Cómo organiza BaRT la pantalla de inicio
La pantalla de inicio de Spotify está estructurada en filas de listas de reproducción llamadas "estantes" (como "Hecho para ti" o "Inspirado en tu escucha reciente"), con listas de reproducción individuales dentro de esos estantes llamadas "tarjetas".
BaRT tiene dos funciones:
- Clasificar las tarjetas dentro de cada estante: decidir qué listas de reproducción aparecen primero.
- Clasificar los estantes: decidir qué filas de contenido aparecen en la parte superior de tu pantalla.
Esta clasificación se personaliza en tiempo real según tu historial de escucha, la hora del día y cómo has respondido a recomendaciones anteriores.
¿Cómo equilibra BaRT la exploración frente a la explotación?
BaRT equilibra constantemente dos modos:
Modo de explotación recomienda contenido del que el sistema está seguro de que disfrutarás. Se basa en tu historial de escucha, canciones guardadas, pistas omitidas y actividad en listas de reproducción para predecir qué te mantendrá escuchando.
Modo de exploración recomienda contenido sobre el que el sistema no está seguro. Esto sirve para dos propósitos: ayuda a Spotify a aprender más sobre tus preferencias y te presenta música que quizás no habrías encontrado de otro modo.
El equilibrio entre estos modos se gestiona mediante una estrategia "epsilon-greedy". La mayor parte del tiempo, BaRT explota lo que sabe sobre ti. Ocasionalmente, explora para recopilar nueva información.
Nota: Para usuarios nuevos con poco historial de escucha, BaRT se inclina más hacia la exploración. Para usuarios veteranos con preferencias establecidas, se inclina más hacia la explotación.
¿Qué es la señal de éxito de 30 segundos?
BaRT mide su propio rendimiento utilizando un umbral simple: si un oyente reproduce una pista recomendada durante más de 30 segundos, la recomendación se considera exitosa.
Cuanto más tiempo escuche alguien una lista de reproducción o una sesión de radio recomendada, más confianza gana BaRT en sus predicciones para ese usuario. Por esto es que los saltos tempranos perjudican tu alcance algorítmico: le enseñan a BaRT que la recomendación no funcionó.
¿Cuáles son las tres fuentes de datos que utiliza BaRT?
BaRT no trabaja solo. Se alimenta de tres canales de datos principales:
| Fuente de datos | Qué captura | Cómo ayuda |
|---|---|---|
| Filtrado colaborativo | Patrones sobre lo que disfrutan oyentes similares | "A los fans del Artista X también les gusta el Artista Y" |
| Análisis de audio | Tempo, tono, energía, timbre | Encuentra pistas sónicamente similares para la Radio |
| Procesamiento de lenguaje natural | Letras, títulos de listas, menciones en blogs | Comprende el contexto de estado de ánimo y género |
Estas señales alimentan a BaRT, que luego decide cómo ponderarlas para cada usuario individual.
Lo que esto significa para los artistas
BaRT no es un guardián al que puedas presentar tu música. Es un motor de predicción que aprende del comportamiento del oyente.
Muchas saves y pocas omisiones le enseñan a BaRT que tu música satisface a los oyentes a quienes se mostró. Esto aumenta la probabilidad de futuras recomendaciones.
Muchas omisiones y pocas saves le enseñan a BaRT que la recomendación no fue adecuada. El sistema se vuelve menos propenso a mostrar tu pista a oyentes similares.
La única forma de influir en BaRT es enviarle señales positivas a través de una interacción genuina del oyente. Esto significa optimizar la tasa de saves, la tasa de finalización y las repeticiones en lugar de solo contar el número total de reproducciones.
¿Cómo se compara BaRT con otros sistemas de Spotify?
BaRT maneja específicamente la pantalla de inicio y las recomendaciones personalizadas de los estantes. Otras superficies algorítmicas tienen su propia lógica:
- Descubrimiento Semanal se actualiza cada lunes usando filtrado colaborativo
- Radar de Novedades se actualiza cada viernes y prioriza a los artistas seguidos
- Radio y Reproducción automática utilizan señales de similitud de audio y continuación de sesión
Estos sistemas comparten datos, pero operan de forma independiente. Una pista que funciona bien en las recomendaciones de inicio de BaRT también puede ser seleccionada por la Radio, pero no hay cruce garantizado.
¿Qué investigación respalda a BaRT?
La investigación fundamental fue publicada por ingenieros de Spotify en 2018 bajo el título "Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits". El documento describe cómo BaRT aprende a predecir la satisfacción del usuario para cualquier combinación de elemento, explicación y contexto.
Desde entonces, Spotify ha seguido refinando el enfoque. Un artículo de investigación de 2025 describe el uso de bandidos contextuales para calibrar tipos de contenido (música, podcasts, audiolibros) dentro de las listas de recomendaciones, adaptándose a las preferencias cambiantes de los usuarios en tiempo real.