中核システム
BaRT（Bandits for Recommendations as Treatments）
Spotifyのホーム画面のレコメンドを統括するAIシステムです。BaRTはマルチアームドバンディットの手法を用い、ユーザーが好むと分かっているコンテンツを表示する**活用（exploitation）と、ユーザーの好みをさらに学ぶために新しいコンテンツを試す探索（exploration）**のバランスを取ります。詳しい解説 →
協調フィルタリング
似たリスナーが何を気に入っているかのパターンを特定するレコメンド手法です。あなたの楽曲を保存したリスナーがTrack Bも保存している場合、アルゴリズムはあなたの音楽を初めて聴くリスナーにTrack Bをレコメンドする可能性が高くなります。これは「Fans Also Like」の関連付けやDiscover Weeklyの多くを支えています。詳しい解説 →
音響分析
楽曲の生の音声波形から、測定可能な特徴を抽出するプロセスです。Spotifyは畳み込みニューラルネットワーク（CNN）を使ってスペクトログラムを分析し、テンポ、キー、エネルギー、ムードなどの特性を検出します。これにより、RadioやAutoplayで音の類似性に基づくレコメンドが可能になります。詳しい解説 →
自然言語処理（NLP）
テキストの文脈を理解するアルゴリズムの能力です。SpotifyのNLPコンポーネントは、プレイリストのタイトル、歌詞、ブログでの言及、ソーシャルメディア上の議論を分析し、音楽を取り巻く文化的な文脈を理解します。
エンゲージメント指標
保存率
リスナーのうち、楽曲をライブラリに保存する人の割合です。saves ÷ ユニークリスナー数で計算します。保存率が高いことはリスナーの強い意向を示し、アルゴリズム上の成功を予測する最も重要な要素の一つです。詳しい解説 →
スキップ率
リスナーが一定の基準時間（多くの場合は30秒）に達する前にスキップしたストリームの割合です。序盤のスキップ率が高いと、表示されたオーディエンスにその楽曲は合っていないとアルゴリズムが学習します。
完聴率
楽曲を最初から最後まで再生するリスナーの割合です。完聴率が高いことは強いリテンションを示し、アルゴリズムのスコアリングにも良い影響を与えます。
リピート再生率
個々のリスナーが同じ楽曲を何度も再生するために戻ってくる頻度です。リピート率が高いことは深いエンゲージメントを示し、「スーパーリスナー」の分類につながる可能性があります。
ストリーム対リスナー比率
一定期間における、ユニークリスナー1人あたりの平均ストリーム数です。1.0を超える比率はリピート再生があることを示します。比率が高いほど、一度きりのカジュアルな再生ではなく、熱心なファンである可能性が高くなります。
音響特徴量
テンポ
1分あたりのビート数（BPM）で測る楽曲の速さです。範囲は0〜250 BPMです。
エネルギー
強度や活動性を0.0〜1.0で表す指標です。ダイナミックレンジ、知覚される音量、音色、アタックの頻度、エントロピーを組み合わせます。デスメタルは高く、アンビエント音楽は低い値になります。
バレンス
音楽のポジティブさを0.0〜1.0で表す指標です。バレンスが高い（0.8以上）音は、幸福感や陶酔感があるように聞こえます。低い（0.2以下）音は、悲しげ、メランコリック、または怒りを感じさせます。
ダンサビリティ
テンポ、リズムの安定性、ビートの強さ、規則性を基に、楽曲が踊りやすいかを0.0〜1.0で表すスコアです。
アコースティック度
楽曲がアコースティックであるかの確信度を0.0〜1.0で表します。1.0は、電子楽器や増幅された楽器が含まれていないという確信度が高いことを示します。
インストゥルメンタル度
楽曲にボーカルが含まれているかを0.0〜1.0で予測します。0.5を超える値はインストゥルメンタル曲である可能性を示します。「Ooh」や「aah」の声はインストゥルメンタルとして扱われます。
スピーチ度
話し言葉が含まれる度合いを0.0〜1.0で表します。ポッドキャスト形式のコンテンツは高く、完全なインストゥルメンタル音楽は低い値になります。
アルゴリズム上の表示面
Discover Weekly
リスナーがまだ聴いたことのない30曲を集めたパーソナライズドプレイリストで、毎週月曜日に更新されます。主に協調フィルタリングによって動作します。詳しい解説 →
Release Radar
フォローしているアーティストや似たアーティストの新リリースを集めたパーソナライズドプレイリストで、毎週金曜日に更新されます。リリースの少なくとも7日前までにSpotify for Artistsからピッチする必要があります。
Radio
シードとなる楽曲またはアーティストに似た楽曲を自動生成するキューです。音の類似性には音響分析を、オーディエンスの重なりには協調フィルタリングを使います。
Autoplay
プレイリストやアルバムが終わった後も音楽の再生を続ける機能です。Radioと同じシグナルを基盤とし、リスニングセッションを無期限に延長します。
Daily Mix
保存した音楽と似た楽曲を、ジャンルやムードごとにまとめた4〜6個のプレイリストセットです。毎日更新されます。
AI DJ
合成音声によるコメントが付くパーソナライズドラジオ体験です。他の表示面と同じパーソナライゼーションエンジンを使いながら、アーティストや楽曲についての音声コンテキストを追加します。詳しい解説 →
プロモーションツール
Discovery Mode
レコメンドされる可能性を高める代わりに、Radio、Autoplay、Mixesからのストリームについてアーティストが30%のコミッション減額を受け入れる、ロイヤリティ分配の仕組みです。詳しい解説 →
Marquee
新リリース（リリース後21日以内）向けの全画面ポップアップ広告で、ターゲットリスナーがモバイルアプリを開いたときに表示されます。Campaign Kitの一部で、料金はクリック課金です。
Showcase
あらゆるリリースに使える、Spotifyのホームフィード上のバナー広告です。Campaign Kitの一部で、料金はクリック課金です。詳しい解説 →
Canvas
モバイルで楽曲の背後に流れる3〜8秒のループ動画です。アルゴリズムに直接使われるものではありませんが、リスナーに視聴と保存を促すことでエンゲージメント指標を改善できます。
技術概念
探索と活用のトレードオフ
ユーザーが好むと分かっているコンテンツを表示する**活用（exploitation）と、好みを学ぶために新しいコンテンツを試す探索（exploration）**の間で、BaRTが管理するトレードオフです。新規ユーザーには探索が多くなり、利用歴のあるユーザーには活用が多くなります。
コールドスタート問題
再生履歴がない新しいアーティストや新規ユーザーに音楽をレコメンドする難しさです。音響分析は行動データがなくても音の類似性に基づくレコメンドを可能にするため、この問題の解決に役立ちます。
εグリーディ戦略
BaRTが探索と活用のバランスを取るために使う具体的なアルゴリズムです。ほとんどの場合は活用（確信度の高いレコメンドを表示）し、ときどき探索（不確実なレコメンドを表示してデータを集める）を行います。
コンテキスト付きバンディット
コンテキストに基づいて最適なアクションを学習する機械学習のフレームワークです。BaRTは、ユーザーのコンテキスト（時間帯、デバイス、直近のアクティビティ）をレコメンド時に考慮するコンテキスト付きバンディットシステムです。
スペクトログラム
時間の経過に伴う音の周波数を視覚的に表したものです。SpotifyのCNNはスペクトログラムを分析し、生の波形から音響特徴量を抽出します。
マイクロジャンル
パーソナライゼーションに使われる、細分化されたサブジャンルの分類です。Spotifyはリスニングパターンと音響特性に基づくマイクロジャンルの大規模な分類体系を保有しています。
リスナーのセグメント
アクティブリスナー
過去28日以内に、アーティストプロフィール、リリースページ、自分のプレイリスト、検索などのアクティブソースから、意図的にあなたの音楽を探して聴いたリスナーです。
月間アクティブリスナー
月間リスナーのうち、受動的なプレイリストへの掲載やRadioでの露出だけではなく、アクティブソースから意図的にストリーミングした人の集合です。
プログラムドリスナー
アルゴリズムプレイリストやエディトリアルプレイリストを通じてあなたの音楽を聴いたものの、自分からあなたを探してはいないリスナーです。
プラットフォームの概念
30秒ルール
リスナーが楽曲を30秒以上再生した場合に限り、ストリームがロイヤリティとエンゲージメント指標に加算されます。30秒未満でのスキップは収益を生まず、ネガティブなシグナルを送ります。詳しい解説 →
1,000ストリームの基準
2024年時点では、ロイヤリティを発生させるために、楽曲は移動する12か月間に1,000ストリームを蓄積する必要があります。この基準を下回るストリームには支払いがありません。
人気度インデックス
直近のストリーミング速度に基づき、Spotifyが各楽曲とアーティストに付与する0〜100のスコアです。スコアが高いほど、プラットフォーム平均と比べて速く成長していることを示します。詳しい解説 →
テイストプロフィール
Spotifyが各ユーザーの再生履歴、saves、スキップ、プレイリストでのアクティビティに基づいて構築するアルゴリズムモデルです。すべてのパーソナライズドレコメンドを支えます。