Spotify算準音樂喜好,讓用戶掏錢訂閱!官方卻願意教你如何「反演算法」?
Spotify算準音樂喜好,讓用戶掏錢訂閱!官方卻願意教你如何「反演算法」?

作為煎餅果子聖地,天津人評價最高的煎餅店,一定不是人們趨之若鶩的網紅店,而是「我家樓下那家」。

人們對於音樂的喜好,和天津人對煎餅果子的愛有異曲同工之處,好友熱情分享的音樂,通常會被你歸為「垃圾」。隨著卡帶、CD、MP3逐漸被行動網路取代,音樂平台最終承載起滿足人們音樂品味的重任。

社群媒體上歷久不衰的兩個問題,一個是為什麼「隨機」推薦並不是真的「隨機」,另一個就是為什麼音樂平台推薦的音樂都這麼「垃圾」。如果有機會,大概所有人最想做的事情就是去面對面問一下音樂平台的工程師,自己到底怎麼才能「調教」好這個App,讓它推薦更多自己喜歡的音樂。

以用戶數最多的音樂平台Spotify為例,他們最近開發出了一種新的演算法——偏好轉化模型(Preference Transition Model,PTM),想要預測,一年後的你會聽什麼音樂。

當我們只看見自己喜歡的內容

抖音、微博、淘寶、YouTube、Spotify,這些平台的演算法想盡辦法猜測我們的喜好,然後把它們覺得我們會喜歡的內容推給我們。

有些時候,這些算法確實猜得很準,我們看到的都是喜歡的內容。但從另一方面來說,我們看了自己喜歡的內容。

recommended-laptop-1400.png
圖/ O'Reilly

網路活動家伊萊·帕里瑟(Eli Pariser)在2011年的時候提出了他著名的「過濾氣泡」(Filter Bubble)理論:算法會根據用戶的地址、歷史點擊、過往搜索等用戶相關資訊猜測用戶喜好。這個過程中,那些與用戶意見不相同的訊息就被過濾掉了。長期下來,用戶就會無法接觸新的想法和訊息,逐漸隔絕在自己的意識形態泡沫中。

在處理過濾氣泡的問題上,Spotify一直因為精準的演算法而為人稱道。不只是讓用戶在自己熟悉的內容裡打轉,它總能幫用戶發現那些新鮮的歌曲。而恰好,這些歌曲還很討人喜歡。

揭開Spotify「演算法黑箱」

「每週發現」(Discovery Weekly)是Spotify在2015年7月的王牌欄目。每週一,Spotiy就會向用戶推薦30首完全沒聽過的歌曲。同時,它又總能帶來非常好的用戶體驗。截至2020年6月25日,每週發現總共被播放了23億小時,大約是26.65萬年,比人類文明存在的時間還長。

Spotify是怎麼做到這一切的?當然還是演算法。

Spotify主要使用了三種推薦機制——協同過濾算法(Collaborative Filtering Model)、卷積神經網絡(Convolutional Neural Networks)和自然語言分析(Natural Language Processing)。

Netflix是最早使用協同過濾算法來推薦內容的平台。在Netflix大獲成功之後,這種算法就變得越來越流行。簡單來說,它會根據用戶之間的相似性而不是內容的相似性來推薦新事物。

對Spotify來說,擺在它面前的是一個巨大的數據庫,裡面裝滿了用戶聽過內容的歷史。協同過濾算法會根據用戶A聽過的歌曲,找到也喜歡這些歌的另一個用戶B,然後向A推薦只有B聽過的歌曲。

「同喜QRS,則嘗試一下P 和T」|Erik Bernhardsson,前Spotify 員工.pn
「同樣喜歡QRS,則嘗試一下P和T」
圖/ Erik Bernhardsson

但協同過濾算法的一大缺點就是所謂的「冷啟動」,只有掌握足夠多的數據,協同過濾算法才能發揮作用。如果用戶是一個還沒有聽過多少歌的新用戶,或者資料夾裡有一首非常冷門的歌曲,協同過濾算法就無法精準匹配。

這就引入了另一種算法——自然語言處理。Word2Vec常被用在自然語言處理中,它可以將我們日常的對話編碼成數學關係——向量。

Spotify做了和Word2Vec相似的工作。它會抓取網路上描述音樂、歌曲或者歌手的詞語,通過算法分配給它們不同的權重。這個權重,一定程度上代表了人們用這個詞來描述音樂的概率。通過自然語言處理,Spotify就能確定那兩首歌彼此是相似的,從而解決冷啟動問題。即使是冷門的歌曲或歌手,也能得到推薦。

Spotify的第三種方式是卷積神經網

在前面兩種算法的幫助下,Spotify已經獲得了足夠多的數據,但卷積神經網絡可以進一步提高音樂推薦的準確性。

卷積神經網絡會分析歌曲的特徵,包括拍子、音調、模式、節奏、強弱度等。通過閱讀這些歌曲的特徵,Spotify就可以根據用戶的收聽歷史了解它們之間的相似性,匹配用戶的喜好。

Daft Punk 的歌曲「環遊世界」的數據分析圖|The Echo Nest.png
Daft Punk 的歌曲「環遊世界」的數據分析圖。
圖/ The Echo Nest

正是通過這三種算法,Spotify像魔法般猜準了用戶的喜好,打造出了千人千面的Discover Weekly。

但即使Spotify已經成為了世界上最流行的流行音樂播放軟體,即使世界上最聰明的人在這裡構建出了無比精巧的算法,過濾氣泡的「詛咒」依舊存在。

於是,Spotify,又多做了一步。

但是,人是會變的呀!

2021年4月,Spotify聯合多倫多大學發布了一篇論文《下一步去哪兒?一種用戶偏好的動態模型》(Where To Next?A Dynamic Model of User Preferences)。

他們在4年間(2016年至2020年)分析了10萬名用戶的收聽數據,來觀察用戶的消費分佈變化。他們發現,隨著時間的變化,用戶的消費習慣也在發生變化。先前的算法擅長捕捉用戶的靜態喜好,但當面對長時間的跨度時,卻無法捕捉用戶動態的喜好變化。對於Spotify的長期用戶來說,他們依舊可能困在過濾氣泡中

1623210690986
這是2016年第一季對比隨後每個季度的總消費變化直方圖。顏色越深,對比的時間跨度就越長。比如,最左邊的淺色曲線是2016年第一季和2016年第二季的對比;最右邊的深色曲線是2016年第一季和2020年第二季的對比。隨著時間的增加,變化也越來越明顯。
圖/ Spotify

Spotify同時也發現,當免費用戶消費的音樂種類越多時,他們越有可能轉化為付費用戶。也就是說,用戶聽到的音樂類型越多,他們越喜歡Spotify。

那麼該如何知道,一個人未來的音樂口味呢?

Spotify給出了一個新的演算法——偏好轉化模型(Prefenrence Transition Model,PTM)。

在這張偏好轉化模型的草圖中,我們可以大致窺見PTM的工作原理。

7246c166656817813f57d118d4424884.png
圖/ Spotify

我們現在有個用戶1號,根據歷史,可以知道他喜歡聽靈魂樂(Soul)。我們想知道,他以後會不會喜歡新世紀音樂(New Age)和布魯斯(Blues)。

轉換矩陣A是PTM的核心,將上述的數據輸入A,就會得到一個預測的結果。可以看到,新世紀音樂的數值(0.4)和靈魂樂(0.5)非常接近,那用戶1將來很有可能會喜歡上新世紀音樂。

當然,這只是一個最簡單的模型演示,實際情況要比這複雜得多。Spotify總共歸納了4000種音樂流派。而在Spotify的數據庫中,還有有3.56億個這樣的「用戶1號」。

2d8145f225cf3013c642011ede2f1fdd.png
PTM 的核心算法:指數加權移動平均分佈和泊鬆多項式兩級分佈。
圖/ Spotify
與之前的算法相比,PTM 在各項測試中都得到了最好成績|Spotify.png
與之前的算法相比,PTM 在各項測試中都得到了最好成績。
圖/ Spotify

除了預測性能,PTM的另一大特點就是可以直觀地解釋從一種音樂是如何轉換到另一種音樂的。假定我們現在有兩個音樂流派a和b,PTM就可以提供用戶在聽完a之後轉換到b的概率。這就解釋了兩個問題:

  1. a到b,哪條路徑是最短的?
  2. 如果用戶聽了a,那麼他接下來最有可能播放哪個流派?

回答這兩個問題,大大提高了PTM的效率和預測準確性。

這是一張偏好轉化的示意圖,顯示了初始流派(綠色)到目標流派(紅色)的最短路徑|Spotify.png
這是一張偏好轉化的示意圖,顯示了初始流派(綠色)到目標流派(紅色)的最短路徑。
圖/ Spotify

如何「馴服」演算法

看起來,Spotify已經做得很好了。但再聰明的演算法,都可能時不時抽一下風。畢竟,人確實很複雜,沒有人可以像你自己一樣了解自己。

Spotify官方也給出了一些建議,希望幫助你更好地「馴服」他們的演算法。

  • 給你喜歡的歌曲點個❤️。
  • 如果你不喜歡一首歌,在30秒之前跳過它。30s是個關鍵節點,如果在這之前跳過一首歌,相當於演算法在內部給它點了👎。
  • 聽聽新的歌手和他們的音樂。這樣演算法就可以更好地學習你的行為模式。
  • 提供你的年齡和位置訊息——要是你不介意的話。Spotify會根據用戶的年齡和地理位置推薦不同的音樂類型。
  • 如果你不想Spotify注意到你的行為,可以使用「私密模式」。
  • 最後,保持耐心。算法在設計中會忽略新的收聽行為中一些迅速的、突然出現的峰值,因為許多人會分享他們的Spotify登錄信息。因此新的收聽活動可能不會立刻導致你的播放列表變化。

本文授權轉載自:極客公園

責任編輯:郭昱彣、錢玉紘

關鍵字: #Spotify #演算法
往下滑看下一篇文章
從收納空間到整合生活即時服務,居家整聊室打造家事服務的新商模
從收納空間到整合生活即時服務,居家整聊室打造家事服務的新商模

對居家整聊室來說,經營的核心,是把人放在第一位──不只照顧客戶,也照顧團隊。這家全台首創的專業收納公司,不只替別人「整聊」生活,更懂得先把自己內部「整聊」好。創辦人鄭博元與黃恩頡深知,品牌要長大,不能只靠熱情與經驗,還要有一套能承接人、事、客戶與未來的管理方法。因此,他們在沒有IT人力編製的情況下,借助叡揚 Vital CRM專業夥伴的力量建立更有溫度、更有秩序的管理方式。

市場需求驅動家事服務崛起,居家整聊室搶佔先機

現代人追求高品質生活卻苦於時間有限,這種兩難的困境促使居家清潔、到府收納等家事服務產業蓬勃發展,著眼於市場需求成長,居家整聊室於2017年成立,成為到府收納服務市場的先驅。

居家整聊室共同創辦人黃恩頡表示,公司成軍初期專注在到府收納服務,之後為因應整聊師人力有限且缺乏標準化流程的挑戰,於2018年開辦整聊師認證課程,每年培訓近2,000位整理收納專才,累計學員數已突破萬人。隨著專業度與口碑的提升,居家整聊室的事業版圖不斷擴大,自2024年起陸續與信義居家及多家大型居家服務平台建立長期合作關係,為這些合作夥伴提供專業的整理收納服務。

3F0A2811.JPG
居家整聊室共同創辦人黃恩頡以數據導向策略,讓團隊從顧客互動到轉換都具備可追蹤與可優化的依據。
圖/ 數位時代

在年營收與客戶數量逐年成長的同時,居家整聊室也迎來新的營運挑戰,「如何深化與既有客戶的互動,提高顧客回購率,成為我們的關鍵課題,」居家整聊室創辦人鄭博元說,當時公司經常接獲舊客戶的主動詢問,引發團隊重新省思,在舊客經營上該如何從被動回應轉為主動經營、吸引更多回頭客使用服務?但在過程中卻發現,傳統使用Excel表格管理顧客互動的方式,已經很難滿足這樣的業務需求。

導入Vital CRM,以系統強化客戶經營力

居家整聊室最初在設計Excel表格欄位時,其實參考了RFM客戶分析模型,希望這份表格能兼具記錄與再行銷的功能,但實際執行上卻免不了面臨人工輸入資料的挑戰,包括資料正確性與即時性難以保證、缺乏統一的資料記錄邏輯、同仁自行添加欄位等。

這些問題導致Excel表格最後僅剩下基本的記錄功能,很難從中篩選符合特定條件的客戶進行再行銷,也不容易對新進業務同仁進行教育訓練,因為他們雖然能取得客戶名單,卻無法辨識客戶的最新狀態和互動歷程。

為此,居家整聊室決定導入CRM,以系統取代人工作業,提高舊客經營的效率與成效。鄭博元表示,在評估多款 CRM 系統時,叡揚系統開放式 API 設計最能對應他對未來系統整合的藍圖規劃,亦能有效解決既有手動流程導致的資訊落差與溝通延誤等問題。後續功能驗證階段,他發現 Insight 模組的分析設計具備清晰的管理理論依據,進一步展現系統的專業深度與實務價值,加上叡揚在業界的口碑與多產業服務經驗,最終促成了雙方的合作。

3F0A2745.JPG
居家整聊室創辦人鄭博元運用數位工具解決團隊營運痛點,進一步開啟全新的商業想像與合作契機。
圖/ 數位時代

應用階段1》聚焦深化客戶互動與業績管理,創造4大效益

居家整聊室採兩階段循序漸進的策略,逐步擴大系統應用成效。第一階段聚焦於強化客戶互動與業績管理,第二階段則拓展至全面性的數據整合,串起客戶從初次加入會員到最終完成交易與付款的完整作業流程。

黃恩頡進一步說明,第一階段的應用以業務和管理團隊為主,業務團隊透過Vital CRM瀏覽客戶資料與商機名單、詳實記錄每次客戶互動歷程,或根據特定條件篩選目標客戶發送簡訊、主動創造接觸客戶的機會。管理團隊則藉由Insight報表中的關鍵指標,如:轉換率、客戶RFM分數等,定期檢視業績進度及目標達成情況,實現數據驅動的精準管理。

居家整聊室不只提昇顧客回購率,更創造三大管理效益。第一、提升團隊的業務能力。由於Insight模組將商機、消費、負責業務和互動行為整合在一起,使管理團隊可以用數據掌握業務同仁的工作績效,而不是依賴主觀感受,不只溝通變得更順暢,還能據此樹立行為標竿,讓業務同仁更清楚該怎麼經營客戶才能提升業績表現。

第二、保留完整客戶資料,避免因人員異動而造成客戶流失的風險。

第三、為新進業務員打造最佳學習曲線。透過Insight數據分析結果,新進業務員能夠清楚知道成交率與業績目標間的關聯性,提升了主動聯繫客戶的意願和積極程度。此外,還能彈性調整新進業務員手中名單的新舊客戶比重,使其先與舊客戶聯繫、磨練互動技巧,之後隨著專業度提升,再逐步增加新客戶比重。

第四、合理配置顧客資源,最大化商機轉消費的比例。例如,將高品質新客名單分配給超級業務員(Top Sales)、根據轉換率調整業務手上的新客名單等,實現客戶資源的最佳配置。

3F0A2691.JPG
居家整聊室善用數位工具落實經營策略,從資料管理、人才培育到資源配置,全面強化商機轉化力。
圖/ 數位時代

應用階段2》以Vital CRM為核心,打造無縫整合的客戶服務流程

居家整聊室邁向第二階段的應用,即以Vital CRM為核心,整合品牌官網、會員系統、對話機器人、訂單系統及整聊師派單APP等營運系統,讓數據可以自動拋轉至不同系統中,省去不必要的人工登打作業,大幅提升團隊的工作效率。

鄭博元詳細說明如何打造無縫整合的客戶服務流程。他表示,人們經由官網或LINE加入會員後,相關資料會直接匯入Vital CRM,方便業務同仁與新會員聯繫,一旦新會員決定使用服務、也就是商機成功轉化為訂單後,Vital CRM就會將必要資訊拋轉至排班派單系統,自動進入後續服務流程,包括安排居家整聊師到府服務、產出付款連結等,當客戶點選連結完成支付,相關資料隨即回傳至CRM系統,自動更新為結案狀態,形成一個完整閉環的服務旅程。

3F0A2660.JPG
鄭博元(左1)指出,叡揚CRM Insight模組展現教科書等級的邏輯結構,精準對齊團隊管理需求,成為最終導入的關鍵契機。
圖/ 數位時代

展望未來,居家整聊室除了持續深耕到府收納領域,更計劃將自身數位化成果升級為商業解決方案,賦能更多家事服務同業啟動數位轉型。鄭博元強調,導入CRM的價值,不僅是解決內部團隊在舊客經營上的挑戰,更為公司開啟了一扇嶄新的商業大門,日後,若能成功將現行「以Vital CRM整合客戶服務流程」的應用機制轉化商業模式,相信將有機會開拓更寬廣的市場版圖。

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
電商終局戰
© 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