La gestión de sistemas de notificación a escala de hyperscaler presenta un dilema fundamental: optimizar la interacción inmediata puede entrar en conflicto con la sostenibilidad de la experiencia del usuario a largo plazo. Los sistemas tradicionales que unifican la decisión de envío y la selección de contenido en un único modelo de optimización de corto plazo a menudo ignoran los efectos acumulativos de la fatiga del usuario y el riesgo de opt-out, tratando la frecuencia como un subproducto implícito en lugar de una variable de control explícita. Este problema se agrava en entornos donde la retroalimentación negativa (como las bajas de suscripción) es escasa y se manifiesta con un retardo temporal significativo.
La solución propuesta por Netflix, inspirada en la teoría de los dos sistemas de Kahneman ('Pensar rápido, pensar despacio'), es una arquitectura jerárquica que desacopla la estrategia de la táctica. Una política 'lenta' se encarga de la planificación a largo plazo (semanal), determinando el ritmo y la frecuencia óptimos de las notificaciones por canal para cada usuario, mientras que una política 'rápida' ejecuta las decisiones tácticas en tiempo real, seleccionando el mensaje más relevante dentro de los límites establecidos por la política lenta. Este enfoque permite optimizar métricas a corto y largo plazo de manera independiente y explícita, resolviendo la tensión inherente entre la interacción inmediata y la satisfacción sostenida del usuario.
Arquitectura del Sistema
La arquitectura se compone de dos políticas principales: la 'Slow Policy' (planificador) y la 'Fast Policy' (ejecutor), comunicándose a través de un Feature Store. La Slow Policy opera con una cadencia definida (ej. semanal), evaluando patrones de engagement a largo plazo del miembro para seleccionar un 'Pacing Plan Action'. Este plan discretiza el espacio de decisión en combinaciones de frecuencias de push y email, ofreciendo aproximadamente O(100) estrategias de ritmo entre canales. La Slow Policy maximiza una función de utilidad personalizada, U(member, action) = Σ wₖ·Reward_k(member,action) — Cost(action), que pondera señales de engagement positivas contra el costo a largo plazo del envío de mensajes. Para contrarrestar la escasez de feedback negativo explícito, se introduce un 'universal message cost' que se añade a la predicción personalizada de feedback negativo, asegurando que la función de recompensa sea cóncava y evite políticas degeneradas de 'siempre enviar'.
Los planes generados por la Slow Policy se escriben en un Feature Store de baja latencia. Diariamente, cuando surge una oportunidad de notificación, la Fast Policy consulta este Feature Store para obtener el plan almacenado. La Fast Policy entonces ejecuta la decisión táctica de envío, seleccionando el mensaje óptimo para el miembro en ese momento, siempre dentro de los 'guardrails' estratégicos definidos por la Slow Policy. Este desacoplamiento asíncrono, con el Feature Store actuando como el punto de comunicación de estado, garantiza consistencia ('stickiness') en la experiencia del usuario y permite la evolución independiente de las estrategias de ritmo (Slow Policy) y la lógica de ranking en tiempo real (Fast Policy).
Flujo de Decisión de Notificación Jerárquica
- 1 Slow Policy (Planificador) Evalúa patrones de engagement a largo plazo del miembro (ej. semanalmente).
- 2 Slow Policy (Planificador) Maximiza función de utilidad personalizada (Reward - Costo) para definir Paci...
- 3 Feature Store Almacena el Pacing Plan Action (frecuencia push/email) para cada miembro.
- 4 Fast Policy (Ejecutor) Cuando surge oportunidad de envío (ej. diariamente), consulta Feature Store.
- 5 Fast Policy (Ejecutor) Recupera el Pacing Plan Action almacenado como feature.
- 6 Fast Policy (Ejecutor) Ejecuta decisión táctica de envío, seleccionando mensaje óptimo dentro de los...
- 7 Sistema de Notificaciones Envía el mensaje seleccionado al miembro.
| Capa | Tecnología | Justificación |
|---|---|---|
| data-processing | Machine Learning Models | Implementación de la 'Slow Policy' para calcular planes de pacing y la 'Fast Policy' para la selección de mensajes en tiempo real, utilizando modelos predictivos para optimizar la función de utilidad. |
| storage | Feature Store | Almacena y sirve los 'Pacing Plan Actions' calculados por la Slow Policy a la Fast Policy con baja latencia, actuando como el punto de comunicación de estado entre las dos capas. |
Trade-offs
Ganancias
- ▲ Optimización de la experiencia del usuario a largo plazo
- ▲ Gestión explícita de la frecuencia y el ritmo de los mensajes
- ▲ Flexibilidad para iterar modelos de ranking de contenido y estrategias de pacing independientemente
- ▲ Mejora en el engagement para 'Casual Viewers'
Costes
- △ Mayor complejidad arquitectónica debido al desacoplamiento de políticas
- △ Necesidad de un 'universal message cost' para compensar la escasez de feedback negativo explícito
Fundamentos Teóricos
La dicotomía entre la política 'lenta' y 'rápida' en este sistema de notificaciones se inspira directamente en la teoría de los dos sistemas de Daniel Kahneman, descrita en su libro 'Thinking, Fast and Slow' (2011). Kahneman postula la existencia de un Sistema 1, que opera de forma automática y rápida con poco esfuerzo, y un Sistema 2, que asigna atención a actividades mentales más desafiantes que requieren un enfoque deliberado. Esta dualidad se refleja en la separación de un planificador estratégico a largo plazo (Sistema 2, Slow Policy) y un ejecutor táctico en tiempo real (Sistema 1, Fast Policy).
Este principio de descomposición 'plan vs. act' no es exclusivo de la psicología, sino que se observa en diversos campos de la computación y la ingeniería. En robótica y conducción autónoma, por ejemplo, se distingue una capa de planificación más lenta que establece objetivos y restricciones a largo plazo de bucles de control y ejecución más rápidos. De manera similar, los agentes de LLM modernos a menudo combinan una planificación deliberada con el uso rápido de herramientas y reacciones paso a paso. La aplicación de este modelo mental a sistemas distribuidos de gran escala permite abordar problemas de optimización multi-horizonte y gestionar trade-offs complejos entre métricas de corto y largo plazo, un desafío recurrente en la toma de decisiones algorítmicas.