Come BaRT organizza la schermata Home
La schermata Home di Spotify è organizzata in righe di playlist chiamate «sezioni» (come «Made for You» o «Inspired by your recent listening»), con singole playlist all'interno di queste sezioni chiamate «schede».
BaRT ha due compiti:
- Ordinare le schede all'interno di ogni sezione - decidere quali playlist appaiono per prime
- Ordinare le sezioni stesse - decidere quali righe di contenuti compaiono nella parte superiore dello schermo
Questo ordinamento viene personalizzato in tempo reale in base alla cronologia di ascolto, all'ora del giorno e al modo in cui hai reagito alle raccomandazioni precedenti.
Come bilancia BaRT esplorazione e sfruttamento?
BaRT bilancia costantemente due modalità:
La modalità di sfruttamento consiglia contenuti che il sistema è sicuro ti piaceranno. Si basa sulla cronologia di ascolto, sulle canzoni salvate, sui brani saltati e sull'attività nelle playlist per prevedere cosa ti farà continuare ad ascoltare.
La modalità di esplorazione consiglia contenuti su cui il sistema è incerto. Ha due scopi: aiutare Spotify a conoscere meglio le tue preferenze e farti scoprire musica che altrimenti potresti non avere trovato.
L'equilibrio tra queste modalità è gestito da una strategia «epsilon-greedy». Per la maggior parte del tempo BaRT sfrutta ciò che sa di te. Ogni tanto esplora per raccogliere nuove informazioni.
Per i nuovi utenti con poca cronologia di ascolto, BaRT propende maggiormente per l'esplorazione. Per gli utenti di lunga data con preferenze consolidate, propende maggiormente per lo sfruttamento.
Qual è il segnale di successo dei 30 secondi?
BaRT misura le proprie prestazioni usando una soglia semplice: se un ascoltatore ascolta un brano consigliato per più di 30 secondi, la raccomandazione viene considerata un successo.
Più a lungo una persona ascolta una playlist o una sessione radio consigliata, più BaRT acquisisce fiducia nelle proprie previsioni per quell'utente. Ecco perché gli skip iniziali danneggiano la tua portata algoritmica: insegnano a BaRT che la raccomandazione non ha funzionato.
Quali sono le tre fonti di dati usate da BaRT?
BaRT non lavora da solo. Attinge a tre principali pipeline di dati:
| Fonte di dati | Cosa rileva | Come aiuta |
|---|---|---|
| Filtraggio collaborativo | I modelli nei gusti di ascoltatori simili | «I fan dell'artista X apprezzano anche l'artista Y» |
| Analisi audio | Tempo, tonalità, energia, timbro | Trova brani con sonorità simili per la Radio |
| Elaborazione del linguaggio naturale | Testi, titoli delle playlist, citazioni nei blog | Comprende il contesto di umore e genere |
Questi segnali confluiscono in BaRT, che decide poi come ponderarli per ogni singolo utente.
Cosa significa per gli artisti
BaRT non è un gatekeeper a cui puoi fare pitch. È un motore predittivo che impara dal comportamento degli ascoltatori.
Molti salvataggi e pochi skip insegnano a BaRT che la tua musica soddisfa gli ascoltatori a cui è stata mostrata. Questo aumenta la probabilità di raccomandazioni future.
Molti skip e pochi salvataggi insegnano a BaRT che la raccomandazione non era adatta. Il sistema diventa meno propenso a mostrare il tuo brano ad ascoltatori simili.
L'unico modo per influenzare BaRT è inviargli segnali positivi attraverso un coinvolgimento autentico degli ascoltatori. Questo significa ottimizzare il tasso di salvataggio, il tasso di completamento e gli ascolti ripetuti, invece del semplice numero di stream.
Come si confronta BaRT con gli altri sistemi di Spotify?
BaRT gestisce nello specifico la schermata Home e le raccomandazioni personalizzate delle sezioni. Le altre superfici algoritmiche hanno una logica propria:
- Discover Weekly si aggiorna ogni lunedì usando il filtraggio collaborativo
- Release Radar si aggiorna ogni venerdì e dà priorità agli artisti seguiti
- Radio e Autoplay usano segnali di somiglianza audio e di continuità della sessione
Questi sistemi condividono i dati, ma operano in modo indipendente. Un brano che ottiene buoni risultati nelle raccomandazioni Home di BaRT può essere scelto anche dalla Radio, ma non esiste alcun passaggio garantito da un sistema all'altro.
Quali ricerche sono alla base di BaRT?
La ricerca fondativa è stata pubblicata dagli ingegneri di Spotify nel 2018 con il titolo «Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits». L'articolo descrive come BaRT impari a prevedere la soddisfazione dell'utente per qualsiasi combinazione di elemento, spiegazione e contesto.
Da allora Spotify ha continuato a perfezionare l'approccio. Un articolo di ricerca del 2025 descrive l'uso di bandit contestuali per calibrare i tipi di contenuto (musica, podcast, audiolibri) nelle liste di raccomandazioni, adattandosi in tempo reale all'evoluzione delle preferenze degli utenti.