越聽越上癮,Spotify是如何推薦新歌的?
越聽越上癮,Spotify是如何推薦新歌的?

當你邀請一幫朋友來家裡做客,打算親手為他們做一桌菜時,可以提前詢問每個人喜歡吃的菜,然後投其所好只做他們喜歡吃的。這是一個非常「保險」的方案,但朋友們也會喪失一些新鮮感。

如果把音樂比作菜肴,那音樂流媒體平台Spotify絕對是一個非常精明的廚師,他會關注你最喜歡吃的那些菜,但更願意仔細琢磨你的個人口味,在熟悉的味道基礎之上,循序漸進地帶你嘗試新花樣。

發現音樂,或者說是音樂推薦是Spotify的一個王牌功能,也是它在全球範圍內被追捧的重要原因。目前幾乎所有流媒體音樂平台都會加入類似的功能Spotify究竟有何特別呢?

spotify
圖/ 極客公園

音樂推薦背後肯定不能忽略演算法的功勞,理論上你聽得越多演算法就越瞭解你,這點想必沒有什麼爭議。

本文主要想和大家分享Spotify如何透過產品層面的「內容設置」來幫助大家發現新音樂。如果你是Spotify的新用戶,相信這篇文章也可以幫你更好地理解Spotify的產品邏輯。

音樂推薦在Spotify中並不是一個具象的功能,它被融入到了很多更細微的模組中。首先我們可以從時間緯度出發。Made For You是Spotify推薦歌單的一個集合,每個人的都不一樣,它會以每日、每週甚至是每年的頻率為你推薦音樂,下面我們就具體來看看:

每日

spotify
圖/ 極客公園
Daily Mix:每日更新,根據你的喜好「無窮盡」推薦音樂。

Daily Mix功能最早於2016年上線,現在已經成為Spotify的王牌功能之一。這個功能類似於大家所熟知的「私人FM」,包含聽過和未聽過的歌曲。略微不同的地方在於Spotify會同時推薦多個歌單(最多時6個),單個歌單內的曲風會趨於一致,只要你願意可以一直聽下去。

每週

spotify
圖/ 極客公園
Discover Weekly:每週一更新,推薦30首符合使用者口味的音樂(通常是你音樂庫裡沒有的)。
Release Radar:每週五更新,推薦30首使用者所關注音樂人的最新音樂。

雖然推薦的都是新音樂,但這兩個每週更新的歌單側重點不同,Discover Weekly基於你的聽歌口味推薦,Release Radar基於你熟悉的音樂人推薦,相比之下前者要更激進一些。

長期

spotify
圖/ 極客公園
Even More:不定期更新,內容多樣。

這一部分是一些特色的歌單,作為每日/每週推薦的補充,例如新上線的每日駕車歌單(Your Daily Drive),Spotify開始嘗試在歌單中加入當日的新聞播報。

這部分歌單也會包含年度的總結,每年年底Spotify會選出100首過去一年你最喜歡的歌曲,這份歌單也是一個推薦機制很好的總結。

除了上面提到的Made For You歌單 ,如果你的「主觀能動性」很強,依然可以透過DISCOVER功能去自己尋找更多的音樂,不過這方面就和其他音樂平台沒有本質的區別了。

spotify
圖/ 極客公園

透過上面的盤點可以看到,Spotify在推薦新的音樂時還是非常小心謹慎的,每次在推薦新東西時依舊會把原有的習慣作為錨點。例如Daily Mix之所以要分成6個歌單,就是為了避免「大雜燴」時曲風跳躍太過明顯;Release Radar推薦使用者已關注音樂人的新歌,無疑也能降低大家的接受門檻。

包括推薦方式最為激進的Discover Weekly,也只在每週更新,收錄的音樂數量限制在30首(作為對比,Daily Mix歌單可以無限延長),實際上也是在降低新歌帶來的衝擊感。Spotify產品副總裁戴夫羅傑(Dave Rodger)曾在一次採訪中說:「音樂探索服務需要依賴一些你已經知道的東西,這樣你才會比較放心。」

正是在這樣「潤物細無聲」的推薦中,你會發現慢慢接觸到了很多新的音樂,長久累積下來的使用體驗是其他音樂串流媒體平台無法替代的。儘管目前Spotify擁有一定的使用門檻(包括Premium版的購買問題),但如果你喜歡聽音樂的話至少要親自試試。

spotify
圖/ 極客公園

最後,如果你剛剛接觸Spotify,歌單/音樂庫應該還不夠豐富,這裡分享一個快速填充的方法:首先找到一首你最喜歡的音樂,右鍵選擇進入Song Radio,Spotify會基於這首歌推薦一個包含50首音樂的歌單,你可以選擇將這份歌單保存到自己的音樂庫中;對這份歌單進行篩選,將喜歡的音樂保存到音樂庫(紅心),同時繼續右鍵進入Song Radio,重複多次你的歌單/音樂庫就會豐富很多,Spotify也會更加瞭解你的音樂口味。

本文授權轉載自:極客公園

關鍵字: #Spotify
往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

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
代理式商務連動百兆商機
© 2026 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