Spotify y el arte de retener usuarios con datos: motor de recomendación y predicción de churn

Spotify tiene más de 713 millones de usuarios registrados y más de 100 millones de canciones en su catálogo. La probabilidad de que un usuario encuentre espontáneamente la canción correcta en el momento correcto es prácticamente cero. Sin embargo, el 60% del descubrimiento de nueva música hoy ocurre a través de plataformas de streaming, y más de un tercio de esos descubrimientos viene de las recomendaciones algorítmicas de Spotify. Eso no es suerte. Es ingeniería de datos aplicada a escala masiva.

El desafío

El negocio de Spotify depende de que los usuarios escuchen más, descubran artistas que aman y no cancelen su suscripción. Cada uno de esos objetivos tiene un problema de datos detrás.

El catálogo de más de 100 millones de canciones es, paradójicamente, el mayor problema de Spotify. Demasiadas opciones paralizan al usuario. Si el sistema no interviene para filtrar y personalizar, el usuario abandona la búsqueda, pone reproducción aleatoria, o simplemente cierra la aplicación. Y cuando eso ocurre varias veces seguidas, el usuario empieza a preguntarse si la suscripción vale la pena.

La retención de suscriptores —el churn— es el enemigo número uno de cualquier modelo de negocio de suscripción. Cada usuario que cancela representa no solo la pérdida del ingreso mensual, sino el costo de adquisición inicial que nunca se recuperó. Para Spotify, que compite con Apple Music, YouTube Music y otras plataformas, perder un usuario es definitivo en la mayoría de los casos.

El desafío adicional es que los gustos musicales son profundamente personales, cambian con el estado de ánimo, el momento del día, la actividad que se realiza y la etapa de vida del usuario. El sistema tiene que aprender todo eso, sin preguntar explícitamente.

La solución con datos e IA

Spotify no tiene un único modelo de recomendación. Tiene una arquitectura multicapa que combina varias técnicas de forma coordinada.

Filtrado colaborativo a escala. El núcleo del sistema analiza los comportamientos de millones de usuarios para encontrar patrones de similitud. Si 50,000 usuarios que escuchan jazz clásico también escuchan cierto artista de bossa nova, ese artista se vuelve candidato de recomendación para cualquier fan del jazz clásico que no lo haya descubierto aún. Spotify entrena esta matriz de similitudes con una muestra de aproximadamente 700 millones de playlists generadas por usuarios —de un total de más de 9,000 millones— para garantizar que el modelo capture la diversidad real del gusto musical global.

Análisis de audio con Deep Learning. Para canciones nuevas o de artistas emergentes que no tienen suficiente historial de interacciones, Spotify usa modelos de deep learning que analizan las propias características del audio: tempo, tonalidad, energía, instrumentación, timbre. Esto permite hacer recomendaciones sobre música nueva incluso antes de que tenga datos de comportamiento de usuarios.

Procesamiento de lenguaje natural sobre metadatos culturales. Spotify analiza millones de artículos, blogs, publicaciones en redes sociales y reseñas de música para entender el contexto cultural de cada artista y canción. Si la crítica musical de 2024 describe a cierto artista con las mismas palabras que usa para describir a otro ya popular, el sistema infiere similitud aunque los géneros sean distintos.

Semantic IDs y LLMs para perfiles dinámicos. La innovación más reciente de Spotify consiste en representar el comportamiento de cada usuario como una secuencia de "Semantic IDs" —identificadores que capturan el contexto completo de cada sesión de escucha, no solo la canción sino la hora, el dispositivo, el humor inferido. Estos IDs son procesados por Large Language Models que construyen un perfil de gusto dinámico y actualizable en tiempo real.

Separación entre personalización y experimentación. Spotify mantiene infraestructuras separadas para su motor de recomendación y su sistema de experimentos A/B. Esto le permite medir con precisión cuánto valor agrega cada capa de personalización respecto a simplemente servir el contenido más popular, y tomar decisiones basadas en datos sobre qué mejorar.

Predicción de churn como producto propio. El Director de Data Science de Spotify describió la predicción de churn como "casi un producto en sí mismo": un modelo que se construye, se pone en producción, se monitorea y se mejora continuamente. El modelo identifica señales tempranas de abandono —caída en la frecuencia de escucha, reducción en el tiempo de sesión, menor tasa de guardado de canciones— y activa intervenciones personalizadas antes de que el usuario cancele.

Los números que importan

• Más de 713 millones de usuarios registrados en la plataforma global.
• Más de 100 millones de canciones en catálogo, haciendo de la recomendación una necesidad estructural, no un diferencial opcional.
• 700 millones de playlists de usuarios usadas como datos de entrenamiento (muestra del total de más de 9,000 millones de playlists existentes).
• Más del 60% del descubrimiento de nueva música ocurre hoy a través de plataformas de streaming.
• Más de un tercio de los artistas nuevos son descubiertos vía recomendaciones algorítmicas de tipo "Made for You".
• En 2019, un nuevo algoritmo de deep learning para Prime Video de Amazon —que usa arquitectura similar a la de Spotify— logró una mejora de dos veces en la calidad de recomendaciones (referencia comparable al impacto de este tipo de modelos).
• La métrica principal de éxito del sistema de recomendación es la duración de sesión y la tasa de retención mensual, aunque Spotify no publica cifras desagregadas de churn por segmento.

¿Qué puede aprender tu empresa?

Los principios del motor de Spotify aplican a cualquier empresa que quiera retener clientes, personalizar la experiencia o reducir la rotación en un modelo de suscripción o recurrencia.

1. El churn se predice, no se lamenta. Cuando un cliente cancela, ya es tarde. El valor de los modelos de churn está en identificar la señal de abandono semanas antes de que ocurra. Para una empresa mediana en LATAM con base de clientes recurrentes, los datos de comportamiento —frecuencia de compra, interacciones con el soporte, tiempo sin actividad— ya contienen esas señales. Solo hay que escucharlas.

2. La personalización no requiere un catálogo de millones de ítems. Muchas empresas de servicios, distribución o retail en LATAM tienen catálogos de cientos o miles de productos. Con ese volumen, ya hay suficiente complejidad para que un motor de recomendación simple —basado en filtrado colaborativo— mejore la tasa de conversión y el ticket promedio.

3. Los datos de comportamiento valen más que los de perfil. Spotify no te pregunta si eres introvertido o extrovertido: observa que a las 7am escuchas música energética y a las 11pm escuchas jazz suave, y actúa sobre esa información. En tu empresa, el comportamiento de navegación, compra y uso ya dice más de tus clientes que cualquier encuesta.

4. Mide el valor de la personalización con A/B testing. Spotify sabe exactamente cuánto aumenta la retención cada mejora en su sistema porque lo mide con experimentos. Antes de invertir en personalización, define la métrica que vas a mover y el experimento que va a medirlo.

5. El modelo de churn es un sistema vivo. Lo que predice abandono hoy no lo predecirá de la misma manera en 18 meses, porque el comportamiento del cliente cambia. El modelo necesita reentrenamiento periódico con datos frescos, no una instalación única.

Reducir el churn en un 5% puede significar la diferencia entre crecer y estancarse en un modelo de negocio recurrente. Si tu empresa tiene clientes que compran con cierta frecuencia y quieres anticipar quién está en riesgo de perderse, DataPrix puede ayudarte a construir tu primer modelo de predicción de churn con los datos que ya tienes. Agenda una conversación.