Как работают рекомендательные алгоритмы и как в них попасть

Надоел плейлист добавленных треков и хочется послушать что-то новое. Заходишь в Яндекс Музыку и нажимая на любой плейлист или мою волну – включаешь треки по схожему жанру. Интересно, а как так получается, что алгоритмы подбирают треки по схожему звучанию или тому, что вам нравится (за нами следят). Давайте разбираться

Кто эти ваши рекомендательные алгоритмы?

Рекомендательная система — это комплекс алгоритмов и технологий, который анализирует музыкальные предпочтения пользователей и предлагает им наиболее подходящий контент.

Как они работают на практике?

• Для начинающих артистов

1. Алгоритмы с самого начала будут работать только в том случае, если вы с самого начала будете питчить свой релиз и продвигать его в соц.сетях или в виде вертикального контента. О нём вы можете узнать больше в этой статье
2. Алгоритмы будут анализировать первые прослушивания, удержания прослушивания, лайки треков и так далее. Чем больше всего, тем лучше, так как алгоритмы будут видеть, что слушатели заинтересованы вашим контентом.
3. Активность артиста в медиа-пространстве. Точнее, на площадках. Сколько релизов вы выпускаете и сколько они набирают.
4. Оценивается качество релизов и его оригинальность

• Артисты, которые выложили несколько релизов

1. Алгоритмы уже понимают, какую музыку вы пишете. Имеется в виду, что не стоит мешать жанры в своей карточке. Если вы выпускаете попсу, то не стоит выпускать жоский рок метал. Представьте, человек знает, что вы пишете попсу, включает вашу музыку и начинает играть вообще другое. Неприятненько
2. Алгоритмы уже знают ваш жанр, соответственно вы уже имеете повышенный приоритет в рекомендациях и расширенную аналитику поведения аудитории. Если закрепить все сверху продвижением в соц.сетях, то охваты в связке будут отличными
3. Если ваш каждый релиз имел хорошую динамику роста и стабильность, то рекомендации будут относиться к вам более лояльн

Алгоритмы — это инструмент, который работает на основе данных. Чем качественнее и последовательнее вы будете подавать контент, тем лучше алгоритмы смогут его рекомендовать. Главное — создавать хороший музыкальный продукт и активно работать над его продвижением.

Типы рекомендательных систем

Коллаборативная фильтрация

• User-based фильтрация (на основе пользователя):
  1. Анализирует поведение похожих пользователей
  2. Рекомендует треки на основе предпочтений аудитории
  3. Использует систему оценок и прослушиваний
     

• Item-based фильтрация (на основе контента):
  1. Сравнивает характеристики треков
  2. Рекомендует похожие композиции
  3. Учитывает жанры, стили и характеристики звука

Контентная фильтрация

• Анализ треков:

1. Обработка аудиофайлов
2. Извлечение характеристик звука
3. Категоризация по музыкальным параметрам

• Профили пользователей:

1. Создание индивидуальных профилей
2. Анализ предпочтений
3. Отслеживание поведения

Алгоритмы оценки треков

• Качество прослушивания (время до конца трека)
• Реакции пользователя (лайки, дизлайки)
• Добавление в плейлисты
• Повторные прослушивания

Обычно все три пункта работают одновременно. Процесс подбора треков по рекомендациям очень необычная вещь, они постоянно совершенствуются, предоставляя пользователям более точные музыкальные предпочтения

Как работают алгоритмы на разных площадках

1. Яндекс Музыка

• «Моя волна» — персонализированный поток
• Аудиовекторы — анализ звуковых характеристик
• Поведенческий анализ — отслеживание действий пользователя
• Система Нитро — продвижение новых треков

1.1. Метрики оценки:

1. 1. 1. Время прослушивания трека
      2. Добавление в плейлисты
      3. Лайки и дизлайки
      4. Частота возвращений
      5. Геолокация слушателя

2. VK Музыка

• Интеграция с соцсетью
• Анализ активности друзей
• Учёт репостов и лайков
• Мониторинг комментариев
• Анализ сообществ

2.1. Ключевые факторы:

1. 1. 1. Вовлечённость в контент
      2. Распространение треков
      3. Активность в обсуждениях
      4. Частота взаимодействий
      5. Геолокация пользователя

3. Spotify

• Discover Weekly — еженедельные подборки
• Daily Mix — плейлисты по настроению
• Release Radar — новинки любимых артистов
• Made For You — персонализированные рекомендации

3.1. Факторы влияния:

1. 1. 1. История прослушиваний
      2. Создание плейлистов
      3. Добавление в избранное
      4. Частота прослушиваний
      5. Геолокация

4. Apple Music

• For You — персонализированная страница
• New Music Mix — подборки новинок
• Today At Six — ежедневные плейлисты
• Connect — новости музыкальной индустрии

4.1. Критерии оценки:

1. 1. 1. Качество аудиоконтента
      2. Метаданные треков
      3. Активность пользователя
      4. Взаимодействие с контентом
      5. Геолокация

5. SoundCloud

• Анализ ретвитов
• Отслеживание лайков
• Мониторинг комментариев
• Влияние на чарты
• Активность в сообществах

5.1. Важные показатели:

1. 1. 1. Количество прослушиваний
      2. Активность в комментариях
      3. Распространение трека
      4. Вовлеченность аудитории

Сравнение площадок

Вроде все легко и поня ме вы можете выложить сниппет или ту же самую ссылку на пресейв, чтобы рекомендации заметили заинтересованность в виде пресейвов. Что такое пресейв вы можете узнать здесь

• Отслеживать статистику своих релизов через инструменты аналитики, такие как bandlink, vk студио и apple/spotify for artist. О них вы можете узнать чуть больше здесь
• Так же работать с алгоритмами вертикальных площадок, таких как TikTok, Instagram*, Youtube, Like, о них вы можете узнать чуть больше здесь
• Так же, как правильно выложить трек на все цифровые площадки. Об этом вы узнаете в этой статейке