תוכן העניינים[להתחבא][הופעה]
עלייתם של שירותי הזרמת מוזיקה שינתה לחלוטין את האופן שבו הדור הנוכחי של מאזינים מתייחס למוזיקה. לא רק שמיליוני שירים זמינים תמורת דמי מנוי חודשיים קטנים, אלגוריתמים פועלים ברקע באופן פעיל כדי לספק זרם קבוע של מוזיקה המותאמת אישית לטעמך.
מי שמובילה את מלחמות הזרמת המוזיקה היא חברת Spotify השוודית. הפלטפורמה גדלה לצבור למעלה מ-400 מיליון משתמשים פעילים חודשיים בשנת 2022. מלבד היותו שירות המוזיקה הגדול ביותר לפי דרישה, Spotify דוחפת ללא הרף את גבולות הבינה המלאכותית. למידת מכונה בהקשר של מוזיקה והמלצה מוזיקלית.
רשימות השמעה כגון Discover Weekly או Daily Mix נוצרות באמצעות מערכת מורכבת של אלגוריתמים המנסים להתאים בין אמנים למאזינים. מאמר זה יאיר אור על איך Spotify עובד מאחורי הקלעים. נצלול לאופן שבו כל האלגוריתמים הללו פועלים יחד כדי ליצור שירותי אוצרות מוזיקה יעילים למשתמשים.
איך Spotify ממליצה לך על דברים?
Spotify מסתמכת על מה שמכונה מערכת ממליצים. האלגוריתם, הידוע גם כמנוע המלצות, יוצר מודל כדי למצוא ולהמליץ על פריטים רלוונטיים למשתמשים. Spotify בנתה מערכת ממליצים יעילה המותאמת לאספקת רשימות השמעה מותאמות אישית והצעות מסלול למשתמשיה.
סוג זה של אלגוריתם נמצא כמעט בכל מקום בחיי היומיום שלנו. מערכות ממליצים מניעות את התכונות שמאפשרות לאמזון, יוטיוב ופייסבוק לתת לך תוכן רלוונטי על סמך האינטראקציות שלך בעבר עם האפליקציה.
מנוע הממליצים של Spotify צריך לקבל שני ייצוגים נכונים: המשתמש ורצועת המוזיקה עצמה.
מייצג רצועות מוזיקה
לפני שספוטיפיי תוכל להציע לך מוזיקה, האלגוריתמים שלה חייבים להיות בעלי דרך כמותית כלשהי לתאר כל אחד ממיליוני הרצועות במסד הנתונים שלהם.
יצירת פרופיל לכל רצועת מוזיקה היא בעיה מעניינת בפני עצמה. Spotify השקיעה בהרבה מחקרים כדי למצוא את הדגמים הטובים ביותר לתיאור כל רשומה בקטלוג שלה.
כדי להתמודד עם בעיה זו, Spotify משתמשת בשתי שיטות עיקריות ליצירת ייצוג: סינון מבוסס תוכן וסינון שיתופי.
הבה נבחן מה כל אחת מהשיטות הללו עושה וכיצד הן פועלות יחד כדי ליצור ייצוג הוליסטי של מוזיקה.
סינון מבוסס תוכן
סינון מבוסס תוכן נועד לתאר כל מסלול על ידי בחינת הנתונים והמטא נתונים בפועל של המסלול.
כאשר אמנים מעלים מוזיקה למסד הנתונים של Spotify, עליהם לספק את קובץ המוזיקה עצמו, כמו גם מידע נוסף או מטא נתונים. מטא נתונים כוללים את שם השיר, שנת יציאתו, אלבום הרצועה ואפילו אורך השיר עצמו.
כאשר Spotify מקבל את הקבצים האלה, הוא יכול להשתמש במהירות במטא נתונים המסופקים כדי לסווג שירים. סינגל רוק בריטי מ-1989, למשל, ניתן להכניס לכמה רשימות השמעה כמו "להיטים בריטים קלאסיים" או אפילו "שירי רוק משנות ה-80".
ניתוח אודיו גולמי
עם זאת, Spotify הולכת צעד קדימה ומבצעת ניתוח על קובץ האודיו הגולמי עצמו כדי לקבל כמה מדדים כמותיים מהמסלול. אם נסתכל על ממשק API של Spotify, אנו יכולים לראות כמה מדדים אלה.
לדוגמה, ה-API כולל מדד אנרגיה שמודד את "המדד התפיסתי של עוצמה ופעילות". על פי התיעוד, המדד נגזר מתכונות שונות כולל טווח דינמי, עוצמה נתפסת וגוון. באמצעות מדד זה, Spotify יכולה לסווג יחד שירים בעלי אנרגיה גבוהה ולשמש אותם כהמלצות למשתמשים שמאזינים למוזיקה בעוצמה גבוהה.
מלבד אנרגיה, ספוטיפיי קובעת גם את החיים של הרצועה, מדד שמזהה נוכחות של קהל בהקלטה. ערכיות היא מדידה המתארת עד כמה מסלול חיובי. צליל ערכיות גבוה מעיד על מוזיקה עליזה ושמחה, בעוד צליל ערכיות נמוך מצביע על מוזיקה עצובה, מדוכאת או כועסת.
ניתוח זמני
לספוטיפיי יש גם אלגוריתם אנליטי מעניין נוסף שמתאר את המבנה הזמני של המסלול. רצועה בודדת מחולקת לקטעים שונים: מקטעים (פזמון, ברידג', סולו אינסטרומנטלי), ועד למקצבים האישיים עצמם. אתה יכול לבדוק איך Spotify מתארת את המבנה של השירים האהובים עליך באמצעות זה כלי מקוון ששולח בקשה לממשק ה-API של Spotify.
שילוב של הניתוח הזמני עם מדדים כמו אנרגיה וערכיות יכול לעזור לייצג את המסלול בצורה יותר ניואנסית. אנחנו יכולים לסנן דרך שירים שמצטברים בהדרגה בעוצמה, או למצוא שירים בעלי אנרגיה גבוהה לאורך כל הדרך.
ניתוח טקסטים
מנוע הממליצים של Spotify מחלץ מידע סמנטי גם מטקסט הקשור לרצועה או לאמן באמצעות שימוש טבעי מודלים לעיבוד שפה.
מילות השיר יכולות לעזור להבין יותר את התוכן של השיר. ייתכן שספוטיפיי מחפש מילות מפתח פוטנציאליות או ניתוח הסנטימנט בעת יצירת רשימות השמעה חדשות או מכשירי רדיו חדשים.
האינטרנט הוא גם כלי שימושי להבנת רצועה או אמן. Spotify מבצעת באופן קבוע גרידות אינטרנט של כלי מדיה מקוונים ופרסומי מוזיקה כדי לקבוע כיצד אנשים אמיתיים מתארים כל רצועה או אמן.
סינון שיתופי
סינון שיתופי מתייחס לגישה שבה אתה יכול לסנן פריטים שמשתמש עשוי להעדיף על ידי בחינת ההרגלים של משתמשים דומים.
לדוגמה, משתמש א' עשוי לאהוב את האמנים X ו-Y, ומשתמש אחר של Spotify B אוהב גם את X ו-Y. אם משתמש ב' מאזין להרבה שירים של האמן Z, אז יתכן שגם משתמש A יאהב אותם.
בעיה אחת עם סינון שיתופי בשיטה זו היא שלמשתמשים יש בדרך כלל טעם מגוון יותר במוזיקה. ייתכן שהאמן Z הוא ז'אנר שונה לחלוטין מהאמנים X ו-Y.
כדי להילחם בזה, Spotify משתמשת בווריאציה של סינון שיתופי שבודקת את ההתרחשות המשותפת של רשימות השמעה והאזנה. במילים פשוטות יותר, רצועות שנוטות להיות באותו רשימת השמעה או שירים שאנשים מאזינים להם באותו סשן נוטים יותר להיות דומים.
Spotify משתמשת בגישת סינון שיתופית זו כדי לקבץ שירים לקטגוריות שאולי לא יופיעו בעת ניתוח התוכן של השיר.
תיאור טעם המשתמש
כעת יש לנו ייצוג טוב שמתאר רצועה או אמן. איך אז נמצא את המשתמשים הנכונים להמליץ להם על השירים?
בעיה מאתגרת נוספת שספוטיפיי צריכה לפתור היא הבנת הטעם המוזיקלי של המשתמשים שלה.
כאשר אתה יוצר חשבון Spotify לראשונה, ייתכן שתבחין ש- Spotify תבקש ממך לבחור כמה ז'אנרים או אמנים שברצונך לעקוב אחריהם. זהו השלב הראשון בקביעה לאיזה סוג מוזיקה המשתמש רוצה להאזין.
לאחר מכן, מנוע הממליצים של Spotify עוקב אחר כל פעילות ההאזנה שלך. הגיוני ש-Spotify תגיש לך הצעות נוספות למוזיקה קלאסית אם כל מה שאתה מחפש הוא מוזיקה קלאסית.
עם זאת, האזנה לרצועה היא רק האות הבסיסי ביותר שיש לקחת בחשבון. Spotify גם בוחנת את השירים שאתה מדלג עליהם, הרצועות שאתה שומר ואמנים שאתה עוקב אחריהם. סוגים אלה של אינטראקציות הם משוב מפורש או פעיל.
נוסף על כך, Spotify בוחנת גם משוב מרומז. זה כולל את משך הפעלת ההאזנה או את התדירות שבה אתה חוזר על שיר.
באמצעות כל האינטראקציות הללו, Spotify אמורה להיות מסוגלת כעת לגלות את ההעדפות שלך בז'אנר, מצב רוח ועידן. הפלטפורמה יכולה גם לחזות איזה סוג מוזיקה אתה עשוי להעדיף בשעה ספציפית ביום או ביום בשבוע.
Spotify גם מבינה שלרוב משתמשים מפתחים את הטעם שלהם במוזיקה לאורך זמן. בהתחשב בעובדה זו, מנוע המליץ של Spotify שם משקל רב יותר על הפעילות האחרונה על פני נתונים היסטוריים.
סיכום
למרות שלפלטפורמות כמו Apple Music יש יותר שירים זמינים, ושירותים כמו TIDAL מבטיחים סאונד איכותי, Spotify ממשיכה לשלוט בנתח השוק העולמי של מנויי מוזיקה. חלק מההצלחה היא האפקטיביות של מערכת ההמלצות שלה, שהיא תוצר של למעלה מעשור של מחקר ואיטרציה.
מטרת מערכת ההמלצות של Spotify היא לספק למשתמשים חוויה מספקת שתאפשר להם לבלות זמן רב בפלטפורמה. שימור משתמשים הוא מדד מפתח להצלחה בכל הנוגע לשירותי מנוי מקוונים כגון Spotify.
לדברי אוסקר סטאל, סמנכ"ל התאמה אישית ב-Spotify, הפלטפורמה שואפת "להגדיל את כמות האודיו המשמעותית יותר בחייך". באמצעות השימוש ב אלגוריתמים למידת מכונה, Spotify מסוגלת לספק המלצות נהדרות למשתמשים שלה ולעזור לאמנים לצמוח ולקבל הזדמנות להישמע.
השאירו תגובה