- hace 6 días
En el último capítulo de La sala de máquinas, profundizamos en los algoritmos de nuestras plataformas habituales, con Darío Manrique, editor jefe de Spotify, y Elena Neira, investigadora especializada en distribución audiovisual y autora de tres libros sobre espectadores y televisión.
Categoría
🗞
NoticiasTranscripción
00:04La Sala de Máquinas
00:32Pero justo hoy es el día que menos pueden quejarse ustedes de que les hablemos de cosas técnicas
00:37porque este rato de la ventana lo vamos a dedicar a saber cómo saben las plataformas de audio y de
00:42vídeo
00:43qué tienen que recomendarnos para ver, para escuchar en casa, en el metro o en el avión.
00:58En esta sección nos encanta hacer preguntas de Perogruyo porque hay quien sabe un montón y gente como yo que
01:03no sabe nada
01:04pero es que esta va a ser mucho más de Perogruyo porque le voy a preguntar a Darío Manrique si
01:07conocía ya esta canción de José González.
01:09Sí, sí, sí, Harvitz.
01:11Harvitz, también, si es que ya sabe hasta el nombre de la canción. ¿Por qué lo sabe?
01:14Porque él lleva muchísimos años trabajando en el periodismo musical, es uno de los tipos que más sabe de música
01:18de toda España
01:19y por eso en una plataforma de streaming que se llama Spotify, que igual a ustedes les suena,
01:24lo llamaron y le dijeron, ven, que vas a ser el lead editor, que es el editor jefe de Spotify
01:29para España e Italia.
01:32Si tengo que traducir el cargo, ¿en qué se traduce en funciones?
01:35Pues bueno, empezando por el principio, en Spotify existe la figura del editor o editora de playlist.
01:42Hay un equipo editorial que son los que se encargan de confeccionar las playlists.
01:47Y yo empecé en Spotify como editor para España y Portugal, pues haciendo una serie de playlists de género, sobre
01:53todo,
01:53de géneros musicales, pero también de estados de ánimo.
01:55Y luego, pues posteriormente, pues fui ascendido y ahora llevo, digamos que coordino los equipos de editores de España y
02:03de Italia,
02:04que son los dos países más importantes dentro de la región en la que está España, que es el sur
02:08y el este de Europa.
02:09Oye, pero me alegra mucho esta primera cosa, que es nada tecnológica,
02:12que es que hay humanos haciendo listas oficiales de Spotify de géneros y de estados de ánimo.
02:18Totalmente, totalmente. Hay más de 100 editores repartidos por todo el mundo,
02:24cuya misión es, por ejemplo, escuchar todo lo que sale dentro de sus países o dentro de sus géneros,
02:30porque hay algunos editores que están especializados en un género musical concreto,
02:33pero, por ejemplo, los de España o Italia, pues somos editores generalistas, digamos,
02:38que hacemos todo tipo de música y escuchamos todo lo que sale en nuestros países
02:43y decidimos qué nos sirve para las playlists y qué no.
02:46Pero tenéis un poquito de ayuda, supongo, de esto que llamamos el algoritmo.
02:49También habrá quien grite ahora y salga corriendo al oír esto en la ventana,
02:52pero esa especie de recomendador, que vamos a hablar ahora de eso,
02:56de qué nos recomiendan y cómo nos recomiendan,
02:58también nos ayuda un poquito, quiero decir, os agrupa, imagínate,
03:01pues novedades de la última semana, novedades de Soul de la última semana
03:04o no tenéis ayuda así de inicio y tenéis que ir a pelo a escuchar.
03:07Bueno, vamos a pelo, básicamente, el algoritmo no nos ayuda a la hora de escuchar la música nueva, digamos.
03:13El algoritmo va más de cara a los usuarios, ¿no?
03:17Nosotros, pues sí que obviamente hay una serie de filtros de países o de géneros,
03:21yo me pongo a escuchar lo que sale de flamenco en España esta semana, por ejemplo,
03:24y ahí tengo una lista de canciones inéditas.
03:27Pero a la hora de confeccionar las playlists, el algoritmo no tiene,
03:32las playlists editoriales, por supuesto, el algoritmo no tiene protagonismo.
03:36Bueno, pues esto por la parte de audio.
03:40Decíamos que Darío viene de la parte de Spotify,
03:44que claro, es muy gracioso porque Spotify también tiene que venderse a sí misma,
03:48no solamente enseña la música, sino que tiene que venderse a sí misma.
04:12Esta digamos que es una música corporativa de Spotify para que se pongan ustedes en situación de Darío Manrique,
04:20pero por el otro lado, por el de las plataformas de vídeo esas que nos sentamos en el sofá
04:24y decimos, Dios santo, voy a pasar más rato buscando película que viendo película.
04:29Bueno, pues para saber cómo funcionan las tripas de esa tecnología,
04:32está con nosotros Elena Neira.
04:34Elena, buenas tardes.
04:35¿Qué tal? Buenas tardes.
04:36Ella está en Barcelona, en Radio Barcelona.
04:38Damos gracias a los compañeros de allí.
04:39Ella es investigadora especializada en distribución audiovisual
04:42y además pertenece al grupo GAME, o sea, ahora nos explicas qué es,
04:46o que supongo que es una gracia con el asunto GAME,
04:48que es de la Universidad Abierta de Cataluña
04:51y allí analizan y estudian con profundidad las transformaciones digitales
04:55dentro del ecosistema de los medios de comunicación,
04:57que claro, están muy metidos en esto de la recomendación, la digitalización,
05:02todo lo que implica el streaming, o sea, la personalización.
05:05Que si tú tuvieras que comparar a España con el nivel de digitalización
05:10de las plataformas puramente nacionales, porque claro, los otros son internacionales.
05:14Comparado con las grandes internacionales, ¿cómo dirías que estamos?
05:17¿Cerca de las mejores de un Netflix o de un HBO o todavía tenemos cosas que aprender?
05:22Yo creo que tenemos que aprender todavía algo.
05:25Lo que pasa es que es una comparación un tanto injusta,
05:28porque aquí la digitalización llegó un poquito más tarde,
05:32sobre todo que en Estados Unidos, en donde ya con el boom de las .com
05:37ya hubo una primera oleada de digitalización muy bestia
05:40y es verdad que aquí, por ejemplo, la tecnología demandancha
05:43también llegó más tarde, es decir, hemos llegado un poquito tarde
05:46a toda esta revolución, pero también es verdad que yo me acuerdo
05:49cuando empezaron a desembarcar las plataformas en 2015,
05:53que todo el mundo decía, aquí nadie, no se van a comer nada,
05:55aquí nadie va a pagar por contenidos digitales,
05:57sin embargo, somos uno de los países de Europa, sino el que más,
06:00que ha adoptado de manera más acelerada toda esta nueva tecnología.
06:03O sea que sí, un poquito, vamos un poco a rebufo de otros mercados internacionales,
06:09todavía nos falta a lo mejor un poquito de sofisticación,
06:11pero en términos de adopción y de incorporación a nuestro día a día,
06:14yo creo que somos, vamos, líderes indiscutibles.
06:17Oye, sé que tienes un libro, creo que es súper interesante,
06:20me dijo Mariola Kubels, que es colaboradora de este programa,
06:23como todo el mundo sabe, se llama Streaming Wars, la nueva televisión.
06:27Si tú tuvieras que resumirme este libro, porque eso estuviéramos tomando un café,
06:30¿qué conclusión sacas en ese libro en cuanto a cómo ha cambiado la televisión en streaming?
06:35Bueno, cómo nació y cómo luego ha ido cambiando.
06:39Bueno, la televisión ha cambiado en tanto que ya no es sinónimo de dispositivo,
06:44de una pantalla, es sinónimo de contenido.
06:47La televisión ahora mismo está hiperfragmentada en un montón de pantallas,
06:51en consumos que no tienen por qué ser necesariamente lineales,
06:53que era lo que se estilaba hace unas cuantas décadas,
06:56y es una televisión que ya no es la televisión del hogar,
06:59sino que es la televisión del individuo, y eso nos lleva a la personalización,
07:01que en el fondo es el tema de toda esta charla.
07:04La televisión se convierte en un traje a medida.
07:07Yo recuerdo cuando era niña que uno, en mi casa éramos cinco personas,
07:11un mando a distancia que controlaba mi padre, y todos teníamos que ver lo mismo.
07:16Claro, flash forward a la situación actual en el que cada uno puede
07:19escuchar lo que le apetezca en Spotify.
07:21No solo lo que le apetezca, sino lo que le apetezca en cualquier momento.
07:24Y con el visionado pasa un poco lo mismo.
07:27Darío, te paso a ti la pregunta.
07:30Es relativamente reciente el nacimiento de las plataformas de audio,
07:33sea Spotify, sea Apple Music, la que sea, Deezer,
07:36pero han evolucionado mucho en el poco tiempo que ya tienen.
07:40O sea, la personalización se va afinando a lo bestia cada vez más,
07:44o sigue más o menos los mismos principios que al inicio de esta tecnología.
07:48No, la personalización ha ido aumentando y mejorando,
07:52sobre todo refinándose en los últimos años.
07:56Antes yo creo que era un poco más simplona y ahora tienen en cuenta muchísimas señales,
08:03y bueno, incluso señales humanas, ¿no?
08:05Que el equipo editorial es una de las cosas que hace,
08:08que es darle señales a los algoritmos.
08:33Por ejemplo, si yo fuera, que no lo soy,
08:36público objetivo de temas como este Berreo Sola de Bad Bunny,
08:42¿cómo habríais llegado a la conclusión de que a mí me tenéis que recomendar estas cosas?
08:47Que eso es un poco más fácil, si insisto en ese tipo de música,
08:49pero ¿cómo sabéis los aledaños de la música que no escucho,
08:53pero que podría gustarme en Spotify, por ejemplo?
08:56Bueno, pues se establecen una serie de paralelismos con otros usuarios
09:01que escuchan algo parecido a lo que estás escuchando tú.
09:03Es decir, imagina que tú y yo tenemos 10 artistas de reggaetón en común,
09:09pero luego tú has escuchado otros 5 que están más o menos en la misma onda que yo no he
09:14escuchado.
09:14Pues probablemente, gracias a que tú y otro conjunto de gente también,
09:19que componga esa muestra, digamos, ha escuchado a esos 5 artistas,
09:22el algoritmo terminará proponiéndomelos a mí también,
09:24con la esperanza de que yo lo descubra y me guste también.
09:28Incluso aunque no seamos, digamos, amigos dentro de Spotify,
09:31porque Spotify también tiene su parte de red social,
09:33que es, yo sé lo que está escuchando, imagínate Darío,
09:36si yo quisiera fuéramos amigos en nuestros perfiles o quien fuera,
09:42y entonces, aunque no seamos amigos, simplemente gente que tiene perfiles,
09:46hechos sin nombre y apellidos, parecidos al mío,
09:49os sirven a vosotros para saber, bueno, si a este hombre le gusta,
09:51pero voy a los aledaños también, digo, bueno, si le gusta el perreo,
09:54a lo mejor también le gusta Rubén Blades, que está cerca porque es música latina también.
09:58Esa conclusión debe ser un poco más difícil de buscar
10:00y será un poco prueba y error, quiero decir,
10:02le voy a poner una de Rubén Blades a ver si le gusta,
10:03si me la paga, es que no le gusta, ¿no?
10:05Efectivamente, claro, si tú pasas una canción o la paras al principio,
10:10el algoritmo entiende que esa canción no te interesa,
10:12o por lo menos no la quieres escuchar en ese momento.
10:15Por supuesto que no te voy a pedir nada que no me puedas contar,
10:17porque aparte no me lo ibas a contar, pero quiero decir,
10:19hay cosas tan precisas como decir, mira, si ha pasado de 30 segundos,
10:22es que es admisible, pero le ha debido pasar algo,
10:25que se ha tenido que pirar a otra cosa,
10:26y si no pasa de 30 segundos, no lo tenemos como cosa aceptada por este oyente.
10:30Hay cosas tan precisas, datos tan precisos como eso.
10:32Sí, sí, sí, claro, claro, sí, sí, se tiene en cuenta también otra señal,
10:37no sé si de las más importantes,
10:38pero que también tiene su importancia si acabas la canción,
10:41no solo si la dejas sonar, sino si la dejas sonar hasta el final, por ejemplo.
10:44Incluso si dejas que te continúe recomendando Spotify,
10:47que a mí es indignante lo bien que me recomienda,
10:49porque es que siempre atina con los índices,
10:51yo creo que es que tú me estás vigilando desde ahí,
10:52como nos conocemos de haber trabajado juntos en Rolling Stone.
10:56Pero Elena Neira,
10:57¿hay alguna de estas plataformas?
10:59Las plataformas, no lo sé, yo es que las manejo muy poquito,
11:02pero ¿permiten esta interacción social?
11:04Es decir, que yo sepa lo que tú estás viendo porque somos amigos,
11:06o ahí ya tienen que trabajar plenamente a ciegas las plataformas,
11:10porque simplemente hacen perfiles sin nombre y apellidos.
11:13A ver, la manera que tiene la plataforma de recomendar contenidos,
11:19básicamente funciona de la misma forma que el audio.
11:22Es decir, los algoritmos al final lo que están tratando es de resolver un problema.
11:26Hay un montón de contenido y hay una capacidad limitada del humano
11:28para conseguir decidir entre muchas referencias.
11:32Cuando encima son miles y miles de referencias,
11:34la tarea se vuelve tremendamente compleja.
11:36Entonces, lo que utiliza el algoritmo,
11:38los algoritmos, porque son centenares de algoritmos,
11:41lo que hacen es utilizar tanto atributos del contenido,
11:44es decir, una serie de atributos que antes lo hacían humanos,
11:48ahora ya lo hacen inteligencias artificiales,
11:49le asignan un montón de información a ese contenido
11:51para intentar establecer una serie de elementos consustanciales a ese contenido,
11:56y luego lo que comentaba Darío,
11:58una serie de señales del individuo que interactúa o que es expuesto a ese contenido.
12:03Y en función de esos atributos del individuo y atributos del contenido,
12:06se produce el emparejamiento.
12:09Esa manera de recomendar, teniendo en cuenta lo que han hecho otros usuarios,
12:12que en términos de recomendación se llama el filtro colaborativo,
12:15el filtro colaborativo tiene en cuenta lo que han hecho otros usuarios.
12:19Es verdad que, aunque ha habido algunas pruebas,
12:23ni Netflix ni otras plataformas tienen esa capa social que tú comentabas,
12:26pero sí que es verdad que lo que sí que hacen las plataformas
12:29es tener en cuenta aquellos contenidos calientes en redes sociales
12:33y son contenidos que luego son destacados en la pantalla de inicio,
12:37digamos que todo funciona como una señal, en este caso de popularidad.
12:40La popularidad es una herramienta de recomendación de primer nivel,
12:44todo lo que aparece en Netflix en el top 10,
12:46en el top 10 de los contenidos más recomendados o de trending en tu área,
12:51son de los contenidos que tienen mayor conversión,
12:53así que a un nivel diferente sí que funciona en realidad
12:56con la misma arquitectura de la recomendación.
12:58Pero todo parte al final de lo que decíais con respecto a Spotify,
13:03parte de lo que el usuario hace
13:04y de lo profundo que es el conocimiento que tengamos con respecto al contenido.
13:08Es ahí yo creo donde está la principal brecha
13:10entre las plataformas internacionales que tienen más historia detrás
13:14y las plataformas que hay aquí.
13:17Y es que ese trabajo de ingerir y de darle al sistema información
13:23sobre los contenidos, sobre los usuarios, donde no estamos todavía ahí.
13:26Os voy a poner un ejemplo que os vale a los dos,
13:28a los que sabéis de vídeo, a los que sabéis de audio,
13:31porque realmente es una fusión de éxito de las dos cosas,
13:34del audiovisual y de la canción que era determinante en la serie.
14:04¡Suscríbete al canal!
14:11Si alguno ha estado en otro planeta en los últimos 30 años
14:14no sabrá que esto es la cabecera de la serie Friends,
14:17pero hasta yo me he enterado de que esa serie existe
14:20y que esta es una canción que era de los Rembrandts, ¿no?
14:22De los Rembrandts, sí.
14:23Bueno, voy a poner este ejemplo a los dos
14:26porque quiero que me hagáis una simulación
14:27de qué es lo que está mirando aquí el algoritmo.
14:29Por ejemplo, vamos a empezar con la música con Darío Manrique.
14:31Si tú tuvieras que catalogar esta canción, ¿qué harías?
14:36¿Qué dirías? Imagínate.
14:38Pop en inglés, pop rock, pop que ha aparecido,
14:43imagínate, en series de televisión.
14:44O sea, dime qué etiquetas le pondrías
14:46para luego tenerla bien catalogada dentro de la plataforma.
14:49Pues, bueno, la principal es la del género musical.
14:53Es creo una de las más importantes.
14:55Luego está la de la época, digamos,
14:58es decir, datarla en el tiempo.
15:00Esto es de los años 90, ¿no?
15:02Sí, sí.
15:03Estados Unidos.
15:05Contenido efectivamente asociado a una serie de televisión popular.
15:12También se le añade los instrumentos que suenan.
15:14¿Ah, sí?
15:14Sí, porque puede haber momentos en los que, por ejemplo,
15:17un usuario busque un mix de guitarra.
15:21Claro, claro.
15:22Entonces, es importante saber que...
15:23O, por ejemplo, si es instrumental o si es cantada, por supuesto.
15:26Efectivamente.
15:26Y también en los estados de ánimo que transmite un poco la canción, ¿no?
15:31Si es alegre, eufórica, triste, melancólica, romántica, etcétera.
15:36Y, por ejemplo, una cosa que tú y yo y que todas las discográficas conocen,
15:39que son los BPM, los beats por minuto,
15:42o sea, ¿a qué velocidad va esa canción?
15:44Se supongo que está catalogada en cada una de las...
15:46Sí, sí, sí, efectivamente también está catalogada.
15:48Vale, te traspaso la pregunta a ti, Elena.
15:51¿Cómo sería, si tuviera una plataforma que catalogar esta serie,
15:56qué etiquetas le pondría?
15:57Bueno, claro, aquí la capilaridad es amplísima,
16:01desde los atributos de los protagonistas,
16:04jóvenes adultos, hombres jóvenes, mujeres jóvenes,
16:07relaciones de pareja, Nueva York, cafeterías,
16:12relaciones románticas, LGTBQ+,
16:15maternidad, maternidad en solitario,
16:17padres divorciados, relaciones complicadas,
16:19trastorno obsesivo-compulsivo, Tom Selec...
16:22¡Madre mía!
16:23O sea, que estás a punto de completar los ocho minutos.
16:25Amigos, es decir, son muchísimas.
16:28De hecho, es que esa es precisamente la riqueza.
16:30O sea, hay que tener en cuenta una cosa.
16:32Netflix, por ejemplo, tiene más de 83.000 microgéneros
16:34para clasificar sus contenidos.
16:36¿Qué dices? ¿83.000?
16:37Más de 83.000.
16:39Y eso es lo que es...
16:40Esas categorías bizarras que vemos en Netflix,
16:42tipo comillas románticas para olvidar a tu ex,
16:46perros verdes y familias desestructuradas,
16:49trastorno obsesivo-compulsivo con encanto.
16:51En realidad, son marcadores, son microgéneros
16:54que los algoritmos construyen
16:55a partir de la combinación de esas etiquetas,
16:57de la misma manera que juegan con las miniaturas.
17:00Friends, probablemente a mí,
17:02que soy de esa generación,
17:03me la va a mostrar con un icono claramente nostálgico
17:07y probablemente a Generación Z,
17:09que está introduciéndose en esta sitcom,
17:12a pesar de ser tan antiguo y que no lo vivieron
17:15porque no habían nacido,
17:16pues se lo muestre de una manera un poquito menos coyuntural.
17:20Así que, en realidad,
17:21la personalización es infinita
17:23hasta donde pueda llegar la tecnología de la plataforma.
17:26Oye, estamos hablando mucho rato de datos
17:29y habrá quien esté preocupado diciendo,
17:30hay mucho paranómico también,
17:32diciendo que esta gente nos espía
17:33porque fíjate la cantidad de cosas.
17:34Acaba de decir Elena
17:35que 83.000 etiquetas le pueden poner a una misma serie,
17:40pero que en general manejan todas esas.
17:41No sé cuántas maneja Spotify.
17:43¿Tú te lo sabes?
17:43No, la verdad es que no lo sé.
17:44Bueno, el caso es que habrá quien esté pensando en sus datos.
17:47¿En qué pasa con sus datos
17:48cuando nos estamos reproduciendo una canción o una serie?
17:52¿Cuáles son las limitaciones legales,
17:54así de grosso modo,
17:55que podamos entender todos
17:56que tiene Spotify a la hora de,
17:58o cualquier plataforma,
17:59a la hora de recopilar nuestros datos
18:00mientras estamos escuchando?
18:01Porque, claro, al registrarnos ya damos unos cuantos,
18:03esos son los de inicio,
18:04pero luego vamos haciendo eso,
18:06interacciones y vamos haciendo selección de canciones.
18:10¿Cuáles son las limitaciones?
18:11Bueno, las que impone la Ley General de Protección de Datos,
18:16es decir, desde la anonimización, digamos,
18:19de los usuarios,
18:20es decir, que no se conserven datos personales,
18:25hasta el tiempo que pueden estar almacenados esos datos.
18:30Hay una serie ahí de requisitos y de barreras impuestos por la ley.
18:34Pero no son distintos a los que puede ser
18:35si yo me registro en un concesionario,
18:38porque para que me manden sus ofertas y tal y cual.
18:41No tiene un tratamiento distinto.
18:44Ahora voy a hacer una pregunta
18:45como si no estuviera Darío Manrique delante,
18:47que si se la hago a él,
18:48pues van a sonar grillos.
18:49No, porque pase nada,
18:50lo digo de broma.
18:51Pero le quiero preguntar a Elena
18:53cómo funciona esto de,
18:54si es que existe,
18:55lo de que tú promociones una serie por encima de otra
18:59o una película de producción propia de las plataformas.
19:03Si es de producción propia,
19:04doy por supuesto que evidentemente le das más caña,
19:06pero imaginemos que yo estoy en HBO,
19:08en un despacho,
19:09recibo una gente que quiere distribuir su serie
19:12dentro de mi plataforma
19:13y quiere además que sea promocionada de modo especial.
19:17¿Cómo se hace eso?
19:18A ver, el tema del emplazamiento de producto,
19:23esto era muy típico, por ejemplo,
19:24en los agregadores de video multicanal,
19:26en la televisión de pago de los 90,
19:28en el que la gente que vendía sus contenidos
19:30a estos servicios podían pagar el emplazamiento.
19:34Es verdad que aquí funcionó de una manera un tanto distinta
19:37porque la personalización tiene que coexistir
19:39con los contenidos destacados.
19:40En las plataformas de streaming,
19:41como tú bien decías,
19:43la producción original es el plato de lentejas.
19:45Es decir, es el plato de lentejas
19:47porque a ellos les interesa mucho que lo veas,
19:49porque es un contenido en el que han invertido mucho dinero
19:51y necesita tener una rentabilidad económica.
19:53Por lo tanto,
19:54con independencia de que a lo mejor de manera directa
19:57no entre en tu lista de preferencias,
20:00sí que te lo van a promocionar como una categoría trending,
20:02porque lo que buscan es que el contenido
20:04adquiera lo que los americanos llaman el momentum,
20:06que de repente mucha gente lo esté viendo
20:08y de repente todo eso se popularice rápidamente.
20:12A mí al menos no me consta que eso se puede hacer
20:15con contenido licenciado,
20:16precisamente por esta obsesión que tienen las plataformas
20:21con convertir a misionados lo más rápido posible.
20:25Sí que es verdad que los algoritmos son muy listos.
20:28En el momento en el que detectan que una tendencia está eclosionando,
20:32tienden a destacar los contenidos que puedan caer dentro de esa categoría.
20:37Lo de pagar por emplazar el producto
20:38es casi más una práctica de otros ecosistemas de visionado
20:43que del ecosistema de las plataformas de streaming.
20:45¿Esto ocurre en las plataformas de música?
20:47Bueno, la gran diferencia de las plataformas de música como Spotify
20:50es que todo el mundo tiene el mismo catálogo.
20:53Entonces, por un lado, prácticamente no existe,
20:56aunque por ejemplo en Spotify cada vez tenemos más,
20:59no existe el contenido propio
21:01y todos tienen el mismo catálogo.
21:03Entonces, no hay una manera tampoco de diferenciarse.
21:05Yo me imagino, no tengo ni idea,
21:07pero me imagino que las plataformas audiovisuales
21:09será diferente.
21:10Igual tú adquieres los derechos,
21:12pagas por tener los derechos de tal catálogo,
21:14de tal productora o distribuidora
21:16y dentro del acuerdo está que los enseñes en la home
21:18de HBO, Netflix o la plataforma que sea.
21:21En Spotify no ocurre.
21:23Para que lo entendamos, en Spotify yo puedo hacer como en una página web,
21:25que quiero que se entere alguien de que he sacado un disco,
21:28entonces pongo un banner o pongo lo que sea
21:30pagando de modo perfectamente transparente.
21:32Esa es una de las partes del negocio de Spotify.
21:34Sí, sí, sí, sí.
21:35Es una parte que empezó recientemente.
21:38Parece mentira,
21:39pero es algo que se hace desde hace poco tiempo
21:41y hay una serie de formatos promocionales
21:43por los que tú pagas, obviamente,
21:45y que están adecuadamente etiquetados
21:47como contenido patrocinado.
21:49Eso es transparente.
21:50Bueno, pues hasta aquí hemos estado
21:51todo este mes de agosto
21:54hablando de tecnología
21:56sin que hayamos roto ningún plato.
21:58Hoy concretamente hemos estado
21:59con Darío Manrique,
22:01que es el jefe de editores,
22:03si me deja decirlo así,
22:04de facilito,
22:05de los editores de Spotify
22:07en España y en Italia.
22:09Y hemos estado también
22:10con Elena Neira,
22:12que es investigadora
22:13especializada en plataformas,
22:15en algoritmos,
22:16en todas esas cosas
22:16que nos hacen salir corriendo.
22:18Pero, Elena,
22:19muchísimas gracias, por cierto.
22:20A vosotros.
22:21Gracias,
22:21porque es que
22:22a Darío lo despido ahora
22:24porque le voy a hacer trabajar un poco,
22:26ya que ha sido periodista musical
22:27y buenísimo,
22:28periodista musical y radiofonista,
22:30para que nos diga
22:31con qué canción
22:32nos vamos a despedir
22:32que es la que está sonando.
22:47¿Qué canción es?
22:49Es Common People,
22:49de Pulp.
22:51De Pulp,
22:51efectivamente.
22:52Es lo que hemos querido aquí
22:53en la ventana
22:53todo este mes
22:54en esta sala de máquinas,
22:56que es que la gente común
22:56nos enteremos
22:57de cómo funciona
22:58toda esa tecnología
22:59que nos rodea.
22:59Muchas gracias, Darío.
23:01Gracias, Diñaki.
23:02Un gusto verte otra vez.
23:03No, no, no, no, no, no, no, no.
23:33Want to sleep
23:33with common people
23:35You want to sleep
23:37with common people
23:38like me
23:39But she didn't
23:41understand
23:42She just smiled
23:44and held my hand
23:47I went to a flagship
23:50for the shot
23:51I cut your hair
23:53and get it done
23:54I smoked some facts
23:56and played some pool
23:57Pretend you never
23:59and went to school
24:01Still you'll never
24:03get it right
24:04Cause when you're
24:05late in bed
24:06at night
24:07Watching roaches
24:09climb the wall
24:10If you called your dad
24:13he could stop it
24:14Oh, yeah
24:15You'll never live
24:16like common people
24:18You'll never do
24:19whatever common people do
24:22You'll never fail
24:23like common people
24:24You'll never watch
24:26your lives
24:27slide out and feel
24:28And then dance
24:30and drink
24:31and scramble
24:31Because there's
24:33nothing else to do
24:35Oh
24:48Ooh
24:53Huh
24:54Oh
24:55Ooh
24:55Ooh
24:57Ooh
24:57Ooh
24:57Ooh
25:06¡Gracias por ver!
25:45¡Gracias por ver!
26:15¡Gracias por ver!
26:33¡Gracias por ver!
27:25¡Gracias por ver!
27:47¡Gracias por ver!
Comentarios