Meta Platforms evalúa periódicamente sus métricas de Facebook para estimar el número de cuentas “duplicadas” y “falsas” entre sus Usuarios Activos Mensuales (MAU, por su sigla en inglés).
Según estimaciones de la empresa, en el cuarto trimestre de 2022, las cuentas duplicadas podrían haber representado aproximadamente 11% de sus MAU mundiales.
En particular, el porcentaje de cuentas duplicadas es significativamente mayor en los mercados en desarrollo, como Filipinas y Vietnam, en comparación con los mercados más desarrollados.
Asimismo, en el cuarto trimestre de 2022, Meta Platforms calcula que las cuentas falsas podrían haber representado alrededor de 4-5% de sus MAU mundiales.
Su estimación de cuentas falsas puede variar como resultado de picos episódicos en la creación de tales cuentas, que la empresa ha visto originarse con mayor frecuencia en países específicos como Indonesia, Nigeria y Vietnam.
Una cuenta duplicada es aquella que un usuario mantiene además de su cuenta principal.
Meta Platforms divide las cuentas “falsas” en dos categorías:
- Cuentas de usuario mal clasificadas, en las que los usuarios han creado perfiles personales para una empresa, organización o entidad no humana, como una mascota (según sus condiciones de servicio, estas entidades están permitidas en Facebook utilizando una página en lugar de un perfil personal).
- Cuentas infractoras, que representan perfiles de usuario que creemos que están destinados a ser utilizados con fines que infringen sus condiciones de servicio, como los bots y el spam.
Los usuarios activos diarios (DAU, por su sigla en inglés) de Facebook fueron de 2,000 millones de media en diciembre de 2022, lo que supone un aumento interanual de 4 por ciento.
Al mismo tiempo, los MAU de Facebook fueron de 2,960 millones a 31 de diciembre de 2022, lo que implica un alza de 2%, a tasa anual.
Metodología
Las estimaciones de cuentas duplicadas y falsas se basan en una revisión interna de una muestra limitada de cuentas, y Meta Platforms aplica un juicio significativo para hacer esta determinación.
Por ejemplo, para identificar cuentas duplicadas la empresa utiliza señales de datos como direcciones IP idénticas y nombres de usuario similares, y para identificar cuentas falsas busca nombres que parezcan falsos u otros comportamientos que parezcan poco auténticos a los revisores.
Cualquier pérdida de acceso a las señales de datos que la empresa utiliza en este proceso, ya sea como resultado de sus propias decisiones de producto, acciones de plataformas de navegación o móviles de terceros, requisitos normativos o legislativos, u otros factores, también puede afectar a la estabilidad o precisión de las estimaciones de cuentas duplicadas y falsas.
También las estimaciones de Meta Platforms pueden cambiar a medida que sus metodologías evolucionan, incluso mediante la aplicación de nuevas señales de datos o tecnologías o cambios de producto que pueden permitir a la empresa identificar cuentas duplicadas o falsas previamente no detectadas y pueden mejorar su capacidad para evaluar una población más amplia de sus usuarios.
Las cuentas duplicadas y falsas son muy difíciles de medir a su escala, y es posible que el número real de cuentas duplicadas y falsas varíe significativamente con respecto a sus estimaciones.
