음악 스트리밍 서비스의 부상은 현재 세대의 청취자들이 음악에 접근하는 방식을 완전히 바꿔 놓았습니다. 소액의 월 구독료로 수백만 곡을 이용할 수 있을 뿐만 아니라 알고리즘이 백그라운드에서 활발하게 작동하여 취향에 맞는 음악을 지속적으로 제공합니다.
음악 스트리밍 전쟁을 주도하는 것은 스웨덴에 기반을 둔 회사인 Spotify입니다. 이 플랫폼은 400년에 2022억 명 이상의 월간 활성 사용자를 확보할 정도로 성장했습니다. Spotify는 가장 큰 주문형 음악 서비스인 것 외에도 지속적으로 AI 및 기계 학습 음악 및 음악 추천의 맥락에서.
Discover Weekly 또는 Daily Mix와 같은 재생 목록은 아티스트와 청취자를 함께 일치시키려는 복잡한 알고리즘 시스템을 사용하여 생성됩니다. 이 기사는 Spotify가 무대 뒤에서 어떻게 작동하는지 조명합니다. 이 모든 알고리즘이 함께 작동하여 사용자를 위한 효과적인 음악 큐레이팅 서비스를 만드는 방법에 대해 자세히 살펴보겠습니다.
Spotify는 어떻게 당신에게 물건을 추천합니까?
Spotify는 추천 시스템으로 알려진 것에 의존합니다. 추천 엔진이라고도 하는 이 알고리즘은 관련 항목을 찾아 사용자에게 추천하는 모델을 생성합니다. Spotify는 맞춤형 재생 목록을 제공하고 사용자에게 트랙 제안을 제공하기 위해 효과적인 추천 시스템을 구축했습니다.
이러한 유형의 알고리즘은 일상 생활에서 거의 유비쿼터스입니다. 추천 시스템은 Amazon, YouTube 및 Facebook이 앱과의 과거 상호 작용을 기반으로 관련 콘텐츠를 제공할 수 있는 기능을 구동합니다.
Spotify의 추천 엔진은 사용자와 음악 트랙 자체라는 두 가지 표현을 올바르게 가져와야 합니다.
음악 트랙 표현
Spotify가 당신에게 음악을 제안하기 전에, 그 알고리즘은 데이터베이스에 있는 수백만 개의 트랙 각각을 설명하는 정량적 방법을 가지고 있어야 합니다.
각 음악 트랙에 대한 프로필을 만드는 것은 그 자체로 흥미로운 문제입니다. Spotify는 카탈로그의 모든 레코드를 설명하는 최상의 모델을 찾기 위해 많은 연구에 투자했습니다.
이 문제를 해결하기 위해 Spotify는 콘텐츠 기반 필터링과 협업 필터링이라는 두 가지 주요 방법을 사용하여 표현을 생성합니다.
이러한 각 방법이 수행하는 작업과 음악의 전체적인 표현을 만들기 위해 함께 작동하는 방법을 살펴보겠습니다.
콘텐츠 기반 필터링
콘텐츠 기반 필터링은 트랙의 실제 데이터와 메타데이터를 검사하여 각 트랙을 설명하는 것을 목표로 합니다.
아티스트가 Spotify의 데이터베이스에 음악을 업로드할 때 실제 음악 파일 자체와 추가 정보 또는 메타데이터를 제공해야 합니다. 메타데이터에는 노래 이름, 발매 연도, 트랙의 앨범, 심지어 노래 자체의 길이까지 포함됩니다.
Spotify가 이러한 파일을 수신하면 제공된 메타데이터를 신속하게 사용하여 노래를 분류할 수 있습니다. 예를 들어 1989년의 영국 록 싱글은 "Classic British Hits" 또는 "Rock Songs from the 80s"와 같은 여러 재생 목록에 넣을 수 있습니다.
원시 오디오 분석
그러나 Spotify는 한 단계 더 나아가 원시 오디오 파일 자체에 대한 분석을 수행하여 트랙에서 일부 정량적 메트릭을 얻습니다. 살펴보자면 스포티파이 API, 이러한 메트릭 중 몇 가지를 볼 수 있습니다.
예를 들어 API에는 "강도 및 활동의 지각 측정"을 측정하는 에너지 메트릭이 포함되어 있습니다. 설명서에 따르면 메트릭은 동적 범위, 인지 음량 및 음색을 비롯한 다양한 특성에서 파생됩니다. 이 지표를 사용하여 Spotify는 에너지가 넘치는 노래를 함께 분류하고 고강도 음악을 듣는 사용자에게 추천할 수 있습니다.
에너지 외에도 Spotify는 녹음에서 청중의 존재를 감지하는 지표인 트랙의 생동감을 결정합니다. 원자가는 트랙이 얼마나 긍정적인지를 나타내는 측정값입니다. 높은 원자가 소리는 경쾌하고 행복한 음악을 나타내고, 낮은 원자가 소리는 슬프거나 우울하거나 화난 음악을 나타냅니다.
시간적 분석
Spotify에는 트랙의 시간적 구조를 설명하는 또 다른 흥미로운 분석 알고리즘도 있습니다. 단일 트랙은 섹션(코러스, 브리지, 악기 솔로)에서 개별 비트 자체에 이르기까지 다양한 세그먼트로 나뉩니다. 이것을 사용하여 Spotify가 좋아하는 노래의 구조를 어떻게 설명하는지 확인할 수 있습니다. 온라인 도구 Spotify API에 요청을 보냅니다.
시간 분석을 에너지 및 원자가와 같은 메트릭과 결합하면 보다 미묘한 방식으로 트랙을 나타내는 데 도움이 될 수 있습니다. 점차 강도가 높아지는 노래를 필터링하거나 끝까지 에너지가 넘치는 노래를 찾을 수 있습니다.
텍스트 분석
Spotify의 추천 엔진은 또한 트랙이나 아티스트와 관련된 텍스트에서 의미론적 정보를 추출합니다. 언어 처리 모델.
노래 가사는 노래의 내용을 더 잘 이해하는 데 도움이 될 수 있습니다. Spotify가 잠재적인 키워드를 검색하거나 심리 분석 새 재생 목록을 만들거나 라디오를 추적할 때.
웹은 트랙이나 아티스트를 이해하는 데 유용한 도구이기도 합니다. Spotify는 실제 사람들이 각 트랙이나 아티스트를 어떻게 묘사하는지 확인하기 위해 정기적으로 온라인 미디어 아울렛과 음악 간행물의 웹 스크랩을 수행합니다.
협업 필터링
협업 필터링은 유사한 사용자의 습관을 조사하여 사용자가 선호할 만한 항목을 필터링할 수 있는 접근 방식을 말합니다.
예를 들어 사용자 A는 아티스트 X와 Y를 좋아할 수 있고 다른 Spotify 사용자 B도 X와 Y를 좋아할 수 있습니다. 사용자 B가 아티스트 Z의 노래를 많이 듣는다면 사용자 A도 좋아할 가능성이 있습니다.
이 방법을 사용하는 협업 필터링의 한 가지 문제는 사용자가 일반적으로 음악에 대한 취향이 더 다양하다는 것입니다. 아티스트 Z는 아티스트 X, Y와 완전히 다른 장르일 가능성이 있습니다.
이를 방지하기 위해 Spotify는 재생 목록과 청취 세션 동시 발생을 조사하는 다양한 협업 필터링을 사용합니다. 간단히 말해서, 동일한 재생 목록에 있는 경향이 있는 트랙이나 사람들이 동일한 세션에서 듣는 노래는 유사할 가능성이 더 큽니다.
Spotify는 이 협업 필터링 방식을 사용하여 노래 내용을 분석할 때 명확하지 않을 수 있는 범주로 노래를 그룹화합니다.
사용자 취향 설명
이제 트랙이나 아티스트를 설명하는 좋은 표현이 있습니다. 그러면 노래를 추천할 적절한 사용자를 어떻게 찾을 수 있을까요?
Spotify가 해결해야 할 또 다른 어려운 문제는 사용자의 음악적 취향을 이해하는 것입니다.
Spotify 계정을 처음 만들 때 Spotify에서 팔로우할 몇 가지 장르나 아티스트를 선택하라는 메시지가 표시될 수 있습니다. 이것은 사용자가 듣고 싶은 음악 유형을 결정하는 첫 번째 단계입니다.
이후 Spotify의 추천 엔진은 전체 청취 활동을 추적합니다. 검색하는 모든 것이 클래식 음악인 경우 Spotify가 더 많은 클래식 음악 제안을 제공하는 것이 이치에 맞습니다.
그러나 트랙을 듣는 것은 고려해야 할 가장 기본적인 신호일 뿐입니다. Spotify는 건너뛴 노래, 저장한 트랙, 팔로우하는 아티스트도 살펴봅니다. 이러한 유형의 상호 작용은 명시적 또는 능동적 피드백입니다.
또한 Spotify는 암시적 피드백도 조사합니다. 여기에는 청취 세션의 길이 또는 노래를 얼마나 자주 반복하는지가 포함됩니다.
이러한 모든 상호 작용을 사용하여 Spotify는 이제 장르, 분위기 및 시대에 대한 선호도를 찾을 수 있습니다. 플랫폼은 또한 특정 시간이나 요일에 어떤 유형의 음악을 선호할지 예측할 수 있습니다.
Spotify는 또한 사용자가 시간이 지남에 따라 음악에 대한 취향을 발전시키는 경우가 많다는 것을 이해합니다. 이 사실을 고려하여 Spotify 추천 엔진은 과거 데이터보다 최근 활동에 더 많은 가중치를 부여합니다.
결론
Apple Music과 같은 플랫폼에는 더 많은 노래가 있고 TIDAL과 같은 서비스는 고품질 사운드를 약속하지만 Spotify는 음악 가입자의 글로벌 시장 점유율을 계속 지배하고 있습니다. 그 성공의 일부는 XNUMX년 이상의 연구와 반복의 산물인 추천 시스템의 효율성입니다.
Spotify 추천 시스템의 목표는 사용자가 플랫폼에서 오랜 시간을 보낼 수 있도록 만족스러운 경험을 제공하는 것입니다. 사용자 유지율은 Spotify와 같은 온라인 구독 서비스의 성공을 위한 핵심 지표입니다.
Spotify의 개인화 VP인 Oskar Stal에 따르면 이 플랫폼은 "당신의 삶에서 더 의미 있는 오디오의 양을 늘리는 것"을 목표로 합니다. 사용을 통해 기계 학습 알고리즘, Spotify는 사용자에게 훌륭한 추천을 제공하고 아티스트가 성장하고 들을 수 있는 기회를 갖도록 도울 수 있습니다.
댓글을 남겨주세요.