Una usuaria de Spotify ha presentado una demanda en Manhattan, acusando a la plataforma de streaming de implementar una política de listas de reproducción personalizadas que se asemeja a la práctica de “payola”. La demandante, Genevieve Capolongo, sostiene que Spotify permite que ciertas canciones sean promovidas en recomendaciones personalizadas a cambio de menores regalías, lo que califica como una forma moderna de corrupción en la industria musical.
La Comparación con la Payola
La demanda, que fue presentada el 4 de noviembre, compara la política de Spotify con la payola, una práctica que predominó en la industria musical durante las décadas de 1950 y 1960. En aquel tiempo, se realizaban pagos secretos a estaciones de radio y DJs para promover canciones, engañando al público sobre cuáles eran realmente populares. La queja menciona que “el ‘Modo de Descubrimiento’ de Spotify representa la última forma de payola en la larga historia de engaños de pago por reproducción”.
Explotación de Suscriptores y Demandas Legales
La demanda alega que Spotify “exploita” a sus suscriptores al presentarse como una plataforma que ofrece recomendaciones musicales orgánicas. Se argumenta que la compañía “vende” recomendaciones, priorizando las canciones de aquellos titulares de derechos que aceptan recibir regalías reducidas. La demanda busca estatus de acción colectiva para 100 miembros, reclamando más de 5 millones de dólares, además de una orden judicial que obligue a Spotify a revelar cuándo los acuerdos comerciales afectan las recomendaciones.
La Respuesta de Spotify
Spotify ha rechazado enérgicamente las acusaciones, calificándolas de “sin sentido”. La empresa afirma que la demanda malinterpreta el funcionamiento del Modo de Descubrimiento y contiene múltiples inexactitudes. Según Spotify, esta función no se utiliza en todas las listas de reproducción algorítmicas y ha sido bien recibida por la comunidad musical independiente. El Modo de Descubrimiento, lanzado en 2020, permite a artistas y sellos marcar canciones prioritarias para listas de reproducción generadas algorítmicamente en contextos específicos.