Llegas a una ciudad nueva, abres Google Maps o TripAdvisor, buscas «qué hacer cerca de mí», y lo que obtienes es una lista de cadenas de restaurantes, museos sobrevisitados, y establecimientos con 4.7 estrellas basadas en 3.000 reseñas escritas hace tres años. El restaurante de barrio que está a dos manzanas, con cola de locales y sin presencia en ninguna plataforma, no existe para el algoritmo.
Este no es un problema menor. Es un fallo sistémico en cómo las plataformas de descubrimiento local han evolucionado, y entenderlo explica por qué la experiencia de «qué hacer cerca de mí» se siente cada vez más decepcionante aunque haya más datos que nunca.
Google Maps, TripAdvisor y Yelp son negocios publicitarios. Una parte significativa de los resultados que aparecen primero son establecimientos que han pagado para aparecer. Los «resultados patrocinados» están marcados, pero el marcado es discreto — suficientemente discreto como para que muchos usuarios no lo noten o no lo recuerden.
El resultado es que la posición en los resultados no refleja principalmente la calidad — refleja la capacidad y disposición a pagar por publicidad. Un restaurante excelente sin presupuesto de marketing aparece por debajo de cadenas mediocres que han pagado por la visibilidad.
En 2023, la FTC estadounidense sancionó a varios servicios de generación de reseñas falsas. En la UE, la Directiva Omnibus exige que las plataformas verifiquen que las reseñas son de compradores reales. A pesar de esto, el mercado de reseñas falsas sigue siendo activo.
Las reseñas falsas no son solo un problema de deshonestidad — son un problema de señal. Cuando una parte significativa de las reseñas en una plataforma son fabricadas, el resto de las reseñas pierde su valor informativo. Si no puedes distinguir las reales de las falsas, ninguna es confiable.
El problema se agrava porque las plataformas tienen incentivos contradictorios: las reseñas generan engagement, y más engagement es mejor para el negocio publicitario, independientemente de si las reseñas son auténticas.
Las plataformas de reseñas favorecen estructuralmente a los establecimientos grandes sobre los pequeños. Un hotel de cadena con 500 habitaciones recibe naturalmente más reseñas que una pensión con 10 habitaciones — incluso si la experiencia en la pensión es superior. El algoritmo interpreta el volumen de reseñas como una señal de calidad o relevancia, lo que favorece a los establecimientos de gran escala independientemente de la calidad real.
El resultado es que las plataformas tienden a recomendar los mismos establecimientos a todos los usuarios — los que tienen más reseñas, más presupuesto publicitario, y mayor presencia online. El descubrimiento genuino de lugares locales únicos se hace progresivamente más difícil.
Las plataformas de reseñas acumulan contenido a lo largo de los años, y ese contenido no envejece bien. Un restaurante que tenía un cocinero excelente hace tres años puede haber cambiado completamente su equipo y su calidad. Las reseñas de hace tres años siguen siendo las más numerosas y siguen influyendo en el ranking.
La «puntuación» de un establecimiento en las principales plataformas es un promedio ponderado de toda su historia de reseñas — que puede incluir años en los que el establecimiento era completamente diferente de lo que es hoy.
Un sistema de descubrimiento local genuinamente útil priorizaría:
La ironía es que la tecnología que se supone debería hacer el descubrimiento local más fácil y más preciso ha hecho que muchas personas vuelvan al boca a boca. Pedir recomendaciones a personas que conoces y en quienes confías — que saben lo que te gusta — sigue siendo más fiable que cualquier algoritmo de recomendaciones.
Esto es un fracaso de producto a escala masiva. Las plataformas tienen acceso a más datos que nunca, y sin embargo la recomendación de un amigo que conoce tus gustos sigue siendo más valiosa que cualquier resultado de búsqueda local.
En la práctica, algunas estrategias que producen mejores resultados que las búsquedas estándar: