Czytasz teraz:
Jaki jest sekret sukcesu systemu rekomendacji Spotify?

Jaki jest sekret sukcesu systemu rekomendacji Spotify?

Avatar Arkadiusz Krysik
14 grudnia 2020
clock icon 5 min
Jaki jest sekret sukcesu systemu rekomendacji Spotify?

Serwisy internetowe takie jak Amazon, Netflix czy YouTube proponują swoim użytkownikom nowe treści na podstawie ich historii przeglądania oraz osobistych preferencji. Spośród wszystkich tych systemów jeden, który zdecydowanie się wyróżnia - silnik rekomendacji platformy Spotify. Co tydzień przygotowywane są dla każdego z ponad 100 milionów użytkowników aplikacji specjalną playlistę “Discover weekly” składającą się z 30 utworów, których wcześniej jeszcze nigdy wcześniej nie słyszał, ale które najprawdopodobniej mu się spodobają. To lubiana i popularna opcja, dzięki której użytkownicy poszerzają swoje muzyczne horyzonty.

Czym jest Spotify?

Spotify to założona w 2008 roku w Sztokholmie cyfrowa platforma muzyczna oparta na chmurze, która zapewnia dostęp do ponad 50 milionów utworów na różnych urządzeniach oraz szybko rosnącą liczbę podcastów i filmów. Ta platforma streamingowa płaci wykonawcom udostępnianych piosenek proporcjonalnie do ilości odtworzeń, które zebrały ich utwory. Użytkownicy za korzystanie z aplikacji mobilnej płacą miesięczny abonament w wysokości 19,99 zł lub korzystają z darmowej opcji z reklamami.

Your 2020 Spotify Wrapped

W jaki sposób Spotify gromadzi dane o użytkownikach?

Każdy użytkownik, niezależnie czy korzystający z aplikacji mobilnej czy z wersji na komputery PC, zobligowany jest do utworzenia konta i zalogowanie się na nie przed korzystaniem z usługi. Pozwala to na dokładne śledzenie historii przeglądania każdego użytkownika oraz późniejszą analizę tych danych, szukanie korelacji pomiędzy różnymi utworami i gatunkami muzycznymi oraz porównywanie preferencji użytkownika do całej bazy userów. Inne witryny internetowe oraz sklepy e-commerce wykorzystują w tym celu pliki cookies, by zbierać informacje na temat zachowań. Pod tym względem rozwiązanie Spotify ze swoim systemem ma przewagę, ponieważ ma stały dostęp do historii każdego użytkownika bez ryzyka usunięcia ciasteczek.

System rekomendacji

Spotify nie korzysta tylko z jednego, rewolucyjnego modelu rekomendacji, który byłby odpowiedzialny za generowanie wszystkich spersonalizowanych playlist. System rekomendacji Spotify łączy w sobie niektóre z najlepszych strategii używanych przez modele różnego rodzaju w celu stworzenia jednego potężnego i kompleksowego rozwiązania. Aby skomponować playlisty Discover Weekly, platforma wykorzystuje 3 bardzo istotne elementy silników rekomendacji:

  • Model Collaborative Filtering, który analizuje zachowanie oraz preferencje danego użytkownika i porównuje je z innymi w celu przewidywania nowych utworów, które mogłyby mu się spodobać. Algorytmy oparte na uczeniu maszynowym (ML) oraz sztucznej inteligencji (AI) szukają połączeń pomiędzy różnymi użytkownikami, dzięki czemu mogą lepiej rozumieć ich osobiste preferencje.
  • Model przetwarzania języka naturalnego (NLP), który odpowiedzialny jest za analizowanie tekstów zarówno piosenek, jak i ich opisów oraz innych informacji zdobytych z sieci. Ta część systemu Spotify nieustannie przeszukuje internet w poszukiwaniu postów na blogach i forach oraz newsów w tabloidach, aby dowiedzieć się, co ludzie mówią o konkretnych artystach i piosenkach. Dzięki temu system dobrze rozumie, które utwory obecnie są na topie oraz jaki styl reprezentują.
  • Model audio, który potrafi analizować ścieżki audio w poszukiwaniu podobieństw w bicie, szybkości oraz wykorzystanych instrumentach. W gruncie rzeczy jest to ta sama technologia, która jest używana w różnego rodzaju programach do rozpoznawania twarzy. W przypadku Spotify została ona zmodyfikowane do analizowania plików audio zamiast pikseli. Ponadto w przeciwieństwie do dwóch pierwszych typów, modele audio uwzględniają także nowe utwory, które dopiero pojawiły się na platformie.
Spotify's recommendation system

Wszystkie te elementy łączą się w jeden kompleksowy i rozbudowany system rekomendujący, generujący co tydzień spersonalizowane playlisty dla każdego użytkownika usługi. Cały ten wysiłek przynosi imponujące wyniki. W ciągu pięciu lat od początku działania systemu rekomendacji słuchacze przesłuchali ponad 2,3 miliarda godzin muzyki z automatycznie generowanych playlist Discover Weekly. Co więcej, system potrafi przedstawić użytkownikom wykonawców, których nigdy wcześniej nie słuchali, a których utwory idealnie pasują do ich gustu muzycznego. Użytkownicy Ci z dużym prawdopodobieństwem sprawdzą także resztę twórczości artystów, których odkryli dzięki playliście “Discover weekly”.

Znaczenie dla branży e-commerce

Czy praktyki stosowane przez Spotify w ich systemie rekomendacji mogą znaleźć swoje przełożenie w branży e-commerce? Oczywiście! Algorytmy stojące za generowaniem playlist “Discover weekly” wyraźnie pokazują, że mnogość źródeł danych oraz korzystanie z kilku modeli rekomendacji jest kluczem do sukcesu i maksymalizacji zysków. Właśnie dlatego kompleksowe silniki rekomendacji, takie jak Recostream, oferują szeroki wybór modeli rekomendacji opierających się zarówno na charakterystyce i opisach produktów, jak i na zachowaniu użytkowników. Modele takie jak “inni klienci kupowali także” lub “popularne” można implementować w różnych miejscach sklepu, zapewniając klientom tym samym stały wybór produktów, które najprawdopodobniej mogłyby ich zainteresować. Więcej o modelach i ich położeniu na stronie pisaliśmy tutaj .

Na przykładzie Spotify widać też, jak dużą rolę odgrywa obecnie personalizacja doświadczeń klientów oraz systemy rekomendacji. Prezentowanie użytkownikom contentu dostosowanego do ich potrzeb oraz gustu jest niezwykle istotne i na pewno może przynieść wymierne skutki w postaci zwiększonej średniej długości sesji czy wyższego zaangażowania, a kompleksowość silnika rekomendującego jest ważna zarówno w branży rozrywkowej jak i e-commerce.

arrow-up icon