Motores de búsqueda y motores de recomendación de libros

Cambian los tiempos y cambian las costumbres. Cambia el formato de los libros y cambia la forma de leerlos. La propia industria del libro cambia (aunque algunos no quieran darse cuenta). Pero hay un principio que permanece inmutable, anclado en la sólida base de eficiencia que lo sustenta: la recomendación de títulos “boca a boca”.

Nada nos influye más a la hora de tomar una decisión que lo que dicen los demás, ya sea de forma masiva (las miles de voces que crean un bestsellers), profesional (los críticos literarios y libreros) o espontánea (el prescriptor amigo). Así queda demostrado en las estadísticas que cada año publica la red de lectores Goodreads. A la pregunta “¿Qué te convence a la hora de leer un libro?”, las cuatro primeras razones fueron:

1. Un amigo de confianza
2. Todo el mundo habla del libro
3. Un club de lectura
4. Las reseñas de los usuarios de Goodreads

Cuatro respuestas que pueden resumirse en una: lo que convence a la hora de escoger un libro es el factor humano, el criterio lector de otra persona o grupo de personas.

Si está más que demostrado que son las personas los que nos descubren los libros y nos impulsan a nuevas lecturas, ¿por qué hay tanta obsesión entre los analistas editoriales y los profesionales del marketing con los algoritmos de búsqueda? ¿Por qué se valora tanto el criterio de recomendación de un software? ¿Por qué se insiste en el uso de buenos metadatos como clave para vender libros?

Lo primero que hay que tener en cuenta es que no hay que confundir motores de recomendación con motores de búsqueda de libros, aunque en muchas ocasiones aparezcan combinados.

Los motores de búsqueda suelen basarse en los datos aportados por el editor a la cadena de suministro del libro (los metadatos). Los motores de búsqueda internos de las librerías, las editoriales, las bibliotecas y los navegadores (como Google) discriminan por título, autor, ISBN, palabras clave, género, materia, traductor, formato, etc. Algunos, como el de Ciudad de Libros, incluyen incluso un “buscador emocional” en el editor etiqueta los libros con palabras que ayudan los lectores a buscar títulos según su estado de ánimo. Así pues, los buscadores ofrecen sus resultados de búsqueda a partir de los metadatos con que el editor acompaña a cada uno de sus libros. Por esta razón, cuanto más completos y adecuados sean los metadatos más posibilidades hay de que un libro sea encontrado por los lectores en una búsqueda orgánica. Y cuando esos datos se combinan en los motores de recomendación aumentan considerablemente las posibilidaddes de venta.

Por el contrario, los motores de recomendación basan sus resultados en los datos aportados por el lector: compras, reseñas, búsquedas, valoraciones… El famoso algoritmo de recomendación Amazon no hace sino analizar y relacionar el comportamiento de los usuarios en la tienda (libros hojeados, libros comprados, libros reseñados), un sistema que han imitado la mayoría de las tiendas online. Y las listas de ventas, muy influyentes dado nuestro comportamiento gregario, se generan por el comportamiento de los lectores en caja.

Recientemente ha surgido una nueva herramienta de recomendación de lecturas que recoge y analiza el único de los factores de comportamiento del lector que hasta ahora quedaban excluidos en los algoritmos: las reacciones expresadas en las redes sociales (Facebook, Twitter, Wikipedia y YouTube). Aún no he profundizado lo suficiente en Teksum, que así es como se llama este nuevo software de “análisis emocional” de los libros, para hacerme una idea sobre su utilidad, pero todo apunta a que podría ser de gran ayuda para los departamentos de marketing de las editoriales más que para los lectores.

De momento, el primer ejemplo que busco, mi poco apreciado Cincuenta sombras de Grey, arroja resultados dignos de estudio sociológico: una mayoría de reseñas positivas frente a una casi unanimidad de reacciones negativas en Twitter.