AI VK libera el código de HEGM: un modelo que predice toda la distribución del tiempo de visualización de vídeo

Si desarrollas recomendaciones para vídeos cortos, seguramente has predicho el tiempo de visualización. El esquema clásico es sencillo: tomamos características del usuario y del clip, entrenamos una regresión y obtenemos «12 segundos esperados». El problema es que, en la realidad, casi nadie ve exactamente 12 segundos. El equipo de AI VK ha publicado un trabajo que aborda este problema de forma práctica.

Por qué el tiempo medio de visualización miente

Imagina dos clips de 30 segundos. En el primero, la mitad de la audiencia lo salta en un segundo y la otra mitad lo ve hasta el final. En el segundo, casi todos ven unos 15 segundos. Su estimación media puede resultar idéntica, pero son clips totalmente distintos con destinos diferentes en el feed.

La distribución del tiempo de visualización en vídeos cortos es incómoda. Primero hay un pico brusco de saltos rápidos en los primeros segundos, luego una cola larga y, en algunos clips, además un pico en la visualización completa. La regresión con error cuadrático tira la predicción hacia el centro, justo donde hay pocas visualizaciones reales. Un ranking construido sobre ese número distingue mal entre «gustó» y «lo saltaron».

Qué propone HEGM

HEGM significa Hierarchical Exponential-Gaussian Mixture. Por el nombre y la descripción de los autores se entiende la idea general: el modelo predice no un punto, sino una distribución completa, como mezcla de componentes de dos tipos. El componente exponencial encaja bien con los saltos rápidos: la probabilidad cae bruscamente con cada segundo. El gaussiano describe una visualización «normal» alrededor de un tiempo característico. La palabra «jerárquica» indica que los componentes están organizados en varios niveles, pero los detalles de esta estructura no se revelan en el anuncio y hay que buscarlos en el artículo.

Los autores mencionan también los problemas que surgen al entrenar modelos probabilísticos. Un ejemplo conocido: las mezclas de distribuciones tienden a «colapsar», cuando un componente se lo lleva todo y los demás quedan muertos. Cómo lo resolvió exactamente el equipo habrá que leerlo en el preprint.

Qué hacer con esto en la práctica

El primer paso no requiere HEGM. Construye un histograma del tiempo de visualización real de tus clips y comprueba si tiene varias jorobas. Si las tiene, una regresión puntual única casi seguro te perjudica.

Segundo: de la distribución se pueden obtener no un número, sino distintas señales. Son la probabilidad de salto en los primeros segundos, la probabilidad de visualización completa y el tiempo esperado dado que la persona no se fue de inmediato. Para un product manager, estas características son más comprensibles y más fáciles de vincular con los objetivos del producto que un abstracto «tiempo esperado».

Tercero: el código y los modelos de HEGM están en GitHub, así que la hipótesis puede comprobarse con tus propios logs sin desarrollar desde cero. La investigación ha sido aceptada en el track principal de IEEE ICDM 2026, lo que significa que ha pasado revisión por pares.

Limitaciones

Es importante entender que el anuncio no contiene cifras concretas. No sabemos en qué porcentaje HEGM superó a los métodos base ni qué cambió exactamente en el test A/B con tráfico de VK. Los autores solo escriben que se realizó una prueba y que hubo cambios. Es una promesa de un resultado sólido, no su prueba, y las cifras conviene buscarlas en el artículo.

Además, el modelo se probó con vídeos cortos y se desconoce hasta qué punto el enfoque se traslada a vídeos largos, pódcasts o streaming, donde la forma de la distribución es otra. Una mezcla de distribuciones también es más difícil de entrenar y depurar que una regresión normal, y requiere más cómputo.

En resumen: la idea de predecir la distribución en lugar de la media es perfectamente razonable y aplicable más allá de VK. Si necesitas precisamente HEGM, conviene decidirlo tras leer el artículo y probar el código con tus datos.