台灣人都在週三下午四點聽音樂!直擊Spotify實驗室,看他們如何玩數據
台灣人都在週三下午四點聽音樂!直擊Spotify實驗室,看他們如何玩數據

當科技碰上音樂串流,能激盪出什麼火花?不同於一般科技公司,Spotify以實驗室型態參展,秀出他們在2017年的各種嘗試。核心概念在於向外界說明,這間音樂串流公司正透過大量數據分析,精準了解消費者樣態。

Spotify官方音樂清單
RapCaviar是Spotify針對饒舌音樂打造的音樂清單,共有超過850萬粉絲追蹤。Spotify強調,只要將歌曲加入清單內,甚至有機會衝上Billboard的前100名。
圖/ 吳元熙/攝影

走進Spotify實驗室,除了一定少不了的背景音樂,現場風格更有酒吧和畫廊的綜合感受,為的就是展現「音樂清單」(playlist)的影響力,甚至可以改變饒舌音樂和拉丁音樂專輯在市場的排名。

Spotify 官方音樂清單
Viva Latino同樣是Spotify官方音樂清單,是目前最快速成長的音樂類型,擁有超過700萬追蹤者。
圖/ 吳元熙/攝影

Spotify解析數據,用戶平均每天聽2小時

根據Spotify提供的數據,他們在全球有1.4億的活躍使用者、6千萬訂閱用戶,來自60個不同國家。用戶每天平均會收聽音樂2小時,而68%的人選擇透過手機和平版串流、27%使用電腦,僅有約4%藉由其他聯網裝置收聽。

因此,Spotify目前已經能支援各式智慧音箱和語音助理,除了Amazon外,也支援Google Home和微軟的Cortana,蒐集越來越多的用戶行為。

Spotify分析使用者類別
Spotify透過數據分析了解用戶行為,初步分成12種類型,不過官方對各族群下的定義,不見得人人都認同。
圖/ 吳元熙/攝影

他們初步將消費者分成12種不同的身份種類。除了爸爸、媽媽等家庭角色外,多半是以興趣來區分,像是熱愛運動、旅遊、科技、烹飪等。對Spotify來說,能夠洞悉消費者,代表有機會能說服品牌商下廣告,而這也是他們在2017年下的重大決定,試著在訂閱制之外尋找商業模式,還量身打造了專屬的Spotify For Brands網頁。

Spotify分析用戶資訊的細緻程度相當驚人,不光是基本的個人資料、收聽音樂種類,舉凡透過何種串流裝置收聽音樂、使用時間分布、收聽時間長度,甚至如何「使用」Spotify找音樂,都會成為分析選項。

舉例來說,他們發現「媽媽族」在清晨收聽音樂的機率高出 25%,例如早上 6 點,甚至是 5 點。而她們在就寢時收聽音樂的機率也高出 44%,同時有很高比例會在音樂播放清單加入孩童音樂並且收聽。

Spotify分析使用者輪廓
Spotify目前提供的用戶族群分析,並沒有包含跨國家比較,而是整體呈現。否則應該會發現台灣族群的獨特之處。
圖/ 吳元熙/攝影
Spotify分析使用者收聽行為
是否重複收聽單一首歌曲、使用搜尋框找歌曲、還是經常換下一首歌?這些都是Spotify分析用戶的素材之一。
圖/ 吳元熙/攝影

雖然Spotify蒐集用戶資訊的程度,曾在美國引起部分用戶反感,但他們確實在了解聽眾後開創出不少功能,例如在2015年推出「你的每週發現」、2016年推出「你的每日精選」,以及2017年的「時空膠囊」,都是利用機器學習幫用戶推薦歌曲。

為了獲得更多廣告商的青睞,Spotify也在2017推出自助語音廣告平台。即便越來越多用戶擔心,他們的收聽體驗終將會被破壞,不過這間音樂串流公司仍強調,了解用戶的核心宗旨,並不會改變,2018年將繼續推出更多推薦歌曲功能。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓