推薦系統(tǒng)應用研究:音樂電臺

0 評論 2048 瀏覽 4 收藏 7 分鐘

推薦系統(tǒng)很少有單獨的產(chǎn)品形態(tài),多是和其他產(chǎn)品相結合,起到輔助的使用效果。如個人平時使用較多的推薦系統(tǒng)有輸入法的字詞聯(lián)想、購書網(wǎng)站中書籍推薦、音樂電臺的猜用戶喜歡的音樂和谷歌閱讀器的推薦條目。

對于豆瓣音樂頻道使用較少,雖然對音樂沒什么研究,也不會買什么專輯或者聽演唱會,但是很喜歡聽音樂,有邊工作邊聽音樂的習慣。豆瓣電臺迄今累計收聽13670首、喜歡136首和不喜歡666首,算是電臺的重度用戶吧,個人操作行為有:

  • 作為工作時間的背景音樂,處于后臺運行狀態(tài)。有時候工作入神,只要不是特別討厭或者特別喜歡的歌曲一般不會去訪問電臺網(wǎng)頁。
  • 離開工位的時候,拿下耳機不關閉音樂,1萬多首歌里起碼有30%沒有真正聽。
  • 聽到廣告和“哈狗幫”之類吵鬧的音樂會找到電臺的網(wǎng)頁,選擇不喜歡,無法停止的廣告直接點擊關閉電臺,因為很容易導致走神影響工作。
  • 聽到喜歡的音樂60%的概率會找到電臺網(wǎng)頁點擊“喜歡”。
  • 發(fā)現(xiàn)特別喜歡或者寄希望能推薦相關歌曲時會去點擊“喜歡”。
  • 聽到不怎么喜歡的音樂也會選擇點擊“下一首”。

豆瓣電臺推薦新歌力度比蝦米網(wǎng)強,操作也更方便,不需要像蝦米網(wǎng)的初始化時選擇喜歡的歌手和選擇喜歡音樂之后要選擇標簽,更加智能化,減少操作步驟。蝦米的歌庫好像不夠全,多是推薦大眾化的歌曲,但推薦的形式比豆瓣更豐富和取巧。

豆瓣不支持按歌手和專輯聽歌,如果連續(xù)點擊三次“不喜歡”沒有聽到喜歡的音樂或者經(jīng)常播放討厭怨女情歌,可能會選擇聽蝦米網(wǎng)歌手專輯。如果能選擇只聽自己已經(jīng)選擇喜歡的100多首歌曲,或許不會切換到其他產(chǎn)品。

douban2

豆瓣電臺通常作為瀏覽器的書簽單獨存在,通常直接訪問豆瓣電臺而不會從豆瓣主頁再訪問豆瓣電臺,從電臺返回到豆瓣主頁只能手動修改網(wǎng)址或者點擊專輯的鏈接查看專輯再返回主頁。把喜歡歌曲的紅心去掉,是不是意味著用戶不再喜歡這首歌并要跳到下一首歌。

豆瓣電臺在開始做之前,已經(jīng)有了比較完善的初始化的數(shù)據(jù),大部分專輯都有標簽和評分,如專輯《我們是五月天》的相關元數(shù)據(jù)為:

  • 9592人平均評分為9.3。
  • 標簽有:五月天(2450),臺灣(701)?,?MAYDAY(644),我們是五月天(374),搖滾(338),我們是:),五月天(264),rock(201),pop(160)。
  • 每首歌收藏的人數(shù)。

從以上的標簽可以看出,歌手、地區(qū)和音樂風格是用戶的常用標簽,可以假設這三個標簽是影響用戶選擇的最主要元數(shù)據(jù)。英文MAYDAY、五月天、我們是五月天和我們是:),五月天是等價的標簽,搖滾和rock是等價的標簽,不存在像谷歌挑歌那樣的互斥性標簽(如節(jié)奏的舒緩和強烈)。從這個例子也可以看出用戶語言具有模糊性,有必要使用受控詞表來控制同義標簽的不同語言表達方式。

豆瓣的用戶群比較小眾化,添加的標簽質量比較高,使用標簽可以簡單地組織歌曲之間的聯(lián)系,利用評分、收藏人數(shù)和標簽數(shù)目可以確定推薦的優(yōu)先級。

如用戶在電臺中選擇喜歡專輯《我們是五月天》中的歌曲《擁抱》,那可能依照歌手推薦會更可靠,用戶選擇多首五月天的歌曲,那可以認定是五月天的粉絲了,歌庫中添加了五月天的新歌,自當?shù)谝粫r間推薦。

與風格相比,地區(qū)的影響程度更低,但是不排除部分用戶有這方面的偏好,比如只聽華語的歌曲,這需要經(jīng)過決策樹之類方法多次推薦才能論證。選擇風格“搖滾”,可以推薦標簽為搖滾并且評分比較高的歌手,逐步確認用戶的音樂喜好模型。在大力推薦歌曲之前,可以先完成對用戶喜歡歌曲的收集。在不確定的情況下,可以多播放已喜歡的音樂或者喜歡歌手的熱門歌曲。

用戶喜歡的歌手有很多,但是喜歡的風格不會很多,同一風格下有很多歌手,用戶喜歡的風格比歌手更復雜和模糊。歌手之間是并列的標簽,而風格會形成明顯的偏向。隨著時間的改變,風格也會發(fā)生改變。

另外,標簽要和歌曲更吻合,聽到電臺推薦雜音多的五月天演唱會歌曲,會選擇不喜歡或者跳到下一首。系統(tǒng)或許會依此誤以為用戶不喜歡這首歌,低質量的歌曲會影響系統(tǒng)推薦的準確性。

來源:http://daichuanqing.com/index.php/archives/1880

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!