Porast usluga strujanja glazbe potpuno je promijenio način na koji trenutna generacija slušatelja pristupa glazbi. Ne samo da su milijuni pjesama dostupni za malu mjesečnu pretplatu, algoritmi aktivno rade u pozadini kako bi isporučili konstantan tok glazbe prilagođene vašem ukusu.
Vodeći u ratovima za streaming glazbe je švedska kompanija Spotify. Platforma je narasla i prikupila više od 400 milijuna mjesečno aktivnih korisnika u 2022. Osim što je najveći glazbeni servis na zahtjev, Spotify neprestano pomiče granice AI i stroj za učenje u kontekstu glazbe i glazbene preporuke.
Popisi za reprodukciju kao što su Discover Weekly ili Daily Mix izrađuju se pomoću složenog sustava algoritama koji pokušavaju uskladiti izvođače i slušatelje. Ovaj članak će rasvijetliti kako Spotify radi iza scene. Zaronit ćemo u to kako svi ti algoritmi rade zajedno kako bi stvorili učinkovite usluge kuriranja glazbe za korisnike.
Kako vam Spotify preporučuje stvari?
Spotify se oslanja na ono što je poznato kao sustav preporuka. Također poznat kao mehanizam za preporuke, algoritam stvara model za pronalaženje i preporuku relevantnih stavki korisnicima. Spotify je izgradio učinkovit sustav preporuka skrojen za isporuku prilagođenih popisa pjesama i prijedloga pjesama svojim korisnicima.
Ova vrsta algoritma praktički je sveprisutna u našem svakodnevnom životu. Sustavi preporuka pokreću značajke koje omogućuju Amazonu, YouTubeu i Facebooku da vam daju relevantan sadržaj na temelju vaših prošlih interakcija s aplikacijom.
Spotifyjev mehanizam za preporuku treba ispravno prikazati dva: korisnika i sam glazbeni zapis.
Predstavljanje glazbenih zapisa
Prije nego što vam Spotify može predložiti glazbu, njegovi algoritmi moraju imati neki kvantitativni način opisivanja svake od milijuna pjesama u njihovoj bazi podataka.
Stvaranje profila za svaki glazbeni zapis zanimljiv je problem sam po sebi. Spotify je uložio u mnoga istraživanja kako bi pronašao najbolje modele za opis svake ploče u svom katalogu.
Kako bi riješio ovaj problem, Spotify koristi dvije glavne metode za stvaranje reprezentacije: filtriranje temeljeno na sadržaju i zajedničko filtriranje.
Pogledajmo što svaka od ovih metoda radi i kako zajedno rade na stvaranju holističkog prikaza glazbe.
Filtriranje na temelju sadržaja
Filtriranje temeljeno na sadržaju ima za cilj opisati svaku pjesmu ispitivanjem stvarnih podataka i metapodataka pjesme.
Kada umjetnici postavljaju glazbu u Spotifyjevu bazu podataka, moraju dati samu stvarnu glazbenu datoteku, kao i dodatne informacije ili metapodatke. Metapodaci uključuju naziv pjesme, godinu izdanja, album pjesme, pa čak i duljinu same pjesme.
Kada Spotify primi te datoteke, može brzo upotrijebiti dostavljene metapodatke za kategorizaciju pjesama. Britanski rock singl iz 1989., na primjer, može se staviti na nekoliko popisa za reprodukciju kao što su “Classic British Hits” ili čak “Rock Songs from the 80s”.
Analiza sirovog zvuka
Međutim, Spotify ide korak dalje i provodi analizu same neobrađene audiodatoteke kako bi dobio neke kvantitativne metrike iz pjesme. Ako pogledamo Spotify API, možemo vidjeti neke od ovih metrika.
Na primjer, API uključuje metriku energije koja mjeri "perceptivnu mjeru intenziteta i aktivnosti". Prema dokumentaciji, metrika se izvodi iz različitih atributa uključujući dinamički raspon, percipiranu glasnoću i boju zvuka. Koristeći ovu metriku, Spotify može zajedno kategorizirati pjesme visoke energije i poslužiti ih kao preporuke korisnicima koji slušaju glazbu visokog intenziteta.
Osim energije, Spotify također određuje živost pjesme, metriku koja otkriva prisutnost publike u snimci. Valencija je mjera koja opisuje koliko je staza pozitivna. Visoka valentnost zvuka označava veselu i veselu glazbu, dok niža valentnost zvuka označava tužnu, depresivnu ili ljutitu glazbu.
Vremenska analiza
Spotify također ima još jedan zanimljiv analitički algoritam koji opisuje vremensku strukturu pjesme. Pojedinačna pjesma podijeljena je u različite segmente: od dionica (refren, most, instrumentalni solo), do samih pojedinačnih taktova. Pomoću ovoga možete provjeriti kako Spotify opisuje strukturu vaših omiljenih pjesama online alat koji šalje zahtjev Spotify API-ju.
Kombinacija vremenske analize s metrikama kao što su energija i valencija može pomoći u predstavljanju staze na nijansiraniji način. Možemo filtrirati kroz pjesme koje postupno povećavaju intenzitet ili pronaći pjesme koje su pune energije do kraja.
Analiza teksta
Spotifyjev mehanizam za preporuke također izvlači semantičke informacije iz teksta koji se odnosi na pjesmu ili izvođača korištenjem prirodnih modeli obrade jezika.
Tekstovi pjesama mogu pomoći u daljnjem razumijevanju sadržaja pjesme. Moguće je da Spotify traži potencijalne ključne riječi ili sentiment analiza kada stvarate nove popise za reprodukciju ili radijske pjesme.
Web je također koristan alat za razumijevanje pjesme ili izvođača. Spotify redovito izvodi web skeniranje internetskih medija i glazbenih izdanja kako bi utvrdio kako stvarni ljudi opisuju svaku pjesmu ili izvođača.
Suradničko filtriranje
Suradničko filtriranje odnosi se na pristup u kojem možete filtrirati stavke koje bi korisnik mogao preferirati gledajući navike sličnih korisnika.
Na primjer, korisniku A se mogu svidjeti izvođači X i Y, a drugom korisniku Spotifyja B također se sviđaju X i Y. Ako korisnik B sluša puno pjesama izvođača Z, moguće je da bi se one mogle svidjeti i korisniku A.
Jedan problem sa suradničkim filtriranjem pomoću ove metode je da korisnici općenito imaju raznolikiji glazbeni ukus. Moguće je da je umjetnik Z potpuno drugačiji žanr od umjetnika X i Y.
Kako bi se borio protiv toga, Spotify koristi varijaciju kolaborativnog filtriranja koje gleda na istovremeno pojavljivanje popisa za reprodukciju i sesije slušanja. Jednostavnije rečeno, pjesme koje se obično nalaze na istom popisu za reprodukciju ili pjesme koje ljudi slušaju u istoj sesiji vjerojatnije će biti slične.
Spotify koristi ovaj pristup kolaborativnog filtriranja za grupiranje pjesama u kategorije koje možda neće biti vidljive prilikom analize sadržaja pjesme.
Opisivanje ukusa korisnika
Sada imamo dobar prikaz koji opisuje pjesmu ili izvođača. Kako onda pronaći prave korisnike kojima ćemo preporučiti pjesme?
Još jedan izazovan problem koji bi Spotify trebao riješiti je razumijevanje glazbenog ukusa svojih korisnika.
Kada prvi put kreirate Spotify račun, možete primijetiti da će Spotify tražiti da odaberete nekoliko žanrova ili izvođača koje želite pratiti. Ovo je prvi korak u određivanju vrste glazbe koju korisnik želi slušati.
Nakon toga, Spotifyjev mehanizam za preporuke prati vašu cjelokupnu aktivnost slušanja. Ima smisla da vam Spotify ponudi više prijedloga klasične glazbe ako je sve što tražite klasična glazba.
Međutim, slušanje zapisa samo je najosnovniji signal koji treba uzeti u obzir. Spotify također gleda pjesme koje preskočite, pjesme koje spremite i izvođače koje pratite. Ove vrste interakcija su eksplicitne ili aktivne povratne informacije.
Povrh toga, Spotify također razmatra implicitne povratne informacije. To uključuje duljinu sesije slušanja ili koliko često ponavljate pjesmu.
Koristeći sve ove interakcije, Spotify bi sada trebao moći otkriti vaše preferencije u žanru, raspoloženju i razdoblju. Platforma također može predvidjeti koju biste vrstu glazbe mogli preferirati u određeno doba dana ili dan u tjednu.
Spotify također razumije da korisnici često s vremenom razviju svoj ukus za glazbu. Uzimajući u obzir tu činjenicu, Spotifyjev mehanizam za preporuke daje veću težinu nedavnim aktivnostima u odnosu na povijesne podatke.
Zaključak
Iako platforme kao što je Apple Music imaju više dostupnih pjesama, a usluge poput TIDAL-a obećavaju zvuk visoke vjernosti, Spotify i dalje dominira globalnim tržišnim udjelom glazbenih pretplatnika. Dio tog uspjeha je učinkovitost njegovog sustava preporuka, koji je proizvod više od desetljeća istraživanja i ponavljanja.
Cilj Spotifyjevog sustava preporuka je pružiti korisnicima zadovoljavajuće iskustvo koje će im omogućiti da provedu dugo vremena na platformi. Zadržavanje korisnika ključna je metrika za uspjeh kada su u pitanju online usluge pretplate kao što je Spotify.
Prema Oskaru Stalu, potpredsjedniku personalizacije u Spotifyju, cilj platforme je "povećati količinu smislenijeg zvuka u vašem životu." Kroz korištenje algoritmi strojnog učenja, Spotify je u mogućnosti isporučiti sjajne preporuke svojim korisnicima i pomoći umjetnicima da rastu i imaju priliku da ih se čuje.
Ostavi odgovor