|
数字化时代，内容产业正在面临两难的处境。在信息、内容的获取变得更加简单便利的同时，也不可避免的遭遇着内容同质化的发展趋势。在此情况下，通过产品创新的方式，给用户更高层级的体验，就成为内容型产品的首选，而千人千面的个性化推荐便是其中典型。 网易云音乐的个性化推荐是业内公认的精准，甚至被很多网友说比男/女朋友更懂自己。个性化推荐精准与否的判断，多少有些主观色彩，但这些赞誉至少证明其用户口碑。每个音乐APP都在做推荐，为什么网易云音乐能把推荐做得这么准？下文将试图做出一些分析。 个性化推荐的惊喜感与平衡性 所谓个性化推荐，其实是一种信息过滤系统，用于预测用户对物品的评分或者喜好。通常意义上，个性化推荐会利用产品后台大数据功能，通过分析数据发展趋势、跟踪用户使用行为等方式，为用户推荐“定制专属”内容。最先把个性化推荐发展到极致的可能是Amazon，而豆瓣FM，则可算是前几年国内音乐网站中个性化推荐的代表。 在每日歌曲推荐页面，网易云音乐比较简单的解释了个性化推荐的运作机制，比如播放、红心、收藏等用户行为，都会对推荐算法产生影响，一方面表明算法机制，另一方面也鼓励用户多听歌、多动手，让产品更懂你的前提是用户行为足够丰富。另外，在早前网易云音乐的官方新闻中，也可以看到，海量UGC内容结合协同过滤、语义分析、操作分析技术，这些都是个性化推荐的运行机制。而综合来看，基于音乐与基于用户协同过滤的两种推荐方式，就是个性化推荐的主力。
基于音乐的推荐，也就是推荐的依据有赖于音乐本身，音乐平台在后台为每首歌曲都打上几个标签，如果用户喜欢一首含有民谣标签的歌，那么，其他含有民谣标签的歌曲也可能会被推荐给用户。豆瓣FM中，从单曲出发的推荐，就遵循了这一原则。 （豆瓣FM从单曲出发的推荐） 基于音乐内容的推荐，实际上是一场关于用户音乐口味恒定性的对赌。 如果一个用户的音乐口味专注而且单一，那么从歌曲标签出发，推荐而来的歌曲会越来越合胃口。而对于大多数用户来说，心仪的曲风至少有三个或以上，很难断定哪个是最爱的，在这种情况下，单纯从音乐出发，而不考虑时间、地点以及用户对新鲜感的需求，红心列表中的歌曲就会趋于同质化。如此反复，就会陷入虽然推荐的歌曲都是喜欢的，但再也接触不到新鲜曲风的困扰。 网易云音乐的推荐，就有部分是基于音乐而来，但其音乐标签却引入了UGC元素。一般音乐平台引进歌曲时，都会有歌曲自带标签，而网易云音乐还把歌单的标签元素加了进来。在用户新建歌单时，可以选择1—3个标签，这些标签根据语种、风格、场景、情感、主题划分为五大方向，一共72个，供用户选用。在歌单里的音乐，也会或多或少带上这些标签，通过后台综合考量再进行推荐，也就能满足用户对新鲜感和多样化的追求了。 （网易云音乐新建歌单时，用户可以自由选择合适标签，最多3个）
另一种推荐方式，则是围绕用户行为来展开，即判定用户A的音乐口味后，找到与之口味相似的用户群，并把这些用户喜欢的音乐推荐给A。 画了个图来解释这种推荐方式↓（图中红色箭头代表喜欢）
现在，要给沙悟净推荐歌曲，就要先找到和沙悟净口味相近的人。从喜欢歌曲来看，孙悟空和沙悟净都喜欢《成都》和《咖喱咖喱》，那么孙悟空喜欢的《演员》，就可以推荐给沙悟净了。 当然，在实际操作中，因为平台上用户行为远不止“喜欢”，用户量也大得多，因此基于用户的推荐也会更加复杂。在网易云音乐的私人FM页面，用户可以通过：点击红心、收藏到歌单、分享、下载、评论等表示对歌曲的喜爱；而点击垃圾桶、没有听完就切换歌曲等操作就明确表示了对歌曲的不满；如果什么也不干，只等歌曲播放自然进入下一首，就表现出比较中立模糊的态度。这些用户行为，系统都会在后台加上不同权重计算，再寻找口味相近的另一群用户，并进行推荐。 （网易云音乐私人FM页面） 基于用户的推荐好处非常明显，精准度更高，而且只要有一套靠谱的算法，就不用算法人员太操心，甚至还能创造出很多惊喜感，遇到失散多年不知名字的好歌、发现怦然心动的音乐，都可以归功于此。 知乎用户@邰原朗在“网易云音乐的歌单推荐算法是怎样的？”的回答中，模拟了一组算法出来，也证明了基于用户的推荐方式更加精准，有兴趣的可以移步知乎学习。 诚如每日歌曲推荐页面的介绍所言，“你提供给云音乐的信息越多，它就越了解你的音乐喜好”，基于用户的音乐推荐，需要足够的历史数据，对于新用户来说，这种推荐的友好度就不够了。因此，网易云音乐在面向新用户时，往往会采取推荐热门歌曲的方式，在试错中积累最原始的播放数据，探索用户口味。 基于用户推荐的另一个问题是，当历史数据累积过多、用户已经形成比较稳定的口味时，突然遇到一首新风格但特别喜欢的歌曲，似乎有种“积重难返”的即视感。而网易云音乐给出的解决方式也很简单，即尽可能缩短历史数据的使用周期。 （每天6点更新的每日歌曲推荐） 网易云音乐的日推每天6点准时更新，私人FM的推荐近乎即时生成（不能往回翻超过一首歌，下一首歌也没有播放列表），这些都能说明新近产生的用户数据在推荐中占有更大的比重。
虽然个性化推荐应用在越来越多领域，但也引来一些批评的声音。 在知乎“个性化推荐”话题下方，“社交网络为用户进行「个性化推荐」的做法，是否会导致人们「难以接触到意见相左的人」？”问题一直居于动态和精华的首位，积累了132个回答，其中不少答主通过实验论证——个性化推荐给人们带来便利的同时，也在无形中造成信息过滤的事实。 （知乎提问：社交网络为用户进行「个性化推荐」的做法，是否会导致人们「难以接触到意见相左的人」？） 这点反映到新闻媒体方面可能更明显些，比如频繁搜索互联网，那么长此以往，就只能看到互联网相关的新闻推送。在音乐应用中，一个长期只听周杰伦歌曲的人，理论上也不可能被推荐到ACG相关的音乐。 这对用户和平台而言都不是什么好消息，用户的听歌风格越来越窄，而平台也没法激活更多的曲库。 网易云音乐就在个性化推荐之外，引入编辑推荐机制，用一丢丢的人为干预，来防止个性化推荐的剑走偏锋。 以推荐歌单为例，网易云音乐在PC端推荐的10个歌单中，有两个来自编辑推荐（下图红框中的歌单），其余8个都是个性化推荐（包含日推歌单）。在APP中，编辑推荐歌单：个性化推荐歌单的比例为2:5（包含日推歌单）。编辑推荐的歌单，都有一定准入门槛（播放量、收藏量、评论量等等），当属UGC歌单中的精品。总体而言，编辑推荐不会喧宾夺主，个性化推荐依然是主角，但精品化+新风格加持的编辑推荐引入后，也是一次对用户听歌口味的测试与校正。 （网易云音乐PC端推荐歌单页面） 有一个小细节很不错，网易云音乐会在每个个性化推荐的内容上，都标注推荐理由，“李菊福”的即视感有没有。而且，仔细观察就能发现，这些推荐理由基本都源自一周内自己的收听习惯，可以说是读心读得很认真了。当然，你也可以点击“不感兴趣”，让这些音乐不再进入推荐之列。
（网易云音乐在个性化推荐时都标注了理由）
如何让你的个性化推荐变得更机智？ “润物细无声”，对个性化推荐来说，我更喜欢不用调教自己就聪明乖巧读懂人心的方式，但对APP的新用户来说，不断试错、不断切歌也是一段痛苦烦躁的旅程。 因此，下面也列举一些简单的“调教”方式，让你的个性化推荐变得更机智。
用听歌行为来量化你的音乐口味，越费劲的行为，影响力度越大。 比如，特别喜欢陈鸿宇的《理想三旬》，通过“搜索→播放→红心→设置单曲循环”方式，在一天内多次播放，就比只给《理想三旬》加入红心歌单中的权重要高得多。 再比如，特别喜欢Taylor Swift的歌，想被推荐到她的各种歌曲，最直接的方式，就是收藏Taylor Swift。
当积累了一定听歌数据后，你需要做的就是听更多的歌曲，并通过各种操作行为，反馈给APP。没错，这就是个日积月累的漫长过程，多少Lv10用户都是在寂寞的听歌中养成（大雾。
万万没想到，网易云音乐居然还有“推荐不够懂我，调教一下”（见下图）的功能，不过这个功能还标着Beta，可能还没有对全部用户开放。
（网易云音乐：推荐不够懂我，调教一下截图） 点击该功能后，进入单选页面，其中选项都是根据近期个性化推荐表现来确定。在选项方面，多则五六个，最少遇到过只有两个。在周期方面，每天只能调教一次，但如果听歌够多，也不大用的上这个功能。 如今，网易云音乐的首页大部分内容都是个性化呈现，歌单、歌曲、MV、电台无一不是。虽然我们用着同一个网易云音乐，但在推荐机制的影响下，每个人又在用着不一样的、定制版的网易云音乐。正因如此，网易云音乐才是音乐APP中最特殊的存在啊。 底部评论区已经开放，欢迎互动！ |
|
|
