阔别四年重回老东家，胡斌加盟启明创投，成为新合伙人
06-17
本文来自微信公众号“放大光”（guokr），作者：陈颖、杨景诒在中国，几家领先的互联网音乐平台的音乐库总计超过10000首歌曲（如果重复计算），假设每首歌的平均长度是3分钟，一个人需要连续听很多年才能听完。
一般人一生只会听三五千首歌。
即使有生之年，你也无法遍历这个庞大的音乐库——不仅你做不到，就连音乐平台的编辑们也做不到。
那么，谁可以推荐你的下一首歌曲？谁会给你惊喜？如今，听音乐似乎简单易行，但过去却并非如此。
早期的互联网音乐播放器比较原始，需要用户主动搜索、点歌。
2017年推出的九天音乐，以及后来的百度MP3、酷狗等，最初都是点播平台。
与点播相反的是广播音乐——它是由专业编辑或算法决定用户收听哪些歌曲。
2017年，豆瓣推出基于推荐算法的豆瓣FM。
中国的互联网音乐平台从此进入算法时代，QQ音乐、虾米音乐、网易云音乐等也纷纷效仿。
这个功能相当具有前瞻性——在国外，以推荐算法闻名的Spotify比豆瓣FM晚两年推出了广播功能[1]。
至于在其他领域秒杀所有人的推荐算法，今日头条要到明年才会推出。
国内互联网音乐平台发展历程|放大光团队制图 为什么互联网音乐平台对算法如此积极？算法不仅创新产品体验，更决定平台的生死——你能想象平台仅仅把“搜歌”变成“推歌”就能省下一大笔钱吗？豆瓣FM之所以成为广播电台的主要原因是——贫穷。
音乐行业对于版权定价有一套细致的规则。
点播版权、原声带版权和下载版权的价格是不同的。
其中，广播节目的版权费低于点播节目。
实际情况是豆瓣只拥有广播电台的版权，所以干脆做了一个纯粹的广播产品。
“在豆瓣FM，你不能再听上一首歌曲了。
”豆瓣FM原技术总监赵凌告诉扩光团队（ID：guokr）。
这也是由于版权限制。
算法推送不仅降低了版权单价，也改变了音乐平台向唱片公司付费的逻辑。
此前，互联网音乐平台采用预付费模式，批量“租用”唱片公司的版权曲库（租期为2至3年），吸引用户收听。
然而，这种简单粗暴的模型存在明显的漏洞。
就像传统磁带A面录流行歌曲，B面录“水歌”来填补空白一样，唱片公司也会将热门歌曲和“水歌”打包出售，导致一些歌曲被播放。
音量极高，部分播放音量极低。
因此，预先支付给唱片公司的费用实质上是在支付流行音乐库的费用。
低效的预付费模式浪费了版权资源的利用，是互联网音乐平台所不能容忍的——如果无法单独购买流行音乐库，那么计费规则就必须改变。
如今，国外音乐平台如Spotify、Google、Apple、Amazon等公司已经开始尝试按照播放次数支付版权费（例如Spotify收费0.1美元/次，Google收费0.5美元/次，Apple Music收费0.5美元/次）。
0.5 美元/次，亚马逊定价：0.5 美元/次）[2]。
九江音乐创始人张昭仪告诉扩光团队，未来按播放付费将成为行业标准。
计费方式改变后，算法将极大地影响唱片公司的收入。
一方面，在算法面前，音乐库和音乐库并不平等。
通过播放量，算法将轻松区分流行/冷门音乐，并将其经济价值分为三级、六级或九级。
以早年虾米音乐的专属曲库为例，滚石音乐的曲库只有几万首歌曲，但都是热门歌曲，很快就被网易云音乐抢走了； BMG 的音乐库超过 10,000 首歌曲，但其中大部分都是冷门歌曲。
因此，无人争夺，几乎是在虾米倒闭前夕，转入网易云音乐。
接下来，算法分发会引发马太效应。
流行音乐库将为唱片公司带来更多收入，而拥有冷门音乐库的唱片公司则获益甚少。
通过按需付费，互联网音乐平台可以把钱花在能花的地方——购买消费者真正喜欢的歌曲。
另一方面，算法本身并不是完全中立的，它更能体现平台的意愿。
该算法不仅可以决定推广哪些歌曲，还可以决定推广谁的歌曲。
虾米音乐的算法更倾向于向用户推荐小众音乐人及其作品[3]。
这也意味着唱片公司获得虾米音乐的推荐将会减少，其版权收入也将因此萎缩。
张昭仪表示：“这样一来，传统唱片公司的地位就会变得非常被动。
”算法给互联网音乐公司带来的不仅是经济效益，还有更好的用户体验。
Spotify 研究总监 Monia Lamas Rolek 表示，Spotify 的“灵魂”是一个名为 BaRT 的算法系统。
该系统可以分析每个用户的特征，选择用户感兴趣的音乐，并为“万人”生成推荐播放列表[4]。
Monia 还表示，BaRT 可以帮助改善用户体验——让用户能够更长时间、更频繁地使用算法推荐（希望更长时间、更频繁地使用该技术）[4]。
此外，随着算法不断迭代，互联网音乐平台推荐的内容越来越精准，用户会对产品产生依赖。
算法保留的用户越多，用户停留的时间就越长，他们为内容付费的可能性就越大。
“这很难，但如果能做好，会给音乐平台带来很大的好处。
”赵灵相信。
但早期的推荐算法并不像今天的那么“先进”。
“当推荐算法第一次在音乐行业流行时，每个人都使用协同过滤算法。
”赵陵对光增幅团队说道。
例如，如果有两个用户a和b，他们都听了歌曲A和歌曲B，那么协同过滤算法会将a和b视为两个相似的用户，并会考虑用户a听过的另一首歌曲。
歌曲C被推荐给用户b。
这就是一个简单的“用户协同过滤”逻辑。
用户协同过滤算法工作原理|事实上，协同过滤算法诞生于 20 世纪 80 年代。
本世纪初，亚马逊将其用于产品推荐，确实更适合推荐复杂的内容，不仅是豆瓣FM，网易云音乐也使用了这种基本算法[5]。
就在年底，另一位新消费圈的创业者发布了自己一年来朋友圈的总结，其中提到了音乐推荐算法。
她称Spotify基于行为的协同过滤算法先进，并认为国内的音乐应用算法“太弱了”。
我们现在知道国内的音乐应用也在使用协同过滤，豆瓣FM甚至比Spotify早两年开发。
然而，协同过滤是一种简单粗暴的算法路线。
其优点是机器不需要理解内容，仅根据用户行为数据即可完成推荐。
而这也是它最大的问题。
协同过滤算法无法确定歌曲的特征。
它只知道相关性，但这种相关性往往不那么准确。
协同过滤算法的准确性与行为数据的积累有关。
确实是越用越好，但是新用户刚刚到来，新歌刚刚发布，这些都是协同过滤算法的盲点。
但新用户的体验至关重要——在每一个增长黑客理论中，“新用户留存”都是重要的一环。
随着技术的发展，机器逐渐学会了“理解”内容——简单来说，算法会提取歌曲的音乐和歌词特征，并为每首歌贴上几个“标签”。
通过标签了解歌曲的内容，并将其匹配到最合适的听众。
于是，互联网音乐平台放弃了协同过滤，把希望寄托在基于标签簇的个性化推荐算法上。
网易云音乐算法团队告诉放大灯团队，推荐算法不仅会标记歌曲和播放列表，还会盘点用户的群体特征。
“如果系统确定你喜欢带有‘旅行’标签的播放列表，它可能会更喜欢这组用户。
还向您推荐其他标签播放列表。
《基于标签簇的推荐算法的工作原理 | 放大光团队制图 看起来基于标签簇的推荐算法比协同过滤算法更先进，在主流在线音乐平台上是标配，但并没有包括苹果音乐。
苹果现任首席执行官库克认为，由真人运营的Apple Music比冰冷的算法更了解听众[6]。
虽然路线是一样的，但并不是所有在线音乐平台的算法都能做到完美。
用户在使用时会感受到明显的差异，这又涉及到各公司不同的推荐策略以及不同的算法细节处理方式。
对于普通用户来说，评价一个音乐播放器算法的维度很简单：它推荐的歌曲合不合我的口味？豆瓣FM是国内第一家推出纯算法推荐机制的音乐电台。
豆瓣FM推出十年后，在几乎没有市场份额的情况下，知乎上仍然有人回答：豆瓣最大的优势是强大的算法，“总能找到我喜欢的歌曲”[7]。
豆瓣FM最初的定位是一款在用户聊天、工作、在家时播放背景音乐的后端产品。
豆瓣FM是豆瓣孵化的一个以兴趣为中心的社交网站。
用户会对书籍、电影、音乐等产生并积累大量的标签和偏好数据，豆瓣FM可以利用这些标签和偏好数据做出更精准的音乐推荐。
用户在豆瓣FM上可以进行的交互行为并不多：点击红心、跳过、暂停、下一曲……但所有这些行为都会被豆瓣FM收集起来，分析用户的喜好。
早期，豆瓣FM也尝试过用一些新颖的方法来优化算法。
例如，采用人机赛马的方法，将音乐分为两组，并根据歌词的情感属性对音乐进行分类。
在这次尝试中，人类获胜了——机器只能对几个大类进行分类，如果进一步细分，其准确率就会下降。
但豆瓣仍然日夜通过数十个推荐引擎向用户推送音乐。
赵凌表示，这些推荐引擎并不是一成不变的，会随着产品的运行不断修改。
除了豆瓣FM之外，虾米音乐的推送质量也受到好评。
与豆瓣FM的定位不同，虾米想要打造一个高品质的音乐社区。
成立初期，为了完善自己的曲库，虾米音乐“召集了来自世界各地的众多音乐爱好者，以社区的方式来做”[8]。
虾米音乐充分调动用户——鼓励用户自由上传曲目、修改音乐类别、编辑歌词、专辑信息。
这些用户“调优”算法的行为数据，成为算法完善数据库、提高推送准确率的帮手。
通过用户众包，虾米建立了全互联网音乐流派分类最全、流派分类最详细的曲库。
在今年7月举行的上海国际独立音乐季（IMS）活动上，虾米音乐产品和用户运营负责人龙吉表示，虾米音乐拥有超过10000首歌曲的曲库[9]。
根据年初虾米音乐用户的统计，虾米音乐有24个主要流派和子类别[10]。
从豆瓣FM和虾米音乐的案例可以看出，算法想要“跟着心走”，需要产品定位、曲库规模、用户行为、运营策略等因素的共同参与。
算法正在努力推荐用户喜欢的歌曲，但是推荐播放列表中用户喜欢的歌曲越多越好吗？这不是真的。
我们可以假设一个极端的情况——如果用户只听某种类型的歌曲会发生什么？事实是，这个用户很快就会进入“听茧”：算法不再推荐新的音乐类型，用户对新的音乐类型不感兴趣，同时对自己收藏的歌曲感到厌烦。
音乐App用户的粘性和使用时长也会下降。
是推送用户喜欢的特定歌曲，还是探索用户兴趣的边界？我们应该选择低风险的流行趋势，还是应该冒更高的风险，尽量给用户带来惊喜？算法必须做出权衡。
网易云音乐算法团队向放大灯光团队介绍，为了避免“听音乐茧”的现象，网易云音乐会推荐用户平时不接触的歌曲，增加用户听的音乐类型的多样性。
干扰因素的作用|放大灯光团队在推送中加入了干扰因素——用户相对陌生的歌曲已经成为在线音乐播放器的标配。
在算法的运行下，从曲库中向用户推荐数千万首歌曲。
在这个过程中，用户对音乐App的推送算法有了模糊的认识：虾米的推送很有品味，豆瓣FM的推送很精准，QQ音乐更喜欢推送流行歌曲……还有网友猜测网易云音乐的“算法” “哥”的小剧场：“不知道你擅长什么？” “你觉得80%的歌单都会是日本POP吗？哈哈，我知道你需要一个后摇滚来调节哀悼气氛。
” [11]网易云音乐是否刻意推荐特定情感类型的音乐？网易云音乐算法团队告诉放大灯光团队，网易云音乐的“情感”歌单包括怀旧、新鲜等13种类型。
根据年度歌单报告统计，平台歌单中使用频率最高的词是“治愈”，超过75%的用户听过治愈相关歌单。
推荐算法风格的差异也导致用户群体的进一步分化。
赵凌向放大灯光团队介绍，2016年，QQ音乐尝试与豆瓣FM合作，将QQ音乐的用户行为数据导入豆瓣FM，完善各自的算法。
但该项目启动后不久就被叫停了。
原因是双方的用户行为差异太大。
QQ音乐的用户普遍年轻化，喜欢听流行歌曲，这与豆瓣FM的用户特征形成尖锐冲突。
然而，音乐应用的竞争维度不仅仅是算法。
产品、社区以及最基本的核心版权音乐库的规模也非常重要。
正是因为这些缺陷，豆瓣FM和虾米在版权战中节节败退。
虾米音乐创始人王浩在接受播客《坏蛋调频》采访时表示，他不赞成互联网音乐平台之间的版权战。
在恶性竞争下，版权价格会越来越高。
但王浩也反思道：“当时我真的很天真地认为我们可以找到一种更透明、更直接的方式来帮助互联网时代的所有音乐人。
” [12]虾米没有找到更好的办法，优秀推荐算法没能拯救虾米。
今年2月，虾米正式停止运营。
推荐算法的初衷是用技术手段帮助用户发现“好歌曲”。
但事实上，无论是推荐音乐还是流量变现，15秒的短视频比三、四分钟的单曲更有效率。
QuestMobile发布的《中国移动互联网半年度报告》显示，截至今年6月，短视频行业的MAU已达8.52亿。
同期，中国在线音乐行业的月活跃用户数为6.55亿。
同时，短视频App占据了用户近20%的时间，成为仅次于即时通讯的第二大互联网行业[13]。
迅速崛起的短视频App正在成为不折不扣的流量黑洞。
这些短视频应用程序让许多“一夜爆红”流行起来。
从《学猫叫》到《绿色》再到《酒醉的蝴蝶》，历代的“抖音神曲”不仅影响了观众的音乐品味，还带来了其他变化。
随着神曲的崛起，短视频App的推荐算法也开始影响音乐制作。
张昭仪向放大光团队介绍，在没有算法的时代，“”、“”、“”、“卡农”三组和弦已经是“大歌”的元素，算法不断放大了“大歌”的意义。
这些和弦系统组。
为了追求效率，算法倾向于推荐与流行歌曲相似的音乐。
除了和弦系统之外，该算法还增强了更刺激的音乐功能，例如短旋律重复和伴奏合唱。
对于音乐制作人来说，想要自己的歌曲受到算法的青睐，就必须迎合算法的口味。
“事实上，很多音乐人、管理团队和MCN已经开始这样做了。
”张昭仪告诉放大光团队。
从这个角度来看，推荐算法已经在倒逼上游的音乐制作行业去制作符合算法口味的歌曲。
当虾米音乐宣布停止运营时，知乎上有人提问：“虾米可以公开个人推荐算法吗？”但即使这个算法公开了，能否帮助一个小而美的玩家杀出重围呢？ ？或者说，如果巨头收购，是否能够改善用户体验？从互联网音乐到短视频，算法的形式、作用和影响力看似都发生了变化，但有一点是肯定的：算法在不断变化，但最终一定要服务于互联网音乐产品的核心定位和用户的意愿。
其背后的公司。
算法并不是音乐行业唯一的神，但它们让音乐应用程序更具吸引力。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-17
最新文章
首先告诉我什么是智能汽车！
盲盒明星卡的暴利与泡沫：2元卡卖700万，直播卖卡月入百万
黑色星期五轰轰烈烈地回来了，结果这些中国企业扛起了全场
锂电池隔膜疯狂扩产：兴源材料欲夺回C位？
当我考上缅语专业时：凌晨三点我还在走廊里背单词，毕业后，我不仅仅是一名翻译者
被遗弃，被收获？老年人上网到底有多难？
海外日报 -今年，我国自主研发游戏海外实际销售收入实现两位数增长；三星电子正式成立机器人业务团队36氪海外·15分钟前
腾讯音乐：爱、相信、坚持