En el mundo en constante evolución de las citas online, un nuevo estudio ha sacado a la luz las complejidades de los algoritmos de emparejamiento utilizados por estas plataformas. Investigadores de la Universidad Carnegie Mellon y la Universidad de Washington han descubierto un «sesgo de popularidad» en estos algoritmos, una tendencia a recomendar a los usuarios más populares y atractivos sobre sus homólogos menos populares. Los hallazgos de este estudio se publicaron en Manufacturing & Service Operations Management.
Investigaciones anteriores en el ámbito de las plataformas de citas online a menudo se han centrado en el comportamiento y las preferencias de los usuarios. Sin embargo, ha habido un interés creciente en comprender cómo las propias plataformas, a través de sus algoritmos, influyen en el emparejamiento. Este estudio fue motivado por la necesidad de explorar el llamado «sesgo de popularidad», una tendencia de las aplicaciones de citas a favorecer a los usuarios que se consideran más atractivos, exitosos o atractivos. Los investigadores intentaron comprender las implicaciones de este sesgo no sólo para los usuarios individuales sino también para la eficacia general de estas plataformas a la hora de crear coincidencias exitosas.
“Las citas online se han convertido en la forma predominante para que las personas encuentren a sus potenciales parejas, y la mayor parte de la investigación en esta área se centró en comprender las propias preferencias de las personas en lugar de las plataformas/sitios web que proporcionan este dominio en primer lugar. Al final del día, son los algoritmos de estas plataformas los que hacen o deshacen la experiencia de los usuarios en las citas en línea”, dijo el autor del estudio Musa Eren Celdir, científico de datos senior de United Airlines que dirigió el estudio mientras obtenía su doctorado de la Escuela de Negocios Tepper de Carnegie Mellon.
El estudio fue una combinación de modelos teóricos y análisis de datos empíricos. Los investigadores modelaron el proceso de toma de decisiones de las plataformas de citas online y las interacciones de los usuarios como un juego de tres etapas. Este modelo incluía dos tipos de usuarios: los ‘populares’, que generalmente tienen más opciones tanto dentro de la app como en la vida real, y los ‘impopulares’, que no llaman tanto la atención. El equipo tenía como objetivo comprender cómo la búsqueda de una plataforma por maximizar los ingresos o el número de coincidencias exitosas influía en sus recomendaciones.
Para fundamentar su trabajo teórico en la realidad, los investigadores utilizaron datos de una importante plataforma de citas en línea, que involucró a aproximadamente 243.000 usuarios y más de 30 millones de interacciones durante un período de tres meses. Este rico conjunto de datos incluía datos demográficos detallados, preferencias de los usuarios y un registro de las decisiones de los usuarios, como buscar más información sobre otros, enviar mensajes y responder a los mensajes recibidos. Este análisis integral permitió a los investigadores no solo validar sus suposiciones teóricas sino también predecir el comportamiento futuro del usuario y probar varias estrategias de recomendación.
Celdir y sus colegas descubrieron que las recomendaciones destinadas a maximizar los ingresos de la plataforma y aquellas destinadas a maximizar las personas exitosas no eran necesariamente objetivos. Sin embargo, las estrategias de maximización de ingresos tendieron a discriminar más a los usuarios impopulares. Esto se debe a que los usuarios populares, al impulsar la participación a través de Me gusta y mensajes, ayudan a generar ingresos. Además, contribuyen a que las coincidencias sean más exitosas, siempre y cuando no se vuelvan demasiado selectivas y, por lo tanto, inaccesibles para los usuarios menos populares.
«Nuestro trabajo contribuye a la investigación sobre plataformas de emparejamiento en línea al estudiar la equidad y el sesgo en los sistemas de recomendación y al construir un nuevo modelo predictivo para estimar las decisiones de los usuarios», dijo Elina H. Hwang, profesora asociada de la Escuela Foster de Ciencias de la Universidad de Washington, quien también fue coautor del estudio. «Aunque nos centramos en una plataforma de citas específica, nuestro modelo y análisis se pueden aplicar a otras plataformas coincidentes, donde la plataforma hace recomendaciones a sus usuarios y los usuarios tienen características diferentes».
También se observó una diferencia de género significativa. Los datos mostraron que las usuarias populares eran más selectivas que sus contrapartes impopulares, lo que generó menos sesgo contra las usuarias impopulares en las recomendaciones para maximizar la coincidencia. Sin embargo, tanto las recomendaciones centradas en los ingresos como las centradas en las coincidencias mostraron un nivel similar de sesgo contra los usuarios masculinos impopulares.
Otro hallazgo intrigante es el «efecto de congestión», cuando un usuario recibe numerosos mensajes y se enfrenta a un esfuerzo significativo para filtrarlos. El estudio encontró que, en escenarios con menor congestión, las recomendaciones imparciales generaban menos mensajes y coincidencias en comparación con las sesgadas. Sin embargo, a medida que el efecto de congestión aumentó, las recomendaciones tanto para maximizar los ingresos como para maximizar las coincidencias comenzaron a incluir de manera más equitativa a los usuarios populares y a los impopulares.
“Creo que hay dos conclusiones clave: 1) Aunque algunas plataformas de citas online afirman que emplean algoritmos muy sofisticados para que sus usuarios encuentren las mejores coincidencias, sus algoritmos son susceptibles a sesgos simples. 2) Para las plataformas de citas en línea, las interacciones de los usuarios con otros (enviar me gusta/mensajes, etc.) son muy importantes para recomendar nuevos usuarios. Por lo tanto, los usuarios que son conscientes de mostrar interés a los demás tienen más probabilidades de encontrar buenas coincidencias en el futuro”, dijo Celdir.
A pesar de su análisis en profundidad, el estudio no está exento de limitaciones. Una limitación importante es su dependencia de los datos de una sola plataforma de citas en línea, que puede no captar todo el espectro del comportamiento de los usuarios en las diferentes plataformas. Además, el modelo utilizado, aunque sólido, simplifica la naturaleza compleja de las interacciones y preferencias humanas. Investigaciones futuras podrían ampliar estos hallazgos explorando una variedad de plataformas, incorporando datos longitudinales para comprender los cambios a lo largo del tiempo y profundizando en los aspectos psicológicos de la interacción del usuario en contextos de citas en línea.
Fuente: Manufacturing & Service Operations Management
Articulo original: Titulo: “Popularity Bias in Online Dating Platforms: Theory and Empirical Evidence“. Autores: Musa Eren Celdir, Soo-Haeng Cho y Elina H. Hwang.