中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：歌曲千千萬，你的聽歌APP是如何猜中你的喜好的？這就需要拆解聽歌APP們的音樂推薦邏輯了。本篇文章里，作者結(jié)合現(xiàn)有的音樂APP，對音樂推薦邏輯進(jìn)行了拆分和總結(jié)，一起來看看吧。

自2000年互聯(lián)網(wǎng)音樂電臺Pandora推出的“音樂基因組計(jì)劃”開始，根據(jù)算法推薦用戶喜歡的歌曲經(jīng)過20多年的歷練已然成為了在線音樂的行業(yè)標(biāo)配，但自始至終如何更高效精準(zhǔn)地發(fā)現(xiàn)用戶興趣、挖掘潛在興趣，并充分滿足是算法推歌最主要的命題。

本篇文章將嘗試拆解現(xiàn)有音樂推薦基本邏輯，并通過各大APP實(shí)例分析拆解現(xiàn)有功能策略設(shè)計(jì)。

一、音樂推薦邏輯拆解

從用戶角度來看，用戶對于個(gè)性化推歌的訴求主要為可以不費(fèi)力地找到喜歡聽的、新鮮的歌曲，所以對于個(gè)性化推歌來講，該訴求可以簡化拆解成三大部分進(jìn)行滿足，即：

1. 如何發(fā)掘用戶的偏好興趣；
2. 如何識別理解音樂內(nèi)容；
3. 如何匹配興趣滿足用戶需求。

接下來我們一一展開分析：

1. 如何發(fā)掘用戶的偏好興趣

發(fā)掘用戶興趣路徑主要有用戶主動(dòng)表達(dá)和被動(dòng)表達(dá)的兩大類，主動(dòng)表達(dá)興趣偏好更多的是興趣收集的形式依托功能實(shí)現(xiàn)，而被動(dòng)表達(dá)更多的是通過分析用戶站內(nèi)消費(fèi)行為計(jì)算所得，具體來看：

1）用戶主動(dòng)表達(dá)興趣偏好

業(yè)內(nèi)的主要做法就是新用戶/沉默用戶登錄時(shí)提供興趣收集功能，通過各大分類選項(xiàng)引導(dǎo)其選擇偏好類別（如下圖），但此路徑強(qiáng)依賴于用戶主動(dòng)選擇且是用戶當(dāng)前偏好的一個(gè)即時(shí)表達(dá)，存在著使用滲透率低、選擇偏好置信度不足等問題，更多的是冷啟階段內(nèi)容展現(xiàn)所用，很難完全做為推薦的主要依據(jù)。

2）根據(jù)用戶消費(fèi)行為推測偏好

與用戶主動(dòng)表達(dá)興趣偏好不同的是，根據(jù)用戶消費(fèi)行為推測偏好則是以果溯因，其置信程度相對更高，是發(fā)掘用戶興趣偏好的主要依據(jù)。細(xì)分來看可以通過引入外部消費(fèi)信號和根據(jù)站內(nèi)消費(fèi)行為來綜合考量。

① 引入外部消費(fèi)信號

外部信號的引入能夠?qū)τ脩舢嬒衿鸬窖a(bǔ)充作用，圈定用戶特征來推測同類用戶特征興趣偏好，但因?yàn)榱６容^粗個(gè)性化細(xì)分行為較少所以更多的是用于用戶冷啟階段。

比如說在很早以前可以通過某些渠道拿到applist，通過分析應(yīng)用類型特征就可以基本斷定大體判斷用戶社會(huì)身份及類似偏好，進(jìn)而用于用戶模型推測興趣偏好。

另外一種常見的方式即企業(yè)自家APP部分互聯(lián)互通，通過讀取與之相關(guān)的消費(fèi)信號就更容易判斷其潛在興趣點(diǎn)，比如說youtube為youtube music提供了用戶音樂相關(guān)的內(nèi)容頂踩信息，以提供了大量的推薦依據(jù)信息，當(dāng)然與之而來兩者之間耦合數(shù)據(jù)相互污染的問題一直是大眾期望優(yōu)化的地方。

② 站內(nèi)消費(fèi)行為的考量

當(dāng)用戶開始積累站內(nèi)的消費(fèi)行為時(shí)，通過站內(nèi)消費(fèi)行為來進(jìn)行推薦優(yōu)化則是更為重要的途徑。

除了各場景通用的贊轉(zhuǎn)評收藏等深度消費(fèi)行為能夠明確推測用戶偏好外，其他特定場景通過功能設(shè)計(jì)收集用戶輕量級表達(dá)偏好是體現(xiàn)產(chǎn)品設(shè)計(jì)巧思之處，本文第二模塊將通過實(shí)例分析詳細(xì)展開分析。

2. 如何識別理解音樂內(nèi)容

正如人在找歌的時(shí)候關(guān)注音樂流派、歌手、歌曲曲調(diào)從而做出是否喜歡的判斷一樣，匹配用戶興趣的第一步是讓算法從多維度充分提取音樂內(nèi)容特征，這也就是業(yè)界常說的內(nèi)容理解。

簡化來說內(nèi)容理解從是否能可被解釋分為顯性標(biāo)簽識別、隱式內(nèi)容向量識別兩種。

1）顯性標(biāo)簽提煉

顯性標(biāo)簽顧名思義即人工亦可識別出的標(biāo)簽內(nèi)容，除了如音樂流派、歌手等歌曲固定屬性的標(biāo)簽之外，還包含如歌曲關(guān)鍵詞等經(jīng)用戶共創(chuàng)的非結(jié)構(gòu)化標(biāo)簽，比如音樂龍頭老大spotify就曾利用網(wǎng)絡(luò)爬蟲及NLP技術(shù)從用戶評論中提煉每首歌曲被提及時(shí)常用的形容表達(dá)、句子、名詞等“關(guān)鍵詞”，并給這些關(guān)鍵詞設(shè)定不同的權(quán)重，從而量化在人們眼中哪些歌曲是相似的。

當(dāng)然這種非結(jié)構(gòu)化標(biāo)簽獲取方式有一定的局限性，一方面顯性標(biāo)簽覆蓋的歌曲特征有限、粒度較粗；另一方面，對于新歌或者冷門小眾的歌曲來講，用戶評論熱度和數(shù)量較少，那么NLP很難起到很好的效果，基于此隱式內(nèi)容向量識別應(yīng)運(yùn)而生。

2）隱式內(nèi)容向量識別

從用戶主觀角度來講，各種形態(tài)特性的音樂事實(shí)上是極其影響用戶偏好的，比如說同為一首歌抒情版本和加了重金屬的remix版本所面向的受眾是極為不同的，所以如何拆解計(jì)算聲音數(shù)據(jù)信息以獲得隱式內(nèi)容向量是音樂推薦極為重要的一部分。

比如說音樂軟件joox采取的策略就將音樂的音頻信號轉(zhuǎn)化為頻譜，然后通過CNN（卷積神經(jīng)網(wǎng)絡(luò)）做圖片分類(樣例見下圖)來代表這個(gè)音樂的音色信息，用于推薦信息學(xué)習(xí)。

注：內(nèi)容理解不僅包含上述特征提取還有內(nèi)容質(zhì)量、內(nèi)容時(shí)效等內(nèi)容維度基礎(chǔ)信息的構(gòu)建，展開來講不免贅述很多，故本文暫且隱去不談。

3. 如何匹配興趣滿足用戶需求

那在打好用戶理解和內(nèi)容理解的基礎(chǔ)上，推薦策略就可以開始發(fā)揮作用了，推薦算法雖然發(fā)展日新月異但萬變不離其宗的是通過計(jì)算與用戶已有/潛在興趣內(nèi)容的相似程度，預(yù)估其感興趣的程度，綜合考慮用戶及業(yè)務(wù)訴求進(jìn)而來召回排序展現(xiàn)給用戶。

關(guān)于推薦策略相關(guān)的拆解文章和書籍很多，有興趣的同學(xué)可以看下《推薦算法》等書籍，在此就不過多一一展開了~

由此之上我們可以簡練總結(jié)出音樂推薦各模塊的作用及對應(yīng)的策略邏輯：

二、實(shí)例分析

那接下來通過體驗(yàn)測試逆向拆解，具體分析下網(wǎng)易云音樂、汽水音樂、QQ音樂的音樂推薦流是如何通過功能和策略設(shè)計(jì)來滿足用戶找歌聽歌的推薦訴求。

注：為了衡量用戶體驗(yàn)，筆者從自身體驗(yàn)視角評估了各APP音樂推薦的效果，并從準(zhǔn)確性、及時(shí)性、多樣性角度分別討論了各自的優(yōu)缺點(diǎn)，但各APP的活躍程度不同可能會(huì)影響到一定的評估置信度，在此僅做參考。

從上述分析我們可以看到，各家基礎(chǔ)功能具備的情況下，根據(jù)各自功能定位做了一定的差異化功能，舉一個(gè)比較明顯的例子，各家對于播放list設(shè)計(jì)思路圍繞著各自的定位而有所不同。

我們會(huì)發(fā)現(xiàn)網(wǎng)易云取消了播放list并且僅支持回退一首歌曲，結(jié)合私人FM功能定位我們可以推測這樣的限制設(shè)計(jì)主要是為了教育用戶珍惜當(dāng)前的選擇機(jī)會(huì)，即時(shí)明確表達(dá)自己的偏好從而“調(diào)教”系統(tǒng)更快更好地了解自己，當(dāng)然這樣的設(shè)計(jì)可以一定程度上減少非VIP用戶循環(huán)聽VIP歌曲的機(jī)會(huì)，也有可能是結(jié)合商業(yè)變現(xiàn)方面的綜合考量。

而兩家基于用戶能在推薦流里面找到自己喜歡的歌曲并且能夠當(dāng)場消費(fèi)的邏輯，提供了播放list并且提供了刪除歌曲和歌曲調(diào)序等獨(dú)有功能。也能夠帶來更多用戶對推薦結(jié)果的輕量級表達(dá)，也能夠輔助推薦系統(tǒng)推薦更加精準(zhǔn)。

三、結(jié)語

雖然通過上述拆解我們會(huì)看到算法有成熟的方法邏輯能夠更方便用戶滿足音樂尋找及音樂消費(fèi)的訴求，但也被大眾詬病存在著內(nèi)容繭房等諸多問題，如何探索滿足用戶的潛在需求、成長性需求也是現(xiàn)在各類內(nèi)容推薦面臨的一個(gè)重要課題。

針對這個(gè)問題如何破解，下篇文章和大家一起分析下~

作者：墩墩沖沖沖，微信公眾號：Wow小魚呀

本文由 @墩墩沖沖沖 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于 CC0 協(xié)議