聊聊音乐产品的个性化引荐

编者按：本文来自微信大众号“刘言飞语”（ID:liufeinotes），作者：刘言飞语，36氪经授权发布。

今天想聊聊关于音乐产品的一些调查和考虑。

许多人会说，音乐产品的战役便是版权战役，版权买差不多了，音乐产品也就分出输赢了。实则否则。在腾讯系（QQ音乐、酷狗、酷我）早年间在华语盛行范畴树立版权优势前提下，网易云音乐仍是据守住了阵地，有了黏性的用户，构成今天的两强格式。

背面的原理是什么呢？咱们咱们能够打开说下，用户有关听音乐的需求阶段。

在决议计划层，要有发现音乐的途径。这种途径，一方面是站外经过抢手的综艺、影视剧、公域（微博）或私域（朋友圈）的引荐，另一方面，是产品内经过歌单、引荐等功用完结。

在消费层，当然最重要的便是先要能够听（有版权的曲库），播映的体会（播映器）。除了单纯的听歌消费，围绕着社区互动而打开的 UGC 歌单、歌曲谈论、动态共享等，也会变成音乐体会的重要一环。

全体的价值逻辑是这样的：

逐一来说。

1.满足大的曲库

关于版权的抢夺由来已久。早在 2015 年（听起来都那么远古了），阿里就跟腾讯争抢过不少独家版权。那个时代阿里一度有超越 60% 的中文歌曲独家版权。但虾米和天天悦耳的开展却仍是让人觉得惋惜。

网易云音乐也是在那几年忽然兴起的，在华语盛行版权并不占优势的状况下，甩开了其他对手。

看前史开展也能得出结论：没有版权是万万不可的，但只要版权也是万万不可的。

2.决议计划场景和消费场景

播映器方面，体会很难能拉开大的差异，无非是封面图的展现办法、歌词的展现和定位、播映的设置等等。并不是说立异难，而是立异的任何功用，对手都能轻松抄去。

在消费场景上可打破的，明显不如在决议计划场景上可打破的。

决议计划场景要处理的是：用户想听歌的时分，去哪里找歌。

站外的决议计划难以影响，在产品内便是兵家必争之地。网易云音乐的“发现”标签页，和 QQ 音乐的“引荐”标签页，是最中心的页面。

他们起到的中心作用便是引荐。

能够联想到淘宝为什么对微信和拼多多十分忌惮：假设用户的决议计划进程都在微信里完结了，那是多么可怕的工作。而巨大完好的熟人关系链、朋友圈和大众号公私全包的内容渠道，简直是消费决议计划的温床。

还能够类比高德对滴滴的要挟：一旦高德的打车心智在用户心里树立安定了，滴滴会沦为运力供给公司（大型出租车公司）。

所以反过来看就知道做引荐的价值多大了。掌握了决议计划环节，至少会有这些衍生价值：

• 经过更佳的运用体会添加用户留存
• 经过更多运用场景添加用户活泼
• B端的广告价值（品牌作用均可）

引荐是重中之重，做的办法有两种：UGC 和体系引荐。

这两种办法都能够“发现内容”，在不同内容载体上呈现了清晰的产品形状区别。比方电商里，淘宝的“有好货”便是体系引荐，直播带货便是 UGC。知乎里，引荐页面是体系引荐，保藏夹便是 UGC。

下面侧重说下个性化引荐。有时机再聊 UGC。

3.个性化引荐办法

发现/引荐音乐的办法有许多，有多个维度能够拆解。

第一个维度，是根据什么引荐。

引荐体系是个巨大的复杂问题，在文内不宜打开讲。底层逻辑则能够用两种常见的协同过滤（Collaborative Filtering）算法举例。

根据用户的协同过滤（UserCF），指的是给用户A的引荐，参阅喜爱跟A相似的用户B的状况。这种办法在亚马逊发扬光大，国内的豆瓣前期是代表。现在电子商务渠道、内容渠道也都遍及运用。

根据内容的协同过滤（ItemCF），指的是用户A的引荐，参阅A之前喜爱的内容。相同也是常见算法，适用于现已有满足的用户内容喜爱数据的场景。

很明显的，ItemCF 只能连绵不断给用户引荐现已喜爱听的音乐，不能让用户发现新的音乐类型。一向听摇滚的，就永远是摇滚；一向听盛行的，也不会发现摇滚。UserCF 能相对好一些，尽管一向听摇滚，但有相似的用户开端喜爱上盛行摇滚了，那也会被引荐盛行摇滚。

第二个维度，是选用哪些数据。

怎么量化“喜爱”，通常是经过用户行为，核算一个合理的模型来做量化。揭露信息里没有找到具体的描绘，但能够直接判别出，音乐产品通常是会选用这些数据的：

• 播映（及完播状况）
• 下载
• 保藏
• 查找
• 谈论
• 共享
• 自动挑选不喜爱

得到喜爱的量化状况，在运用协同过滤时，还要量化“相似”。常见的有余弦相似度，核算空间向量夹角余弦。这个不打开说了，但很风趣，对算法逻辑感爱好的能够搜下。

第三个维度，是到达怎样的意图。

从终极意图看，当然是用户的活泼和留存。不过中心的二级方针，才是模型可控的，比方引荐转化率（承受程度）、完播状况等等。

但这两个方针首要仍是考虑准确率。还有像刚刚提到的：我尽管平常常常听A风格，但也需要听B风格的歌。究竟喜爱某个歌手，重复狂推他的歌必定没错，但简单让用户觉得，引荐不到新的内容。

这就要考虑召回率。这背面是多样性和新颖性，也能够用方针来表现，比方歌曲相似状况的方差、每轮引荐里是否有方差较大的歌，等等。

比方我最近听中文盛行和歌谣比较多，但歌单里仍是呈现了一首英文歌和一首韩文歌。

别的，实在状况下，还要考虑各种特别的场景。网易云音乐官方就做了这样一个阐明：

第四个维度，是引荐的方针。

歌曲是一个颗粒度，歌单则是别的一个重要的颗粒度。歌单比起歌曲来有这样的优点：

其一，对用户的容错率高。歌单的 30 首歌里有 20 首满足也能够承受。但歌曲引荐不成功，用户就对功用绝望。电台处于二者之间，用户对无预期的播映列表，容错率也不是很高。

其二，以歌单为维度规划模型更简单完结多样化方针。比方刚刚提到的新颖程度，歌单简单完结。而单首歌曲的引荐就不太简单完结。

所以咱们正真看到，QQ 音乐和网易云音乐简直都是歌单引荐为主。

4.说说体会

网易云音乐和 QQ 音乐的每日引荐都在各自引荐/发现页很明显的方位。

引荐的歌曲都是 30+首。维度也相似，大多是常听的风格，少量是有些生疏的风格。

从个人体会上而言，我简直只用网易云音乐，当然并非只由于引荐做得好，更多是我平常听歌在网易云音乐比较多，QQ 音乐想引荐好力不能及。

看大众点评的话，网易云音乐起步更早，现在的好评也更多。

别的，《界面》在 2017 年就提到，网易云音乐的曲库运用率高达 80%。这很大程度上是个性化引荐的劳绩。阐明在个性化引荐的多样化和新颖性上做得超卓。

有意思的是，网易云音乐最近上线了一个叫“私家雷达”的功用，呈现为歌单方式，用户进入的是同一份歌单，但实际上每个用户看到的歌曲内容都不相同。实质也是个性化引荐功用。

我让平常日均听歌时刻超越 2h 的哥们试用了下，他表达说，感觉私家雷达的准确度还不错，让他有爱好保藏的会在 1/2，用其它产品相似功用的时分一般到 1/4 就不错了。

和其他引荐功用不同，歌单是能够谈论的，在东西性的基础上还有点社区互动特点。私家雷达的谈论区是这样的：

有个细节是，私家雷达会呈现听过的歌，因而更像心动形式（根据红心歌曲进行引荐的形式）。阐明是与“发现新歌”不同的场景。

这就很有意思了。是否对更多场景，有更多个性化探究的可能性？现在的场景化大都是 UGC 来完结，未来是否有针对每个人个性化的咖啡场景动态歌单、学习场景动态歌单？

UGC+机器学习算法结合，在音乐曲库方面，会比文字和视频都要简单做（歌曲的信息更组织化），也许是一个很前瞻的探究。

先提到这吧，期望能有启示。