Vocento ha implementado un recomendador de contenidos impulsado por inteligencia artificial en sus diarios digitales. El sistema prioriza la intención del lector sobre la estructura tradicional por secciones. Ofrece recomendaciones en tiempo real, evita repeticiones y respeta la protección de datos. Su enfoque mejora la retención, la calidad del engagement y la eficiencia editorial. La solución ya está en producción en medios como ABC, El Correo y La Verdad.
¿Qué es el modelo ‘User Needs’ y por qué rompe con la lógica tradicional de secciones?
El modelo ‘User Needs’ clasifica cada artículo según siete necesidades informativas reales: actualízame, edúcame, dame perspectiva, sorpréndeme, inspírame, conéctame y ayúdame. Estas no son etiquetas genéricas. Son intenciones observables en el comportamiento del usuario: búsquedas repetidas, tiempo de lectura, clics en análisis profundos o compartidos en redes sociales.
Este enfoque supera la clasificación por secciones (política, economía, sociedad), que responde a la lógica interna del medio, no a la del lector. Un mismo artículo sobre una reforma laboral puede cumplir ‘actualízame’ para un usuario y ‘edúcame’ para otro. El sistema lo detecta y lo recomienda según el perfil, no según la categoría asignada por el editor.
Cómo se entrena el algoritmo sin sesgos editoriales
El sistema no depende de etiquetas manuales. Usa aprendizaje automático para identificar patrones en el comportamiento colectivo: qué artículos consumen juntos los lectores con intereses similares, qué rutas de navegación generan mayor tiempo de permanencia y qué combinaciones de contenido reducen la tasa de rebote. Los datos se anonimizan y se procesan bajo el Reglamento General de Protección de Datos (RGPD).
¿Cómo mejora la experiencia del lector y reduce la fatiga informativa?
La fatiga informativa crece cuando los usuarios reciben contenido repetitivo o desalineado con su intención. El recomendador aplica un filtro de exclusión automática: elimina artículos ya leídos, incluso si pertenecen a distintos diarios del grupo. Esto evita la sensación de ‘ya lo vi’, clave para la confianza y la lealtad.
Además, el sistema prioriza la diversidad temática dentro de cada necesidad. Si un lector busca ‘dame perspectiva’, no le muestra solo análisis de un mismo think tank. Introduce voces contrastadas, formatos distintos (infografías, podcasts, entrevistas) y cronologías variadas (contexto histórico, proyecciones futuras).
Integración con el flujo editorial en tiempo real
El sistema no es solo un motor de recomendación. Es una herramienta de inteligencia editorial. Envía alertas a los jefes de redacción cuando detecta picos de demanda en una necesidad específica: por ejemplo, un aumento del 40 % en ‘ayúdame’ sobre temas de vivienda en una región. Esto permite reasignar recursos, acelerar la producción de guías prácticas o activar coberturas hiperlocales.
¿Qué impacto económico y regulatorio tiene esta innovación?
La implementación reduce los costos de adquisición de tráfico. Los lectores que encuentran contenido alineado con su necesidad pasan un 32 % más de tiempo en las webs y tienen un 27 % más de probabilidad de suscribirse. Según datos internos de Vocento, el CTR en bloques de recomendación basados en ‘User Needs’ supera en un 58 % al de los recomendadores tradicionales por categoría.
Desde el punto de vista regulatorio, el proyecto cumple con el Real Decreto-ley 26/2023 sobre IA en medios y está alineado con las directrices de la Agencia Española de Protección de Datos (AEPD) para sistemas de perfilado. Todo el procesamiento se realiza en infraestructura soberana, sin transferencia de datos fuera de la UE.
Soporte institucional y escalabilidad
El desarrollo contó con financiación de la Secretaría de Estado de Digitalización e Inteligencia Artificial, cofinanciada por Next Generation EU. Esto valida su carácter estratégico para la transición digital del sector. La arquitectura es modular: puede integrarse con CMS existentes y adaptarse a medios pequeños mediante acuerdos de licencia con Vocento Media Lab.
¿Cómo se relaciona con la evolución del periodismo de propósito?
El modelo ‘User Needs’ refuerza el periodismo de servicio. Al priorizar ‘ayúdame’ o ‘conéctame’, impulsa la creación de contenidos prácticos, comunitarios y empáticos. No se trata de personalizar para retener, sino de servir con precisión. Esto alinea la estrategia tecnológica con los principios de E-E-A-T (Experiencia, Expertise, Autoridad, Confianza), exigidos por Google para medios de calidad.
Datos Clave
- El sistema clasifica cada artículo en siete necesidades reales del lector, no en secciones editoriales.
- Usa aprendizaje automático con datos anónimos y cumplimiento estricto del RGPD.
- Reduce un 41 % las repeticiones de contenido mediante filtro de exclusión inteligente.
- Genera alertas editoriales en tiempo real para optimizar coberturas y recursos.
- Financiado por fondos públicos europeos y nacionales bajo la convocatoria de IA para medios.
El modelo ‘User Needs’ no es una herramienta técnica aislada. Es una redefinición del contrato entre medio y lector: de ofrecer información a resolver necesidades. Su éxito depende menos de la potencia del algoritmo y más de la coherencia entre la intención del lector, la calidad del contenido y el respeto por su autonomía.
