Spotify: Trzy sposoby badania preferencji odbiorców

Strategia firmy Spotify konsekwentnie koncentruje się na wykorzystaniu technologii zwanej uczeniem maszynowym, która starannie analizuje sposób w jaki słuchamy muzyki. Wynikiem tej analizy jest powstanie spersonalizowanych list przebojów: “Odkryj w tym tygodniu” i “Radar Premier”.” – opowiada Tomasz Sokół, wiceprezes agencji OAN, która specjalizuje się w realizacji kampanii online z użyciem Big Data.

Według ostatnich statystyk wspomniane przez Tomasza Sokoła playlisty stanowią jedną trzecią wszystkich odsłuchów na platformie i dla wielu osób są argumentem przemawiającym za wyborem właśnie tej usługi z grona podobnych serwisów streamingowych.

 Trzy modele rekomendacji Spotify

Spotify w rzeczywistości nie używa jednego rewolucyjnego modelu rekomendacji. Zamiast tego łączy najlepsze strategie, które były wykorzystywane przez inne usługi, aby stworzyć własny, wyjątkowo potężny mechanizm wykrywania preferencji słuchacza.

By odbiorca usługi otrzymał swoją spersonalizowaną listę przebojów szwedzki gigant streamingu wykorzystuje połączoną moc 3 modeli:

1. Modele filtrowania (które pierwotnie były używane przez Last.fm), które analizują zarówno twoje zachowanie i zachowania innych, podobnych Tobie osób.
2. Modele przetwarzania naturalnego (NLP), które analizują tekst piosenek.
3. Modele audio, które same badają nieprzetworzone ścieżki dźwiękowe

Każdy z modeli jest niezwykle skomplikowany, jednak to ten pierwszy budzi największe emocje. W przeciwieństwie do Netflix, Spotify nie posiada przecież systemu ocen za pomocą którego użytkownicy recenzują muzykę. Stąd pojawia się trudność związana z odczytaniem preferencji słuchacza. Jednak i na to znaleziono rozwiązanie. Jakie?

“Zamiast tego Szwedzi wykorzystują Big Data, zebrane z aplikacji i odtwarzacza osadzonego w ich witrynie. Dane o zachowaniach to na przykład informacje o tym czy użytkownik zapisał utwór na własnej liście odtwarzania, czy odwiedził stronę wykonawcy po odsłuchaniu utworu, które fragmenty piosenki przewinął lub odsłuchiwał wielokrotnie. To tak zwane dane behawioralne, które dzięki algorytmom uczenia maszynowego można rozszyfrować. Sztuczna inteligencja szuka analogii, wzorców i koneksji pomiędzy różnymi czynnikami.” – dodaje Tomasz Sokół z OAN.

Kiedy rozeszła się wieść, że Francois Pachet, francuski naukowiec i ekspert od muzyki tworzonej przez AI, dołączył do zespołu Spotify, aby jak sam twierdzi – „Skupić się na tworzeniu narzędzi pomagających artystom w ich twórczym procesie.„, część internetowej społeczności zadrżała. Spora część sceptyków sądzi, że lider w sztucznej inteligencji może wykorzystać swoją wiedzę, aby uczynić Spotify siłą, która odwróci świat muzyki do góry nogami. Spodziewają się oni, że AI, które zacznie samodzielnie tworzyć przeboje, wypchnie artystów i ich wytwórnie. Szwedzi oczywiście zaprzeczają i deklarują, że głównym celem tej współpracy jest pomoc artystom w tworzeniu jak najlepszej jakości muzyki.