¿Pueden ser virales los ‘podcasts’?

La viralidad es un concepto que, como explica Jorge Carrión en Lo viral (Galaxia Gutenberg), aspira a ser el nervio del presente: “(...) lo viral, como aquello que puede comentarse, evaluarse y, sobre todo, compartirse masivamente”, escribe Carrión. Pero ¿han demostrado en alguna ocasión los podcasts ser virales? ¿Fue Serial, el más famoso de la corta era del podcasting, viral? ¿Cómo entender la viralidad en el contexto del audio?

Es cierto que como criaturas digitales emergentes, los podcasts deberían concitar algunas de esas cualidades que permitirían hacerlos virales; sin embargo, el audio nunca ha sido fácilmente compartible y, en este sentido, ha impedido que su viralidad se propague. La indexación del audio ha sido hasta hace muy poco —gracias, Google— uno de los grandes retos a los que la industria se enfrentaba. ¿Cómo compartir y viralizar entonces un contenido que tiene enormes posibilidades de no ser adecuadamente indexado en buscadores?

“Lo que importa no son los medios, sino su capacidad de crear comunidades y estrategias para trascenderlas”, escribe de nuevo Carrión en su libro. Si convenimos que el podcast no es un medio sino un formato y una tecnología de distribución que, además, atesora la cualidad de tribal —tiene la posibilidad de crear y asentar comunidades—, ¿por qué apenas recordamos fenómenos virales que hayan tenido al podcast en su centro? Los ratings, las estrellas de Apple Podcast, los comentarios, las valoraciones y reseñas tienen mucho que ver. Sin embargo, la atomización de plataformas, así como sus diferentes criterios a la hora de diseñar los rankings pueden explicar por qué los podcasts, a pesar de su creciente popularidad, no son del todo virales.

Monetización basada en conductas

Dan Misener, jefe de Desarrollo de Audiencias en Pacific Content, la productora canadiense de branded podcast, revela en un artículo titulado 20 millones de calificaciones de estrellas de Apple Podcasts que muchos clientes preguntan a menudo si tener una buena puntuación (reputación) en reseñas y valoraciones en Apple Podcasts es sinónimo de gran número de descargas o escuchas. Misener tenía que responder a cuestiones de este tipo: “El podcast de nuestro competidor tiene más calificaciones de estrellas que nosotros. ¿Es eso muy malo?". De modo que se puso a investigar. A principios de mes consiguió una serie de datos extraídos de de 19.973.595 calificaciones en 1.307.258 programas en Apple Podcasts en EE. UU. Luego hizo algunos cálculos y el resultado le sorprendió: la gran mayoría de podcasts en Apple tiene cero estrellas en sus calificaciones. De los casi veinte millones de los podcasts que sí tienen calificaciones, el 87% son calificaciones de cinco estrellas. Las de cuatro estrellas son la segunda opción más popular y en tercer lugar estaban las calificaciones de una estrella. Es decir, si alguien se toma el tiempo de calificar un show o bien lo hace porque lo odia o porque lo ama. No hay oyentes apáticos.

Con mucha diferencia con respecto a los demás, los podcasts que más calificaciones tenían son los que pertenecen al género true crime. Según la hipótesis de Misener, “es más probable que los programas que contienen lenguaje explícito o contenido para adultos provoquen fuertes respuestas de los oyentes, en forma de calificaciones de estrellas”. Por último, los shows serializados tienen más calificaciones de estrellas que los episódicos. Algo que tiene sentido por la construcción de comunidades más férreas en los primeros.

De manera que en este nuevo entorno digital y plataformizado se impone la visibilidad y la cantidad sobre otros valores como la calidad o la curiosidad. Estamos inmersos, como dice Carrión, en una suerte de “paradoja de la tiranía” con una audiencia más indulgente y bulliciosa que nunca. El concepto de viralidad surgió en los años 90 en el entorno del marketing.

En el libro Traction. Cómo cualquier 'start-up' puede lograr un crecimiento explosivo de clientes, Justin Mares y Gabriel Weinberg explican la ciencia que hay detrás del marketing viral. En el universo del podcast se podría resumir en un bucle dividido en tres grandes procesos: primero, un oyente está expuesto a escuchar tu podcast; en segundo lugar, ese oyente comenta a un grupo de oyentes potenciales que tu podcast existe y, por último, estos posibles oyentes que están expuestos se convierten en oyentes definitivos. Este triple proceso se repite constantemente hasta convertirse en un bucle. En este bucle hay dos variables que son esenciales: el número de personas a las que cada oyente habla de un podcast y el porcentaje de conversión.

Otro elemento fundamental es el tiempo del ciclo viral, es decir, el tiempo que transcurre hasta que el próximo oyente recomiende su programa a otra persona. En este sentido, ¿cuántos episodios son necesarios para considerar a alguien oyente viral? Quizás, nuevamente, la experiencia de las plataformas VOD nos sirvan como orientación. En un artículo publicado por Elena Neira en Xataka en marzo del 2019 se recogía un tuit de Mike Royce, showrunner de la serie One Day at a Time, que se convirtió en viral. En él, Royce animaba a que los espectadores vieran la serie completa en las dos primera semanas desde su estreno porque Netflix tomaba la decisión de cancelación o prórroga de temporadas basándose en los datos que se generaban en esas dos primeras semanas. Ya no se trata de consumirlo todo de modo sucesivo, además hay que hacerlo muy rápidamente. El ciclo viral es cada vez más corto.

El propio formato podcast —reflexivo, atemporal, atento— puede impedir esa deglución vertiginosa. Además, la costumbre del binge listening solo ha sido promovida por Spotify en casos puntuales y, generalmente, en shows adaptados a otros idiomas (así ha sido con la adaptación de Sandra, la audificción de Gimlet Media); en XRey, por ejemplo, cada nuevo episodio era esperado como una celebración. Pero lo cierto es que los podcasts ya no escapan a la dictadura del algoritmo que tanto tiene que ver con la viralidad. En noviembre de 2019, apenas unos meses después del tuit de Royce, Spotify anunciaba su Your Daily Podcast, una lista automatizada de reproducción personalizada en el que se combinaba música y podcast. Para que Spotify sea capaz de mostrar a cualquier usuario los podcasts que le pueden interesar, el algoritmo de Spotify analiza su actividad en la aplicación y según el historial del usuario y el tipo de podcasts que suele escuchar, le recomendará o siguientes episodios de un programa o emisiones antiguas.

Sin embargo, en julio de 2019, Liz Pelly publicaba en The Baffler un artículo titulado Big Mood Machine en el que exponía que Spotify El propio formato podcast —reflexivo, atemporal, atento, a diferencia de otras plataformas— agiliza el proceso de proporcionar cuadros de perfiles emocionales de los usuarios al tener ya diseñadas listas musicales con estados de ánimo muy concretos: Happy Hits, Mood Booster, Rage Beats, Life Sucks. Si necesita que le levanten por la mañana, tiene las opciones Despierta feliz, Un día perfecto o Listo para el día. Si se siente deprimido, puede encontrar Feeling Down, Sad Vibe, Down in the Dumps, Drifting Apart, Sad Beats, Sad Indie y Devastating. Si está pasando un duelo, incluso hay una lista titulada Coping with Loss, con el lema: "Cuando alguien a quien amas se convierte en un recuerdo, encuentra consuelo en estas canciones".

La algoritmización del audio

Cuenta Nelly que en 2014 Spotify adquirió Echo Nest, la firma de inteligencia musical que le ha permitido conectar la monetización del audio a estados de ánimo, momentos y actividades en lugar de géneros concretos. “(..) Somos más como una plataforma de comportamiento del consumidor, donde las personas ponen la banda sonora de todo lo que hacen en su vida”, dijo Rob Walker, director de Soluciones Creativas de Spotify, en un artículo de Born Digital. Hasta tal punto son una plataforma en cuyo centro habita el oyente y su comportamiento, que en su blog Spotify for Brands destacaron cuáles eran los siete momentos claves en los que la escucha de audio era propicia para recibir impactos publicitarios: trabajar, relajarse, cocinar, labores domésticas, jugar, hacer ejercicio, ir de fiesta y conducir. A cada uno de estos "momentos" corresponde un "viaje emocional" y los ingenieros predicen qué van a sentir los oyentes en cada uno de esos estado de ánimo. Basándose en esa predicción, diseñan el orden de las listas.

Como afirma Nelly, es probable que en un entorno de escucha basado en datos, “el producto ya no sea la música o los podcasts; la mercancía son los usuarios y sus estados de ánimo”. Es decir, los hábitos de escucha como dato de comportamiento. En 2017, recuerda Nelly, el director global de monetización de audio y podcasts de Spotify, Les Hollander, afirmó: "Lo que nos gustaría hacer en última instancia es poder predecir el comportamiento de las personas a través de la música (…) Sabemos que si estás escuchando tu lista de reproducción relajada en Por la mañana, puede que esté haciendo yoga, puede que esté meditando... de modo que publicaríamos un anuncio contextualizado y relevante con información, tonalidad y ritmo para ese momento en particular”. La pregunta se hace entonces inevitable: si Spotify puede llegar a determinar cómo debe ser el mood de la música para que triunfe —no es casualidad, por supuesto, que los últimos temas de C. Tangana estén dedicados a la tristeza del desamor—, ¿podrá hacer lo mismo con los podcasts? ¿Podrá predecir y determinar podcasts políticos, económicos o culturales? ¿Si los algoritmos no detectan un mínimo interés en un podcast se le relegará a la más pura indiferencia?

La última adquisición de Spotify ha sido Megaphone, una empresa de tecnología de podcasts centrada en la inserción y el alojamiento de anuncios fundada por The Slate Group y Panoply Media. Cuenta Bryan Barletta en Sounds Profitable que el gran reclamo para comprar Megaphone no ha sido de índole tecnológica. Se trata más bien de una relación exclusiva que Megaphone tiene con Nielsen —la gran compañía de información de mercado, medios, audiencias y entretenimiento— y que "permite hacer coincidir las direcciones de IP de los hogares con la sólida segmentación demográfica de Nielsen, lo que le posibilita a Megaphone ofrecer una orientación más granular en sus servicio". La decisión de Spotify ha sido absolutamente magnífica en términos económicos. Con esta adquisición se convierte en demiurgo del audio, logrando una trazabilidad exacta de cualquier contenido: desde la creación en Anchor con la posibilidad de utilizar cualquier música y de cualquier manera sin preocuparse por pagar derechos de autor —ellos lo hacen por ti—, el alojamiento en Megaphone, la publicidad dinámica con SAI (Streaming Ad Insertion) y la distribución en su plataforma con una comunidad millonaria detrás. Si esta noticia puede ser buena para cualquier podcast, imaginen lo que supone para los shows originales de Spotify y los adquiridos: Jor Rogan, Gimlet, The Ringer o Parcast. Como explica Barletta, estamos ante la tiktokificación del podcasting: un embudo de conversión diseñado para atraer a las personas, ayudarlas a crear contenido, diseñar algoritmos para mantener a las personas involucradas en el contenido y permitirles obtener ingresos por participar en un ecosistema totalmente propiedad de Spotify, del mismo modo que YouTube proporciona a sus editores.

Lo del rastreo de conducta, sin embargo, no es nuevo. Lo han hecho plataformas como Netflix, por supuesto, pero también, de modo más subrepticio, Twitter. Una herramienta de seguimiento de emojis desarrollada hace dos años permite a los anunciantes monitorizar cómo y cuándo los usuarios publican emojis, y luego usar esa información para determinar los estados emocionales de las personas. Dependiendo de esos sentimientos, las empresas pueden ofrecer anuncios altamente personalizados que coincidan con las emociones de los usuarios en tiempo real. Toyota, por ejemplo, lanzó 83 versiones distintas de un anuncio. Cada versión fue personalizada no basándose en orientación política, procedencia geográfica, género o edad sino en los emojis que habían utilizado recientemente en sus tuits.

Explica Yuk Hui en su reciente libro Fragmentar el futuro (Caja Negra Editora) que es imposible hablar de límites en la inteligencia artificial: “¿Cómo podemos hablar del límite de algo que virtualmente no tiene límite”. Quizás sería mejor pensar en ensanchar los límites de la inteligencia artificial por arriba: “Las máquinas son parte del proceso evolutivo de la especie humana (…) Son un aspecto de la evolución que los seres humanos tuvieron la capacidad de controlar, pero sobre el que están camino de perder el control”, concluye Hui.

Decía Jorge Carrión en su reciente columna publicada en The New York Times que deberíamos defender al podcast “de la uniformización que —a través de los algoritmos— está acabando con la tercera edad de oro de la televisión”, ya que, “ningún monopolio es deseable”. Su reflexión es certera pero, tal vez, debamos mirar a la tecnología y a las plataformas desde el otro lado: ¿y si Spotify consigue predecir y promover estados alegres en una época triste como la que vivimos? ¿Y si consigue, a través de su perfecta combinación entre recomendación algorítmica y decisión editorial humana, aupar podcasts condenados al ostracismo sólo porque cree en ellos? ¿Por qué no pensar que su apuesta definitiva, global y entusiasta por el audio será capaz de proporcionarnos las mejores historias del siglo XXI contadas esta vez al oído? ¿Conseguirá Spotify, por fin, convertir al podcast en un contenido viral?