智能

在美国的在线音乐服务,都用专人给你挑歌

徐弢 · ·

苹果、Google 以及有力的竞争对手 Spotify 都突出他们用人工来给用户推歌单。

人工智能在科技公司已经是个无法绕开的关键词,但在他们推出的在线音乐服务上,重点宣传的卖点反而是人工挑选。目前主流的在线音乐服务商,包括苹果、Spotify 以及 Google 等公司都专门找人来做。

以最新进入市场的在线音乐服务 Apple Music 为例,原本是由大约 12 位编辑组成的团队,据称现在已经扩张到了“数百位”之多。在竞争对手 Spotify、Google Play Music 身上,这件事情也很常见,前者有 50 位全职员工在做这件事情,Google 则是找来了 20 多位全职,加上多位自由职业者。

苹果相当重视人工挑歌。Beats 电子联合创始人、Apple Music 负责人吉米·艾欧文(Jimmy Iovine)在去年的一次采访中,还特意强调了人工筛选相比算法推荐的优势:“算法不懂不同音乐类型的微妙差别以及混音。所以我们雇来了我们知道的最好的人才。”

重视人工挑歌,不代表着这几家公司没有使用算法来做歌曲推荐。他们同样会收集用户在听歌时的数据,例如听歌的时间点、听歌时的运动状态(是否在跑步?),切歌的次数等,这些数据能帮助他们将某些歌曲放在歌单的不同位置,或者替换,以提升歌单对用户的吸引力。

在线音乐服务拥有的付费用户数|图片来自:Statista

这意味着,目前最大的几家在线音乐服务都在以人工挑歌作为一大重要卖点,人工推荐、制作歌单已经在美国是主流。排除不公布用户数的 Google Play Music,Apple Music 和 Spotify 各自拥有 1500 万和 3000 万付费用户,是目前市场上最大的两家,苹果据说还要收购较小的 Tidal,进一步扩张。

在这个背后,其实是科技公司努力帮助用户解决这样一个问题:在接触到大量音乐时,这些音乐服务如何更好地为用户提供选歌的建议?

早在 7 年前,用算法搜集用户数据,再用人工推荐歌单其实还没有这么主流。

当时,在包括 MP3 格式、社交网站等的帮助下,人们在网上可以获取至少数百万的歌曲、音乐。只是在 2009 年左右就有多家网站开始做起了给用户推荐歌曲、歌单的生意,包括在线电台 Pandora、音乐推荐服务 Mufin 等。

但对于当时来说,即便是做得比较好的在线电台 Pandora 在做音乐推荐时,也用了不少今天看起来的“笨办法”:雇佣音乐人才平均花半小时给每首歌做分析,最多会达到 400 项不同的属性值。

这无疑是个相当耗费人力和时间成本的工作。但现在,更多的音乐服务已经用上了更好的算法,有更多的用户数据可以用来分析用户的喜好。

今天,那些帮音乐服务编辑歌单、推荐歌曲的团队所做的工作也发生了很大的不同。例如随着收购加入到 Apple Music 的卡尔·奇瑞(Carl Chery)现在这样描述选歌的过程:“(挑选)这很难描述,因为这更像是一种感受或者一种本能。”为了体会用户的心情和运动状态,他有时会在健身房跑步,或者待在起居室。

用户的反应似乎也表明,现在这种用算法+人工推荐的歌单推荐,是比较符合需求的。

花了不少人力做歌单的 Apple Music 上线后就受到不少人欢迎;而在线音乐服务 Spotify 称,1 亿用户中有 50% 都会听他们人工制作的歌单,累计每周产生 10 亿次播放。

题图来自:维基百科


原文链接 (已下线): https://www.qdaily.com/articles/29770.html
Wayback 快照: http://web.archive.org/web/20160926210009/http://www.qdaily.com:80/articles/29770.html
原始截图: http://ww3.sinaimg.cn/large/007d5XDply1g3xkxf20ghj30u03sbqv5