Es esa época del año otra vez. Sobre el primer día de diciembre, todos desenvuelven sus listas “envueltas” de la aplicación de transmisión de música Spotify. Cada persona a la que sigues parece estar haciendo capturas de pantalla de sus mejores artistas y canciones, y mostrándolas en las redes sociales, proporcionando una historia auditiva condensada de su año.
Este año, el resumen personalizado de Spotify de tu banda sonora de 2021 presenta a tus artistas, canciones, géneros e incluso un tablero de estado de ánimo de la música en una historia interactiva al hacer clic. Ahora también puedes “mezcla”Tu año de música con el de un amigo en una lista de reproducción combinada. (El panel de estado de ánimo y las listas de reproducción combinadas son nuevas este año).
Todo esto plantea la pregunta: ¿Cuál es la idea detrás de mostrar a los usuarios cómo consumían música? Una pista podría estar en un estudio del equipo de investigación de Spotify escribi sobre el pasado mayo. Los investigadores mostraron a 10 usuarios sus perfiles de datos personales basados en su cuenta de Spotify que tenía información sobre sus principales canciones (del último mes y de todos los tiempos), los principales géneros, cuántas listas de reproducción crearon y cuándo escucharon Spotify. Descubrieron que presentar los datos del historial de escucha personal de un usuario en realidad les permitía “reflexionar sobre sus identidades como oyentes” y les permitía ver si solo escuchaban música mientras trabajaban, o si tenían períodos de intensa obsesión con un tema específico. artista.
Nos preocupamos por este tipo de información, incluso si intuitivamente, sabemos que es solo música y, lo que es más, todos sabemos que no somos los únicos fanáticos de Taylor Swift o Lorde. Puede ser que ver una narrativa (ahora con un toque de arco emocional) creada alrededor de las canciones que dieron forma a tu año siempre se sienta un poco personal y, a veces, revelador. (Si se siente capaz de hacerlo, puede dejar fuera de la IA
Entonces, ¿cómo exactamente Spotify está haciendo esto? Sabemos que tienen una gran cantidad de datos que han recopilado de los oyentes (381 millones usuarios activos mensuales en el último recuento). Estos son los tipos de análisis que han estado realizando entre bastidores para comprender lo que les gusta escuchar a sus usuarios.
De la biblioteca de música al descubrimiento de música
Cuando se fundó Spotify por primera vez en 2006, su aspiración era ser una biblioteca de música. La personalización llegó más tarde, cuando los ingenieros de la aplicación se dieron cuenta de que permitir que las personas descubrieran nueva música que les podría gustar podría mejorar su experiencia. Y esto podría hacerse alimentando un algoritmo con información sobre el historial de escucha de un usuario, las opciones musicales, la duración de la reproducción de ciertas canciones y cómo responden a las recomendaciones (les gustan, las omiten, las reproducen, las guardan).
“La personalización fue una experiencia enriquecedora para los oyentes que no tenían el tiempo o el conocimiento para crear listas de reproducción únicas e infinitas para cada cena o viaje por carretera”, dijo Oskar Stål, vicepresidente de personalización de Spotify, en una publicación de blog de octubre de 2021. “Abrió el descubrimiento a un nivel más amplio, permitiendo cientos de descubrimientos de artistas por persona por año”.
[Related: A brief history of shuffling your songs, from Apple to Adele]
Su enfoque de este tipo de personalización dependía de dos áreas principales de investigación: modelado de usuario
Mas que nueva función llamada “mejorar” le permite recuperar recomendaciones dentro de una lista de reproducción que ya ha creado, y solo esta semana, dijo Stål en una presentación de video que el equipo de Spotify estaba considerando un enfoque que mezclaba un editor humano con el algoritmo de aprendizaje automático para crear experiencias de audio que tal vez pudieran mezclar y combinar canciones con podcasts y otros. Spotify incluso ha estado probando una red neuronal llamada CoSeRNN que sopesa ciertas características, como el historial de escucha pasado y el contexto actual, para sugerir recomendaciones de canciones que se adapten al momento.
En cuanto a probar si la música refleja ciertas características humanas, publicaron resultados de una pequeña estudio basado en encuestas en diciembre pasado para ver cómo la preferencia musical se correspondía con ciertos rasgos de personalidad. En una publicación de blog, los investigadores notaron que parecía haber algunas correlaciones entre la personalidad y la preferencia por el género musical. Como era de esperar, las personas que se identificaron como “abiertas a nuevas experiencias” revisaron Discover Weekly más; aquellos que los identificaron como extrovertidos escucharon más las listas de reproducción que otras personas habían creado, mientras que los que se identificaron como introvertidos prefirieron ahondar en la discografía de un artista recién descubierto.
Profundizando en la composición de tu lista de reproducción perfecta
El equipo de Spotify parece estar constantemente pensando en nuevas formas de ordenar y recomendar diferentes tipos de música a sus usuarios. Para llegar allí, primero tienen que tomar los diferentes tipos de datos que recopilan y construir modelos que puedan analizar, comparar, contrastar, ordenar y agrupar la variedad de información que están obteniendo. Los investigadores de la empresa señalaron en un documento de 2016 que exploran la web en busca de información sobre artistas y palabras utilizadas en reseñas en línea para describir canciones específicas. Construyen algoritmos que pueden diseccionar las estructuras de sonido de las canciones y analizar cómo se relacionan las canciones al escanear los miles de millones de listas de reproducción generadas por los usuarios que ya están en la plataforma. Y se aproximan al gusto musical de un usuario dado analizando sus patrones de escucha históricos y en tiempo real.
Discover Weekly, por ejemplo, se basa en un análisis detallado de las canciones que un usuario ha escuchado recientemente y un escaneo de todas las listas de reproducción que pueden contener esas canciones o canciones similares. Spotify utiliza una herramienta de aprendizaje automático llamada vecino más cercano aproximado algoritmo de búsqueda agrupar canciones y usuarios en función de atributos o cualidades compartidos.
[Related: This new AI tool from Google could change the way we search online]
“Imagínese que usted y otra persona tienen cuatro de los mismos artistas principales, pero su quinto artista es diferente. Cogíamos esas dos coincidencias y pensábamos, ‘Hmm, tal vez a cada persona le gustaría el quinto artista del otro’ y lo sugeríamos ”, explicó Stål en un blog. “Ahora imagine que ese proceso ocurre a escala, no solo uno a uno, sino miles, millones de conexiones y preferencias que se consideran instantáneamente”.
Spotify, por su parte, ha hecho muchos cálculos separando una canción en sus capas de instrumentos individuales, rompiendo su ritmo y estructura. En noviembre, el servicio de música publicó una investigación que proponía un nuevo modelo de recomendación personalizado llamado MUSIG que aprende “representaciones significativas de pistas y usuarios ”según las características individuales de las canciones (como el género, la acústica, la capacidad de baile, la palabrería de las letras) y cómo se relacionan entre sí (como si aparecieran en la misma lista de reproducción).
Mantenerse al día con los usuarios
Sin embargo, no basta con averiguar qué les gusta a los usuarios en este momento. Nuestros gustos musicales cambian con el tiempo, y Spotify tiene que alimentar a los usuarios con nuevas melodías que les gustan para que sigan volviendo.
Esto incluye recomendando una mezcla de contenido que es popular o similar a la música que la persona ha escuchado anteriormente junto con contenido exploratorio que es más ecléctico y no alineado con el compromiso habitual del usuario.
[Related: MIT scientists taught robots how to sabotage each other]
“Quizás te uniste a Spotify para escuchar música dance, pero ¿podemos ayudarte a concentrarte mientras estudias? Al equilibrar estas polaridades, ¿podemos ayudarlo a obtener una dieta de contenido más satisfactoria? ”, Dijo Stål. en la presentación del video. “Tenemos que pensar en sus deseos, en las cosas que lo mantendrán en su zona de confort y en sus necesidades, de modo que las cosas que puedan mejorar su capacidad de escucha en el futuro, pero que no sean exactamente lo que espera en este momento”.
Este tipo de fórmula “puede facilitar la exploración al ayudar a los usuarios a descubrir contenido nuevo o inculcar nuevos gustos”, escribieron los investigadores de Spotify en una publicación en marzo. “Puede ayudar a la plataforma a difundir el consumo entre los artistas y facilitar el consumo de contenido menos popular”.
Por supuesto, Spotify tiene sus propias razones financieras para querer diversificar la paleta de gustos de sus usuarios. Estudios internos han demostrado que los usuarios activos con hábitos de escucha más diversos tenían “25 puntos porcentuales más de probabilidades de convertir de Gratis a Premium que aquellos con menos diversidad en su consumo de música”.
Para mantenerse a la vanguardia de nuestras preferencias cambiantes y mantener actualizadas sus recomendaciones, Spotify también debe poder comprender cómo lo que nos gusta puede evolucionar con el tiempo. A principios de este año, los investigadores crearon un modelo basado en un conjunto de datos de 100.000 usuarios de Spotify que estuvieron continuamente activos de 2016 a 2020. Observaron el historial de transmisión completo de cada usuario, agruparon su música en “microgéneros” y los mapearon a través del tiempo. Lo que se les ocurrió fue un gráfico conectado que ilustraba las transiciones entre diferentes géneros de música. Como ejemplo, su modelo sugería que para pasar de gustarle el “EDM” al “nu jazz” o “gospel”, era probable que los usuarios pasaran por una fase en la que les gustara el “tropical house”, que es la música electrónica relajada pero alegre.
Utilizando los caminos trazados en este modelo, Spotify espera que puedan aclimatar gradualmente a los usuarios a diferentes géneros viajando a través de microgéneros que se encuentran entre lo que ya les gusta y lo que aún no saben.
Fuera de la música, la década de investigación de personalización de Spotify ya se ha extendido a podcasts. “Resulta que incluso podemos predecir qué tipo de podcasts podría disfrutar un oyente en función de su gusto musical”, señaló Stål en un publicación de blog de la empresa. Pero los planes de expansión de audio de Spotify no terminan ahí, adquirido recientemente la empresa de audiolibros Findaway.