Spotify成功的秘诀：用算法找到用户最爱的音乐

全文共4073字，预计学习时长8分钟

图源：Aytac Unal/Anadolu Agency/Gett

Spotify公司正在想尽一切办法，只为让用户听更多音乐。

目前，Spotify公司已经开发出各种算法，用以控制该软件的各个层面，包括主界面和“每周发现”之类的歌单。此外，他们还在致力于研发新方法来理解音乐，分析人们为什么更喜欢听某一歌曲或风格。

当Spotify的竞争对手 Apple Music、Amazon Prime Music以及Google Music都在依靠用户和社群来创建付费歌单时，Spotify与它们最大的区别就是，它可以给用户提供大量个性化定制的音乐内容和广博的的音乐知识。当然，Spotify还需要继续开发出更好的算法，因为只有这样才能为2亿多用户带来独一无二的音乐体验。并且也只有这样，这一强有力的功能才能吸引更多的用户订阅，从而进一步扩大Spotify 目前惨淡经营的业务市场。

对于应用算法来控制听歌体验这一技术，Spotify软件的主界面就是一个生动范例。在今年年初的网络大会上，Spotify研发主管Mounia Lalmas-Roelleke发表演讲称，Spotify主界面的开发目标是，帮助用户迅速找到他们可能会喜欢听的音乐。

她还解释道，Spotify的主界面由人工智能系统BaRT ( Bandits for Recommendations as Treatments )进行控制，并且该系统还能够对每一位用户的主界面进行个性化定制。界面中主要包括“书架（Shelves）”，其实也就是一排排的歌单，并且这些歌单按照一定的顺序和主题排列在书架上，其主题包括“艺术家精选集”或者“氛围营造音乐”。

BaRT系统使Spotify能够在用户听过的和全新的音乐之间做一个平衡。BaRT系统的主要目的是基于用户的播放历史，为用户推荐他们一定会喜欢的音乐。与此同时，Spotify也会顺便推送一些用户没听过的全新音乐，从避免让他们一直循环地播放几首歌曲。

BaRT系统可以归结为两个概念：利用和探索。在利用阶段，Spotify会使用已知的用户信息。例如，它会分析用户的听歌历史、曾跳过的歌曲、创建的歌单、在平台进行的社交活动，甚至用户的地理位置。然而在探索阶段，它则会探索外部世界的其它信息，比如与用户音乐品味相似，但从未听过的歌单和艺术家，或者其他艺术家的受欢迎程度等等。

此外，还有一项技术和Spotify的探索能力同样重要，那就是Spotify软件会向用户解释其推荐原因。在书架上的每一个歌单都会贴有一个标签，比如“回顾经典”或者“你可能喜欢”，这些标签能够让用户了解为什么系统推荐这些歌单。2018年Spotify对BaRT系统进行的一项研究表明，标签上的解释对于用户来说至关重要，因为他们相信这一解释。

BaRT系统的推荐成功与否，取决于用户是否真的听过书架上的音乐，以及听了多久。当用户听一首歌超过30秒，那么算法就会认定该推荐成功。对于系统推荐的歌单或者几首歌，用户听它们的时间越长，就表明推荐越成功。

对于认定用户是否喜欢一首歌，Spotify判定的界限是30秒。在2015年接受Quartz的采访时，Spotify的前产品经理马修•奥格尔（Matthew Ogle）表示，如果用户在听“每周发现”歌单中的歌曲时，还没听到30秒就跳过，那么这就意味着这首歌曲推荐失败。

Spotify公司在其研究报告中明确表示，只有记录了用户在软件上的所有活动情况后，系统算法才有可能作出成功的推荐。

对于“每周发现”歌单背后的运行机制，公司方并没有给出详细描述。在与Quartz的采访中，奥格尔对这一系统作了简要描述，并且该描述内容与Spotify员工于2015年所作的一场技术报告大致类似。“每周发现”歌单里包含30首歌，主要来自于音乐品味类似的其它用户歌单，与用户喜欢的音乐听起来很像的歌曲，以及音乐博主近期的推荐。2014年，Spotify公司为了改善其歌曲推荐机制，于是以一亿美元收购了创业公司The Echo Nest，该公司最初由布莱恩•惠特曼（Brian Whitman）与合作伙伴共同创立。惠特曼曾在2012年表示，其服务系统能够在一天之内搜索1000多万个与音乐相关的网页，从而对当前的音乐领域进行分析。

惠特曼还写道：“人们在网络上表达的每一句与音乐相关的描述性话语，无论是名词短语还是其他文本类型，都会被我们的系统搜索到。”

桑德•迪勒曼（Sander Dieleman）曾于2014年在Spotify公司实习，主要完成一些基础性工作，比如分析歌曲的听觉相似度。他曾在一篇个人博客中对音频分析算法进行解释。他写道，刚开始遇到的一个问题是，每天都有全新的音乐上传到Spotify，但是如果这个歌手之前没有什么知名度，系统也就难以推荐其歌曲。并且，如果通过协同过滤（Collaborative Filtering）或者其他基于音乐兴趣相似度的方法来推荐歌曲，这也根本没有作用，因为首先一点，人们根本不认识这些歌手。

于是，迪勒曼把这一问题称为“冷启动问题（Cold-Start Problem）”。

对于这一问题的解决办法就是分析音频本身。通过训练特殊的算法来识别音乐不同的层面，从而找出用户可能会喜欢的点。在迪勒曼进行的几次实验中，某些算法对于歌曲维度的识别极其具体，甚至能够识别出失真吉他的音效；另外一些算法则能够识别出更加抽象的维度，比如音乐类型等。

上述系统就是目前“每周发现”歌单背后非常重要的一部分。也就是通过这一系统，Spotify才能给用户推荐一些他们从未听过的歌手。

实际上，算法在Spotify上的应用无处不在。除了主界面和“每周发现”歌单里的推荐算法，其实还有一些更小的工具，用户可能用到过，但却从未意识到它们同样蕴含着先进的人工智能技术。

比如说，歌单的自动播放功能。这一技术能够分析某一歌单中的歌曲，然后对下一首歌曲的播放进行预测，这就好像歌单创建者在往歌单中不断添加新歌曲。当年，Spotify为了找到新方法来实现这一功能，于是发布了一个“百万歌单数据库”，里面主要包含Spotify用户创建的歌单。通过应用该数据库，能够对大众喜欢的音乐作品进行特点分析。

在2018年的行业大会上，Spotify公司也邀请了其他人工智能专家来共同解决这一问题。根据会议组织人员的分析，当时围绕这一项目，共有100多个学术和行业团队参与竞争。但是，Spotify是否采纳了当年胜出团队的想法，我们不得而知。

除此之外，Spotify的研究团队还在对翻唱歌曲的检测方法进行研究，让Spotify能对其进行识别并播放，使用户听到歌曲的翻唱范本，而不是原本想听的原唱版本。为了达到这一目的，Spotify必须能够把原版和翻唱准确区分开来，尤其是乐器演奏和现场表演。事实证明，爵士乐的识别尤其困难，因为爵士乐大多是即兴表演。

除了识别翻唱，Spotify研究人员也在研究如何匹配歌词文本与每句歌词演唱时间。该技术不仅能够有效帮助Spotify上的“音乐背后（Behind the Music）”功能，从而让歌词和音乐同步展现，而且也能为Spotify带来新的发展机遇。

今年年初Spotify的电脑科学家就表示，“即时歌词的应用还能丰富用户其他的音乐体验，比如卡拉OK、歌曲文本检索、以及曲内导航等各种应用”。

除了上述所有对于Spotify平台本身的研究之外，Spotify公司还在对其用户进行研究。2019年4月发表的一项研究显示，Spotify分析了1600多万名用户的数据，并记录了他们2016年12月至2018年2月之间的所有听歌模式，包括每天播放某一歌手或者某首歌多少次，居住于美国哪个州等。

通过分析以上数据，以及用户提供的性别和年龄信息，Spotify就能够研究居住地址的改变是否会影响听歌品味，以及年龄的增长是否会影响风格的选择。

对于用户是否已搬到另一个州居住，Spotify研究团队通过以下这种巧妙的方式进行判定：根据用户的地理位置数据，系统将2016年圣诞节、2017年感恩节和2018年圣诞节这三个节假日中的两个假日期间，前往另一个州的用户判定为已经从他们常用登录州搬离。

在分析各个州用户的音乐品味，并对比他们搬迁的总体趋势之后，Spotify研究团队得出了一个结论，即长远来看，地理位置确实会对一个人的音乐品味产生影响，但影响程度不大。

Spotify 的研究人员还写到，“地理位置的改变的确会略微影响个体的音乐品味，使其适应当地新环境。但其影响程度非常小，相比于目前的新环境，用户的音乐偏好仍然会更加接近于以前。”

此外通过研究用户年龄，他们还发现，10到20岁用户常听的音乐将成为未来的流行趋势，因为这些音乐已经塑造了他们的“音乐个性”。

以上分析表明，Spotify各种技术的实现都需要使用海量数据。因此为了提高市场竞争力，Spotify必须继续收集用户数据以维持其服务。2015年针对“每周发现”歌单的一项研究报告显示，Spotify每天会记录约一万亿字节的用户数据。

但是，所有收集的数据只会应用于用户服务本身。此外，Spotify公司也在其研究报告中明确表示过，只有记录了用户在软件上的所有活动情况后，系统算法才有可能做出成功的推荐。

或许，这就是能让一个音乐软件成功的秘诀。毕竟Spotify在各大音乐巨头公司的夹击下，仍能发展壮大：它每年在全球范围内订阅用户的数量比Apple Music高出5000万之多。

通过运用一系列强大的算法来分析音乐和个人数据，Spotify或将影响整个音乐体验。

留言 点赞 关注

我们一起分享AI学习与发展的干货

如需转载，请后台留言，遵守转载规范