¿Quién nos dirá qué queremos leer? Algoritmos, publicidad y 'clicks'

Las recomendaciones de libros en redes, comunidades y tiendas 'online' pueden tener detrás una mineria inteligente de datos o la simple publicidad

fcasals35918291 icult  algoritmo que detecta opiniones sobre libros  el de t161015192530

fcasals35918291 icult algoritmo que detecta opiniones sobre libros el de t161015192530 / periodico

ERNEST ALÓS / BARCELONA

Por qué confiar en El PeriódicoPor qué confiar en El Periódico Por qué confiar en El Periódico

Hace unos días, Yuval Noah Harari hablaba en Barcelona de un futuro peligroso en el que, si caemos como sardinillas en las redes sociales, las grandes corporaciones entrarán a saco en nuestros datos y, tras interpretarlos con poderosos algoritmos, sabrán quién somos y qué queremos mejor que nosotros mismos, hasta el punto que dejaremos en sus manos decisiones cruciales en nuestras vidas. ¿Sucederá eso en el campo del libro? ¿Es más, esos algoritmos serán capaces de identificar las claves que hacen de un libro un ‘best-seller’, y ayudar a producirlos en serie? Ese fue el tema de una de las mesas redondas de la feria del libro, Liber, que se clausuró este viernes en Barcelona. ¿La conclusión tras escuchar a los ponentes? Desconfíe de esa mano ciega que, presuntamente, es la suma de miles de opiniones de lectores anónimos, una alternativa democrática a la crítica literaria, el boca a boca o la recomendación del librero.

Sobre la mesa, de hecho, se puso la experiencia, básicamente, de foros de recomendación lectora, algunos de ellos con origen en blogs y que han llegado a tener 480.000 usuarios, como El Placer de la Lectura. El discurso compartido por los ponentes fue el de ‘empoderar’ al lector y convertirlo en protagonista. Aunque quizá por estar en un entorno de debate profesional, la representante de esta plataforma, Sabrina Guzmán expuso sin demasiadas cortapisas algunos flecos escondidos tras este discurso. En una red cómo esta se multiplican las llamadas a participar, a hacer 'click', a veces a través de juegos, para instar a los lectores “a que se autosegmenten”. Es decir, para tener un perfil de los gustos de cada uno de ellos. Y en contenidos como las listas de los diez libros recomendados del mes, cuatro de ellos son “contenido promovido”, es decir, previo pago por parte del interesado, que puede gastar también una modestísima cantidad en que las portadas de su libro aparezcan más grandes. “Aunque, de entre los contenidos promovidos, se escogen los que tienen el apoyo del lector”, precisó Guzmán al ser cuestionada sobre la cuestionable relación entre publicidad y recomendación.

ORIENTACIÓN

Aunque es cierto que algunos servicios nacen ante las carencias de todo el sistema de prescripción lectora establecido. Javier Calvo, fundador de la nueva iniciativa KomilibroKomilibro, es profesor de literatura en secundaria. “Mis alumnos sí leen mucho, el problema es que no saben qué leer”, opina. Esa ‘autosegmentación’ puede ofrecer información, por ejemplo, para reorganizar en el futuro las libreráis en función de intereses y gustos. “¿A alguien le recomiendas un libro, o lo va a buscar, porque sea de ficción, o de bolsillo?”, inquiere.

Aunque hay qué tener en cuenta dónde acaba y empieza el interés comercial. “No existen libros malos y buenos. Hay un libro para cada lector”, sostiene José Luis Ramírez, de Quelibroleo. Una opinión que podría suscribir casi cualquier librero o editor, en papel o ‘online’, pero que nada tiene que ver con la prescripción literaria.  

EL AGORITMO DE TEKSTUM

Las palabras clave detectadas por Tekstum en las reseñas de 'Historia de un canalla' de Julia Navarro, un libro con buenas ventas pero un boca a boca negativo (solo 48% de opiones favorable en la red).

El resultado de un libro con un 89% de opiniones favorables en la red 'El mal camino', de Mikel Santiago.

Lo que se acerca mucho más a un algoritmo si no inteligente, sí espabilado, y aprendiendo cada día, es la solución ofrecida por unos jóvenes emprendedores catalanes, Tekstum. Una araña informática que filtra cientos de miles de refencias a libros en los comentarios de redes sociales y las reseñas de lectores en las grandes librerías digitales y foros de lectura y opinión como Goodreads. Identifica palabras clave que denotan emociones y señala a partir de ellas cuántas opiniones son negativas y porqué. Aunque seguramente un libro no se pueda juzgar solo por las emociones epidérmicas que se expresen en un tuit, o incluso en una reseña dejada en Amazon. Aunque Sabrina Guzmán plantee que “dice más un emoji que un comentario de 400 palabras”.  ¿Complejo es siempre un indicador negativo, como aparece en Tekstum, o que en el comentario de un ensayo puede ser, en cambio, un elogio? “¿Y ‘Cicatriz’ es un libro, otro de otro autor con el mismo título, o una herida? En eso estamos, en mejorar el proceso de filtrado”, apunta uno de los creadores de Tekstum, Marc Santandreu.  

Pero sea a través de webs donde se incita al lector a “autosegmentarse”, sea a través de algoritmos inteligentes, en ambos casos una de las aplicaciones más inmediatas de esta información es convertir las librerías ‘online’ en una oferta personalizada más parecida a la de Netflix. “Si tú entras en Amazon, verás lo mismo que yo. Si entras en Netflix, te aparecerá una oferta adaptada a tus gustos”, apunta Marc Santandreu. Si pronto ven en la web de FNAC, La Casa del Libro o El Corte Inglés que, en lugar de alguna estrella aparece un ‘quesito’ que marca cuántas opiniones a favor y en contra tiene un libro, y una nube de palabras en verde y rojo con las emociones que ha suscitado entre sus lectores (algo parecido a esta muestra de Tekstum) o si, con esta información entre bambalinas, ve que realmente le sugieren un libro que le interesa, sin equivocarse tanto como hace ahora Amazon, ya saben qué cerebro está detrás. Esa información puede servir para identificar el perfil de cada lector, mejorar la información que se ofrece al lector más allá de las engañosas estrellitas (el 66% de las opiniones son sospechosamente de cinco estrellas; cuantos menos lectores tiene un libro más positivas son las puntuaciones...) u orientar el márketing editorial (no es lo mismo ser un superventas, como la última Julia Navarro, que saber por qué el boca a boca es posteriormente negativo)

EL IMPREVISIBLE ÉXITO (DE MOMENTO)

Y en cuanto a que un algoritmo pueda ofrecer los ingredientes de la fórmula del ‘best-seller’... “El ser humano no es robótico”, se felicita José Luis Ramírez. “Intentamos utilizar los datos para identificar elementos que permitiesen identificar qué elementos hacen de un libro un éxito. Pero no seguimos por aquí porque hay demasiadas variables”, admite Santandreu. Aunque no nos engañemos: no se trata solo de creatividad intangible. “Los resultados dependen también del apoyo promocional que haya tenido un libro, de qué editorial lo ha publicado...”, añade. Y es que, de forma inquietante, Guzmán apunta qué en el futuro, el elemento que hará que un libro triunfe no está en su contenido, sino en una gran plataforma ‘online’ decida impulsarlo o no. Y eso si que puede ser más previsible, aunque no necesariamente transparente.