemente su incidencia en los procesos de toma de decisión editorial de la compañía. “El lector nos informa, nos enseña”, dice Lotan.

Lo de “experimentar” va en serio

El equipo de científicos de datos de Lotan conduce experimentos sistemáticos, pruebas AB, en las que dos tipos de contenido o formatos son ensayados con dos grupos distintos de lectores, como en cualquier ejercicio experimental. A partir del trabajo con hipótesis predictivas, el equipo va encontrando las fórmulas que mejor logran la optimización de la circulación de los contenidos.

El editor y el robot trabajan juntos (¿o compiten entre sí?)

Buena parte de la estrategia de Lotan se basa en el concepto de machine learning o aprendizaje automático. Junto al equipo de desarrollo informático, los científicos de datos de BuzzFeed trabajan a diario para desarrollar algoritmos que aprendan del lector y, de forma automatizada, le ofrezcan contenidos y opciones ajustadas a sus preferencias. La pregunta de Jean François Fogel, durante el conversatorio del viernes en el Orquideorama, resulta clave: si al final buscamos que sea el robot quien analice los datos y nos ofrezca opciones, ¿están realmente los editores ejerciendo la función de estructurar la agenda o le estamos cediendo el poder a la máquina?

El principal objetivo es la distribución

El lector es el principal distribuidor y BuzzFeed hace todo lo posible por que esta distribución llegue a su máxima potencia. De hecho, durante la conferencia del jueves, en el Parque Explora, Lotan lo planteó de forma categórica: “Nos interesa mucho más que la gente comparta el contenido a que la gente vea el contenido. Y trabajamos para optimizar eso”.

En un mundo polarizado, el like es un problemático criterio editorial

Lotan es consciente de que vivimos en un mundo complejo y agitado. Durante su charla, divulgó dramáticas visualizaciones de redes sociales que evidencian las famosas “burbujas” de sentido en las que están inmersos los públicos en contextos polarizados. Los del Sí por un lado, los del No por el otro. Ahora, ¿optimizar procesos de producción de contenidos en función de las preferencias de las audiencias no termina profundizando ese proceso? Lotan se defiende: aprender de los gustos de los usuarios y ofrecerles lo que les satisface es el equivalente a publicar en el periódico los crucigramas de domingo.

El límite entre optimización y manipulación es poroso

En la media en que aumentan los procesos de optimización, a partir de la utilización de datos, también existe la tentación de manipular a la audiencia. Los seguidores falsos en Twitter, por ejemplo, son una prueba de ello: deformas la realidad para engañar al algoritmo y hacerlo pensar que eres una persona más importante de lo usual. Esto, a su vez, aumenta la base de tus seguidores reales, que comienzan a verte más robusto y creen en lo que les recomienda la Máquina. De nuevo, un escenario problemático: ¿qué tan transparentes son les mecanismos de optimización desarrollados por los medios hoy en día?