Автор: Конкретные действия, которые могут прокачать и перестроить систему рекомендаций, чтобы она встала на вашу сторону.
Стриминги музыки должны были решить вообще все проблемы с потреблением контента, ведь треков в них столько, сколько не переслушать за всю жизнь, а умные алгоритмы призваны подобрать из этого многообразия то, что понравится именно вам. Казалось бы, вин-вин: пользователям всегда есть что послушать, а сервисы приносят прибыль, потому что их слушают чаще и дольше.
Вот только на практике всё часто оказывается не так радужно. Вместо того чтобы радовать новыми треками в подходящем стиле или настроении, алгоритмы каждый день собирают примерно одни и те же плейлисты с одними и теми же исполнителями и треками. А порой и вовсе половина рекомендаций состоит из того, что вы сами себе сохранили.
Вот и я послушала сотый идентичный «Микс дня» от Spotify и пошла разбираться, как мы до этого докатились и что можно сделать, чтобы вернуть новую музыку в свою жизнь.
Почему алгоритмы рекомендуют одно и то же
Легче всего было бы свалить всё на пользователя, который плохо помогает советовать себе треки, но тут всё несколько сложнее.
Как работают рекомендации
Музыкальные стриминги давно перестали быть просто библиотеками треков — теперь это сложные алгоритмические машины, которые следят за тем, что мы слушаем, и пытаются предсказать, что нам понравится дальше. Звучит круто, но есть нюанс: в основе таких рекомендаций лежит не магия, а конкретные математические модели, и они не всесильны.
Spotify считают революционером в мире музыкальных сервисов, потому что как раз он популяризовал умные алгоритмы для предложения треков. Основы работы его алгоритмов известны и достаточно хорошо изучены. В них можно выделить три главных метода:
- Анализ контента — хотя музыканты предоставляют сервису данные по каждому треку, сами аудиофайлы тоже анализируются. В песне выделяются тональность, громкость и темп (bpm), а уже на их основе оценивают степени танцевальности, энергичности и валентности (да, это реальные параметры). Это позволяет сравнивать разные треки между собой и искать схожие.
- Коллаборативная фильтрация — анализ того, что слушают похожие на вас пользователи. Если вы и ещё тысяча человек часто включаете одного и того же исполнителя, вам, скорее всего, будут советовать его же (плюс то, что заслушивают до дыр другие из этой тысячи).
- Обучение на плейлистах — система смотрит, какие треки часто встречаются в одних и тех же подборках. Так стриминг понимает, что условные Arctic Monkeys и The Strokes хорошо смотрятся рядом.
Проблема в том, что эти механизмы отлично работают, если ваш вкус предсказуем: вы слушаете больше нового разного, соответственно, вам советуют больше нового и разного. Но если вы часто возвращаетесь к одним и тем же песням или жмёте «лайк» на повторе, алгоритм решает, что именно это вам и нужно. В итоге плейлисты начинают напоминать день сурка.
Почему популярные треки рекомендуют подозрительно часто
Наверняка вы обращали внимание, что как только вы один раз послушаете новую хитовую песню, она на недели укоренится в персонализированных подборках.
Не поверите, но в основном дело в деньгах: стриминги — это всё же про бизнес, а не про развитие вашего чувства прекрасного. Вы более вероятно дослушаете популярные среди других пользователей с похожим вкусом песни — а значит, проведёте чуть больше времени в сервисе.
Если в ваш плейлист можно добавить трек, который сейчас бьёт рекорды по прослушиваниям, для алгоритма это настоящее бинго.
А поскольку популярность треков сохраняется какое-то время, будьте готовы видеть одно и то же название, пока энтузиазм не пропадёт или вы поставите композиции дизлайк.
Также учитывайте, что место в курируемых подборках может просто-напросто продаваться: в том же Spotify музыканты нередко платят владельцам популярных плейлистов, чтобы разместить там свою музыку. А в «Яндекс Музыке» не так давно появился инструмент для продвижения музыкантов: после запуска кампании рекламируемые треки будут чаще попадаться слушателям с подходящими интересами.
В общем, откровенно злого зла не происходит: возможно, это самая комфортная форма таргетированной рекламы из существующих.
Как ваши привычки влияют на рекомендации
Чем больше вы пользуетесь сервисом, тем лучше он начинает вас понимать — по крайней мере, в теории. Если вы каждое утро слушаете японский джаз, а каждый вечер — немецкий рок, алгоритмы точно это заметят. Все лайки и дизлайки тоже учитываются.
Со временем вам будут предлагать всё больше похожих треков, понимая, что вам нравится определённый стиль или артист. Это может быть удобно, если вы обычно слушаете примерно одно и то же, но с таким подходом вы окажетесь в заложниках у своих же предпочтений.
Система вполне закономерно будет предлагать уже знакомый контент, потому что думает, что это именно то, чего вы хотите. А вы, может, просто не нашли ничего нового и грустно нажимаете на одни и те же треки, чтобы включить уже хоть что-нибудь и помыть наконец посуду.
Ещё одна важная деталь: если вы слушаете много мейнстримных хитов, алгоритм будет воспринимать это как вашу основную музыкальную идентичность. Если вам в основном интересны нишевые исполнители, но также нравится несколько попсовых треков, алгоритм будет стараться подсунуть побольше последнего.
В общем, то, как вы взаимодействуете с сервисом, здорово влияет на систему рекомендаций. При этом её может немного косить в ту сторону, что задумана разработчиками, и это тоже стоит учитывать. Вы кузнец своего музыкального счастья, но с небольшим коммерческим толчком в нужном направлении.
Как улучшить рекомендации
Придётся немного заморочиться и перестроить свои отношения со стримингом.
Проверьте настройки
Пределы вашего влияния зависят от конкретного сервиса, но обычно разработчики не считают свои алгоритмы всесильными и позволяют пользователям влиять хотя бы на что-то.
К примеру, в «Яндекс Музыке» можно в любой момент обновить список любимых исполнителей, который впервые настраивается ещё при регистрации. Если это было годы назад, с большой вероятностью предпочтения хотя бы немного трансформировались. Обновить их можно в разделе настроек «Музыкальные предпочтения».
В Spotify можно исключить плейлисты из предпочтений: если включить эту настройку в плейлистах с музыкой, которую вы хотите искать и включать только самостоятельно, эти жанры и исполнители практически не будут рекомендоваться в составленных для вас подборках. Также эти треки не будут отображаться в итогах года (но часы прослушивания зафиксируются).
Это полезно, например, если у вас есть любимые плейлисты для работы, но вы не хотите, чтобы они влияли на прочие рекомендации.
Также некоторые сервисы позволяют контролировать, будут ли песни из вашего избранного включаться в собранные алгоритмом плейлисты или нет.
Делитесь обратной связью
Не «коллеги, было продуктивно»: речь о каком-либо взаимодействии с предложенным контентом. Это самая частая причина стагнации подборок с рекомендованными треками: если просто включать плейлисты, но ничего не лайкать, не дизлайкать и не сохранять себе, никакая нейронка не поможет понять, что у вас на уме и как вы относитесь к прослушанному.
Нет, того факта, что вы первой включили эту песню, а не следующую, недостаточно, чтобы признаться в вечной любви к ней: лайк куда более конкретный и надёжный способ показать, что вы с удовольствием послушали бы что-то похожее. Аналогичным образом, если вы переключили песню, но не влепили ей дизлайк, алгоритм не поймёт, что она вас бесит. Вдруг вы просто в режиме достигаторства и не хотите, чтобы трек с низким bpm вас замедлял.
Возьмите себе за правило активнее реагировать на контент и не стесняться раздавать лайки и дизлайки.
Обновите список избранного
Практически любое приложение с музыкой сохраняет в единый раздел всё, что вы когда-либо лайкали. В «Яндекс Музыке» это «Мне нравится», в Spotify — «Любимые треки», в Apple Music — «Избранные песни».
Скорее всего, в нём намешаны любимые треки от школьных времён и до наших дней, причём многое зачастую давно потеряло всякую актуальность. Прошерстите этот список, избавьтесь от того, что вам уже абсолютно точно не нравится, а также добавьте то, что сохранили в другом сервисе или постоянно напеваете в душе, а поставить заслуженный лайк всё забываете.
Да, сервисы особо не ориентируются на давно добавленные треки, которые не включались годами, а вот свежие треки, которые вы наверняка станете включать чаще, — вполне.
Экспериментируйте с плейлистами
Плейлист дня и потоки адаптированной под ваши вкусы музыки — это, конечно, хорошо, но как насчёт пробовать что-то новое? Загляните в плейлисты дальше той пары, что включаете обычно, и попробуйте что-то новое. Как правило, курированные подборки тоже выбираются из относительно похожего на то, что вам и так нравится, но их содержимое под вас уже не настроено, так что шанс неожиданных открытий куда выше.
Мой любимый трюк — листать подборки достаточно долго, чтобы исключить знакомые вещи и включить какой-нибудь рандом. Понравится хоть одна песня — супер, рекомендации подхватят. Ничего не зайдёт — тоже хорошо, ведь мозг любит, когда мы пробуем что-то нетипичное.
Ищите новую музыку самостоятельно
Может звучать контрпродуктивно, но, если вы хотите разнообразить плейлисты, есть смысл немного поработать руками. Шазамьте понравившуюся музыку в кафе, фильмах и шортсах, действительно слушайте рекомендации друзей, а не вежливо сохраняйте в заметки, полистайте сообщества в соцсетях.
Когда вы разбавите плейлисты новыми исполнителями и жанрами, алгоритм подхватит тенденцию и будет советовать больше свежего контента.
А как у вас с рекомендациями? Всё нравится или тоже начинаете ненавидеть любимые треки, которые появляются в каждой подборке?
Ценителям музыки🎶20 сайтов, где можно найти бесплатную музыку для своих проектов8 нейросетей для создания музыкиSuno AI: как пользоваться нейросетью для создания музыки и делать крутые трекиОбложка: Liana Nagieva / Shutterstock / Лайфхакер
