3. Алгоритмы, рекомендации и персонализация музыкального контента
Стриминговые сервисы, особенно с учетом плейлистов, аналогичных микстейпам на кассетах, стали неотъемлемой частью социальной коммуникации и коллекционирования музыки. Взаимодействие пользователей стимулируется отправкой плейлистов друг другу, а сервисы, такие как Spotify и Apple Music, активно поощряют создание пользовательских подборок. В социальном взаимодействии выделяются подходы, такие как «наклейки» музыки в Stories, что связывает ее с контекстом жизни и визуальным контентом.
Этот контекст значим для обсуждения российской индустрии, особенно учитывая отличия в функционале Spotify по сравнению с конкурентами, такими как Apple Music, что также относится и к российским аналогам (VK Music и Яндекс Музыка). Эти сервисы предоставляют схожий функционал, включая поиск, прослушивание, каталогизацию и рекомендации музыки, основываясь на алгоритмах и данных о предпочтениях слушателя, что направляет их на поиск новой музыки.
Разница между сервисами отражается в реализации различных алгоритмов. Spotify отличен своей рекомендательной системой и доброжелательным пользовательским интерфейсом, что считается ключевым фактором его успеха. В отличие от этого, Apple Music связан не столько с качеством пользовательского опыта, сколько с интеграцией в экосистему устройств и приложений Apple.
Spotify с использованием больших данных, может выявить настроение человека, даже если тот не определился с плейлистом по настроению [12].
Насколько пользователи сегодня нуждаются в самостоятельном поиске музыки — вопрос сложный. Сервисы стимулируют непрерывный поиск нового контента, предлагая знакомство с новыми артистами и жанрами. Однако аудитория делится на продвинутых юзеров, которые замотивированы в поиске малоизвестных исполнителей, и среднестатистических, заинтересованных быть в курсе текущих трендов.
В то же время алгоритмы рекомендаций могут формировать музыкальные вкусы и создавать «фильтрованные» биографии прослушивания, влияя на культурное разнообразие.
Фильтрованные биографии прослушивания относятся к ситуации, когда алгоритмы стриминговых сервисов используют данные о предпочтениях слушателя для предложения новой музыки. Например, если кто-то предпочитает определенный жанр или исполнителя, алгоритмы могут рекомендовать похожие треки или артистов.
Слушатели могут оказаться в ситуации, когда им предлагаются схожие музыкальные произведения, что может создать эхо собственных предпочтений и мешать разнообразию в музыкальном опыте.
Таким образом, хотя фильтрованная биография прослушивания может делать персонализированный контент более доступным, она также представляет риск сужения культурного разнообразия, поскольку слушатели могут упускать новые, непривычные жанры или артистов из-за алгоритмических ограничений.
Как работает Яндекс Музыка?
В России легализация цифрового потребления музыки несколько отставала от Запада. В 2008 году для европейских слушателей стали доступны услуги «белого» стриминга, тогда как первый подобный сервис в России, «Яндекс Музыка», появился только осенью 2010 года.
«Яндекс Музыка» предоставляет автоматизированные рекомендации в «Моей волне» и плейлистах, включая четыре вида подборок: редакторские от кураторов сервиса, пользовательские и умные плейлисты, создаваемые алгоритмом. Для более точных рекомендаций учитываются данные о пользователях, такие как предыдущий опыт прослушивания, лайки, дизлайки и жанровые предпочтения. Редакторские подборки включают уровень персонализации, алгоритм сортирует их контент по-разному, чтобы соответствовать запросам конкретного слушателя. Этот подход эффективен в случае треклистов на десятки или сотни композиций, где треки с наивысшим попаданием в запрос аудитории перемещаются на верх страницы после переупорядочивания.
Все разделы, за исключением «Моей волны», работают на общем алгоритме, подстраиваемом под конкретные сценарии. Например, в «Премьере» добавляют больше неизвестных пользователю треков, в то время как в «Плейлисте дня» представлена уже знакомая музыка. С увеличением аудитории и появлением новой информации о прослушиваниях в ядро рекомендаций вносятся дополнительные данные, корректирующие работу алгоритма.
Алгоритмы в «Яндекс Музыке» учитывают не только основные сигналы, такие как скип, лайк и дизлайк, но и другие действия пользователей, такие как перемотка аудио или передвижения по платформе.
На самом деле, отметки «нравится» и «не нравится» не самый популярный алгоритм сервиса. Команда «Яндекс Музыки» иногда стимулирует аудиторию оценивать треки, например, через голосовые команды «Яндекс.Станции». Дослушивания треков активно отслеживаются в компании для более глубокого понимания предпочтений пользователей.
Для более точных рекомендаций весь контент категоризируется по жанрам с целью объединения его в единую систему. Каждая платформа сталкивается с новыми пользователями, которых стриминг еще не знает. В «Яндекс Музыке» они приглашаются пройти через «Визард» — интерфейс, где можно указать понравившихся артистов и любимые жанры, чтобы получить первичные сигналы для предложений. В случае пропуска первичной настройки, система предлагает новым пользователям самую популярную музыку в стране и мировые хиты.
«Яндекс Музыка» сохраняет слушательский опыт практически бессрочно, отслеживая эволюцию музыкальных вкусов пользователей за несколько лет. Помимо данных об исполнителе, алгоритм анализирует звучание композиции и примерно определяет наличие голоса или определенного темпа.
В сервисе появилась функция «Нейромузыка», представляющая собой бесконечную мелодию, созданную алгоритмами. Нейросеть готова адаптироваться к вкусам пользователя, а система рекомендаций «Яндекс Музыки» также понимает структуру «Нейромузыки» и может ориентироваться на конкретные сэмплы внутри нее. Подписчики могут выражать свои предпочтения, ставя лайки и дизлайки в процессе прослушивания, и нейросеть старается лучше соответствовать музыкальным вкусам пользователя.
