أدى ظهور خدمات بث الموسيقى إلى تغيير طريقة تعامل الجيل الحالي من المستمعين مع الموسيقى. لا تتوفر ملايين الأغاني مقابل رسوم اشتراك شهرية صغيرة فحسب ، بل تعمل الخوارزميات بنشاط في الخلفية لتقديم دفق مستمر من الموسيقى المخصصة حسب ذوقك.
تقود حروب بث الموسيقى شركة Spotify السويدية. نمت المنصة لتجمع أكثر من 400 مليون مستخدم نشط شهريًا في عام 2022. بصرف النظر عن كونها أكبر خدمة موسيقى حسب الطلب ، تعمل Spotify باستمرار على دفع حدود الذكاء الاصطناعي و آلة التعلم في سياق توصية الموسيقى والموسيقى.
يتم إنشاء قوائم التشغيل مثل Discover Weekly أو Daily Mix باستخدام نظام معقد من الخوارزميات التي تحاول التوفيق بين الفنانين والمستمعين معًا. ستسلط هذه المقالة الضوء على كيفية عمل Spotify وراء الكواليس. سوف نتعمق في كيفية عمل كل هذه الخوارزميات معًا لإنشاء خدمات تنظيم موسيقى فعالة للمستخدمين.
كيف يوصيك Spotify بالأشياء؟
يعتمد Spotify على ما يُعرف بنظام التوصية. تُعرف الخوارزمية أيضًا باسم محرك التوصية ، وهي تنشئ نموذجًا للعثور على العناصر ذات الصلة والتوصية بها للمستخدمين. قامت Spotify ببناء نظام توصية فعال مصمم خصيصًا لتقديم قوائم تشغيل مخصصة وتتبع الاقتراحات لمستخدميها.
هذا النوع من الخوارزميات عمليا موجود في كل مكان في حياتنا اليومية. تعمل أنظمة التوصية على الميزات التي تسمح لـ Amazon و YouTube و Facebook بتزويدك بالمحتوى ذي الصلة بناءً على تفاعلاتك السابقة مع التطبيق.
يحتاج محرك التوصية في Spotify إلى الحصول على تمثيلين صحيحين: المستخدم والمسار الموسيقي نفسه.
تمثيل المسارات الموسيقية
قبل أن يتمكن Spotify من اقتراح الموسيقى لك ، يجب أن يكون لخوارزمياته طريقة كمية لوصف ملايين المقطوعات الموسيقية في قاعدة البيانات الخاصة بهم.
يعد إنشاء ملف تعريف لكل مقطع موسيقي مشكلة مثيرة للاهتمام في حد ذاته. استثمرت Spotify في الكثير من الأبحاث للعثور على أفضل النماذج لوصف كل سجل في كتالوجها.
لمعالجة هذه المشكلة ، يستخدم Spotify طريقتين رئيسيتين لإنشاء تمثيل: التصفية القائمة على المحتوى والتصفية التعاونية.
دعنا ننظر إلى ما تفعله كل طريقة من هذه الطرق وكيف تعمل معًا لإنشاء تمثيل شامل للموسيقى.
التصفية على أساس المحتوى
تهدف التصفية القائمة على المحتوى إلى وصف كل مسار من خلال فحص البيانات الفعلية والبيانات الوصفية للمسار.
عندما يقوم الفنانون بتحميل الموسيقى إلى قاعدة بيانات Spotify ، يجب عليهم تقديم ملف الموسيقى الفعلي نفسه ، بالإضافة إلى معلومات إضافية أو بيانات وصفية. تتضمن البيانات الوصفية اسم الأغنية وسنة إصدارها وألبوم المسار وحتى طول الأغنية نفسها.
عندما يتلقى Spotify هذه الملفات ، يمكنه استخدام البيانات الوصفية المقدمة بسرعة لتصنيف الأغاني. على سبيل المثال ، يمكن وضع أغنية منفردة بريطانية لموسيقى الروك من عام 1989 في العديد من قوائم التشغيل مثل "Classic British Hits" أو حتى "Rock Songs from the 80s".
تحليل الصوت الخام
ومع ذلك ، فإن Spotify يخطو خطوة إلى الأمام ويقوم بإجراء تحليل على ملف الصوت الخام نفسه للحصول على بعض المقاييس الكمية من المسار. إذا ألقينا نظرة على سبوتيفي API، يمكننا رؤية القليل من هذه المقاييس.
على سبيل المثال ، تتضمن واجهة برمجة التطبيقات مقياسًا للطاقة يقيس "المقياس الإدراكي للكثافة والنشاط". وفقًا للوثائق ، يتم اشتقاق المقياس من العديد من الصفات بما في ذلك النطاق الديناميكي ، والجهارة المدركة ، والجرس. باستخدام هذا المقياس ، يمكن لـ Spotify تصنيف الأغاني عالية الطاقة معًا وتقديمها كتوصيات للمستخدمين الذين يستمعون إلى الموسيقى عالية الكثافة.
إلى جانب الطاقة ، تحدد Spotify أيضًا حيوية المسار ، وهو مقياس يكتشف وجود جمهور في التسجيل. التكافؤ هو قياس يصف مدى إيجابية المسار. يشير صوت التكافؤ العالي إلى موسيقى مرحة وسعيدة ، بينما يشير صوت التكافؤ المنخفض إلى موسيقى حزينة أو مكتئبة أو غاضبة.
التحليل الزمني
يحتوي Spotify أيضًا على خوارزمية تحليلات أخرى مثيرة للاهتمام تصف الهيكل الزمني للمسار. يتم تقسيم المسار الفردي إلى مقاطع مختلفة: من المقاطع (الكورس ، الجسر ، العزف المنفرد على الآلات) ، إلى الضربات الفردية نفسها. يمكنك التحقق من كيفية وصف Spotify لهيكل الأغاني المفضلة لديك باستخدام هذا أداة على الانترنت يرسل طلبًا إلى Spotify API.
يمكن أن يساعد الجمع بين التحليل الزمني والمقاييس مثل الطاقة والتكافؤ في تمثيل المسار بطريقة أكثر دقة. يمكننا التصفية من خلال الأغاني التي تتزايد حدتها تدريجيًا ، أو العثور على الأغاني عالية الطاقة طوال الوقت.
تحليل النص
يستخرج محرك التوصية في Spotify أيضًا المعلومات الدلالية من النص المتعلق بالمسار أو الفنان من خلال استخدام الطبيعي نماذج معالجة اللغة.
يمكن أن تساعد كلمات الأغاني في فهم محتوى الأغنية بشكل أكبر. من الممكن أن يبحث Spotify عن الكلمات الرئيسية المحتملة أو تحليل المشاعر عند إنشاء قوائم تشغيل جديدة أو تتبع أجهزة الراديو.
يعد الويب أيضًا أداة مفيدة لفهم المسار أو الفنان. ينفذ Spotify بانتظام قصاصات الويب لوسائل الإعلام عبر الإنترنت والمنشورات الموسيقية لتحديد كيفية وصف الأشخاص الحقيقيين لكل مسار أو فنان.
تصفية التعاونية
تشير التصفية التعاونية إلى الطريقة التي يمكنك من خلالها تصفية العناصر التي قد يفضلها المستخدم من خلال النظر في عادات المستخدمين المماثلين.
على سبيل المثال ، قد يعجب المستخدم "أ" بالفنانين "س" و "ص" ، كما أن مستخدم "ب" آخر يحب "س" و "ص". إذا استمع المستخدم "ب" إلى الكثير من الأغاني من الفنان "ز" ، فمن المحتمل أن يعجب المستخدم "أ" بها أيضًا.
تتمثل إحدى مشكلات التصفية التعاونية باستخدام هذه الطريقة في أن المستخدمين لديهم عمومًا ذوق أكثر تنوعًا في الموسيقى. من الممكن أن يكون الفنان Z نوعًا مختلفًا تمامًا عن الفنانين X و Y.
لمكافحة هذا ، يستخدم Spotify مجموعة متنوعة من التصفية التعاونية التي تنظر في التواجد المشترك لقائمة التشغيل وجلسة الاستماع. بعبارات أبسط ، من المرجح أن تكون المقطوعات التي تميل إلى أن تكون في نفس قائمة التشغيل أو الأغاني التي يستمع إليها الأشخاص في نفس الجلسة متشابهة.
يستخدم Spotify أسلوب التصفية التعاوني هذا لتجميع الأغاني معًا في فئات قد لا تظهر عند تحليل محتوى الأغنية.
وصف طعم المستخدم
لدينا الآن تمثيل جيد يصف مسارًا أو فنانًا. كيف يمكننا بعد ذلك العثور على المستخدمين المناسبين لتوصية الأغاني لهم؟
هناك مشكلة أخرى صعبة يجب على Spotify حلها وهي فهم الذوق الموسيقي لمستخدميها.
عند إنشاء حساب Spotify لأول مرة ، قد تلاحظ أن Spotify سيطلب منك تحديد بعض الأنواع أو الفنانين الذين تريد متابعتهم. هذه هي الخطوة الأولى في تحديد نوع الموسيقى التي يريد المستخدم الاستماع إليها.
بعد ذلك ، يتتبع محرك التوصية في Spotify نشاط الاستماع بالكامل. من المنطقي أن يقدم لك Spotify المزيد من اقتراحات الموسيقى الكلاسيكية إذا كان كل ما تبحث عنه هو موسيقى كلاسيكية.
ومع ذلك ، فإن الاستماع إلى مقطع صوتي ما هو إلا الإشارة الأساسية التي يجب مراعاتها. يبحث Spotify أيضًا في الأغاني التي تتخطاها والمسارات التي تحفظها والفنانين الذين تتابعهم. هذه الأنواع من التفاعلات هي ردود فعل صريحة أو نشطة.
علاوة على ذلك ، يبحث Spotify أيضًا في التعليقات الضمنية. يتضمن ذلك طول جلسة الاستماع أو عدد المرات التي تكرر فيها أغنية.
باستخدام كل هذه التفاعلات ، يجب أن يكون Spotify الآن قادرًا على اكتشاف تفضيلاتك في النوع والمزاج والعصر. يمكن للمنصة أيضًا التنبؤ بنوع الموسيقى التي قد تفضلها في وقت محدد من اليوم أو يوم من الأسبوع.
تدرك Spotify أيضًا أن المستخدمين غالبًا ما يطورون ذوقهم في الموسيقى بمرور الوقت. بالنظر إلى هذه الحقيقة ، يضع محرك التوصية Spotify وزناً أكبر على النشاط الأخير على البيانات التاريخية.
وفي الختام
على الرغم من أن المنصات مثل Apple Music بها المزيد من الأغاني المتاحة ، والخدمات مثل TIDAL تعد بصوت عالي الدقة ، إلا أن Spotify تواصل السيطرة على حصة السوق العالمية لمشتركي الموسيقى. جزء من هذا النجاح هو فعالية نظام التوصيات الخاص به ، والذي هو نتاج أكثر من عقد من البحث والتكرار.
الهدف من نظام توصية Spotify هو توفير تجربة مرضية للمستخدمين تمكنهم من قضاء وقت طويل على النظام الأساسي. يعد الاحتفاظ بالمستخدمين مقياسًا رئيسيًا للنجاح عندما يتعلق الأمر بخدمات الاشتراك عبر الإنترنت مثل Spotify.
وفقًا لأوسكار ستال ، نائب رئيس التخصيص في Spotify ، تهدف المنصة إلى "زيادة كمية الصوت الأكثر أهمية في حياتك". من خلال استخدام خوارزميات التعلم الآلي، Spotify قادرة على تقديم توصيات رائعة لمستخدميها ومساعدة الفنانين على النمو وإتاحة الفرصة لسماعهم.
اترك تعليق