Tal vez hoy en día nos parece lógico y hasta normal que una red social / aplicación nos haga un Wrapped. Pero en el mundo de la música no es tan sencillo lograrlo, y en la historia de los mp3 está la explicación de por qué fue tan decepcionante el Wrapped de Spotify de este año.
Tendré que dar una vuelta larga, pero lo voy a hacer lo más sintético y rápido posible.
Cuando empezaron a popularizarse los mp3, en la segunda mitad de los noventas, las personas descargaban este tipo de archivo comprimido de música de servicios como primero Lycos y luego Napster, Pero también generaban sus propios mp3 a partir de sus CDs —e incluso desde sus casetes o vinilos—. A esto último se le denominaba “ripear”, y se solía hacer con programas tipo MusicMatch Jukebox y el proceso tomaba a veces varias horas. Uno de los problemas o desafíos que tenían los ripeos es que, aparte de transformar la música de cada pista del soporte físico en un archivo de computador, había que nombrarlos. Si no, las canciones quedaban rotuladas con un título genérico como, “artist 01 – track 01”.
¿Cómo se resolvía esto?
Para no andar anotando cada metadato existía un servicio llamado CDDB (Compact Disc Database) que era un servidor mundial con data sobre la extensión en milisegundos de centenares de miles de canciones de CDs al que MusicMatch —u otros programas— accedía en línea en un sistema usuario-servidor que reconocía cada track del CD y enviaba los datos a tu computadora y llenaba automáticamente la data.
¿Qué pasó luego?
Que en 2002 se inventó otro servicio que tomaba la metadata de tus mp3. Este servicio se llamó primero AudioScrobbler y resultaba una cosa tan sencilla como que, instalado un plug-in en tu reproductor de música como Windows Media Player o WinAmp, enviaba dicha metadata a su servidor central y con ella registraba todos los temas que habías reproducido en tu computador.
¿Para qué servía esto?
Para hacer un perfil de usuario para cada persona conectada a AudioScrobbler —que posteriormente, tomando la “A” y la “S” mayúsculas de su nombre, pasaría a llamarse LAST.fm—.
Y aquí sucedía la magia.
Con los perfiles de sus decenas de miles de usuarios, Last.fm podía encontrar usuarias y usuarios de gustos similares al tuyo y a partir de eso, por ejemplo, recomendarte nueva música que no habías escuchado en tu reproductor. Pongamos el caso de que tú escuchas a The Smiths y a REM. Y que otra usuaria también escucha a The Smiths y a REM. Esta usuaria es “homofílica” a ti, que es un término que en Social Network Analysis significa que es “similar”. Si esa usuaria además de The Smith y REM escucha a Joy Division, y tú no has escuchado a Joy Division, Last te recomendaba escuchar a esta última banda.
El sistema de recomendación por homofilia fue un espectacular éxito porque permitía expandir tus gustos hacia zonas sorpresivas y además porque fue una de las primeras redes sociales o comunidades en Internet hechas y derechas. Y se extendió a otros dominios: quizá has visto que cuando vas a comprar un libro en Amazon, te dice que otros usuarios que han comprado ese libro también han comprado… Netflix también usa este truco.
Por los mismos años otras empresas de Internet intentaron crear sus propios servicios de recomendación tratando de ir más allá de la solución homofílica. Uno de esos servicios fue Pandora, que no tenía una base de datos de metadata enviada al sistema, ni un listado perfilado de usuarios. Lo que Pandora hacía era que tenía anotados manualmente miles de temas en características musicales y sonoras (como género del vocalista principal, uso predominante del groove, nivel de distorsión en la guitarra eléctrica, tipo de coros, etc.). Pandora tenía datos de miles de canciones; pero luego fue superada por otro servicio llamado The Echo Nest, que había anotado millones de canciones —al parecer pirateadas desde Internet— automáticamente con métodos de machine learning. The Echo Nest, entonces, podía recomendar música similar a la que tú misma escuchabas.
En la última década Spotify se alió con Last.fm (de hecho, puedes activar la conexión con tu Last desde la página de configuración de Spotify) y adquirió la data de The Echo Nest.
Con esta información a la mano es que, cruzando datos de homofilia de ti como usuario y de atributos musicales de las canciones que escuchas, Spotify te hace el Mix 1… 2… 3, te recomienda el Descubrimiento Semanal y presta otros servicios como las Radios de los Artistas.
Y llegamos al punto: te levanta tu Wrapped anual. Como sabemos, y por eso estamos acá, el Wrapped es “un resumen personalizado de tu año de escucha repleto de funciones inmersivas”. Este resumen se presenta desde hace algunos años como diversas stories que se pueden compartir, por ejemplo, en tu Instagram: tus canciones más escuchadas, tus artistas favoritos, así como la cantidad de minutos que has usado el servicio en el año y, una de las cosas más valoradas, el percentil en que te hallas en cada uno de estos ítemes (yo, por ejemplo, estoy en el 2% de usuarios de Spotify en el mundo que más escuchan a Belle and Sebastian). Incluso, si estás en los percentiles más altos de audición de un artista, te envía un mensaje personalizado que esa artista ha grabado en video para saludarte y agradecerte.
¿Qué tuvo de malo el Wrapped de este 2024?
Fundamentalmente, que fue ya muy repetitivo: año tras año escuchamos básicamente a los mismos artistas, y esto es lo más importante, eso ya lo sabemos. En la medida en que año tras año nos aparece este dato en nuestro Wrapped, nos hemos hecho más conscientes de nuestros patrones de audición. La sorpresa ha acabado.
Amén de ello, como The Echo Nest tiene anotados géneros musicales, como bubblegum pop, soft rock, british folk, classic rock o early synthpop, solo por nombrar algunas de las miles de categorías que Spotify maneja, en años anteriores el Wrapped te indicaba tus géneros favoritos (el mío era spanish indiepop).
Y más, como a partir de Last.fm y sus propios datos, te señalaba cuál era, por ejemplo, la ciudad del mundo en que se escuchaba la música más similar a la tuya (en mi caso era Sheffield, en Inglaterra).
Nada de esto último apareció en el Wrapped 2024, reemplazando los géneros más escuchados por algo tan horroroso como lo que habías escuchado en abril con etiquetas absurdas tales como, “banjo country proscrito del salvaje oeste”, “popurrí teatral de rock argentino”, que uno sospecha que fueron generados con IA.
No solo eso, sino que también está ocurriendo que las personas, al hacerse más conscientes de sus patrones de uso de Spotify, como señalé más arriba, hacen trucos tales como dejar en loop canciones en específico sobre todo a partir de octubre, para que aparezcan en sus listados del Wrapped las canciones que ellas quieren.
Más. Algunas personas sospechan que tal como sucede con el Radar de Novedades hay una cierta connivencia de Spotify con algunos artistas y sellos, en una suerte de CyberPayola*, y que ha metido a la fuerza en tus listados cosas que en realidad no has escuchado tanto.
Nada. Si en realidad quieres saber el detalle de tus audiciones puedes entrar en modo Developer a Spotify y bajar tu data vía su API con un código Python y voilá. O más fácil, poner tu usuario de Last.fm en este link: https://benjaminbenben.com/lastfm-to-csv/ y saberlo todo de tus gustos desde siempre.
*La payola es una práctica ilegal que consiste en pagar a una estación de radio para que reproduzca una canción específica sin informar a los oyentes de que se trata de publicidad paga
