BaRTによるホーム画面の構成方法
Spotifyのホーム画面は、「Made for You」や「最近の再生履歴に基づくおすすめ」といった「シェルフ」と呼ばれるプレイリストの列で構成されており、その中に「カード」と呼ばれる個別のプレイリストが含まれています。
BaRTには2つの役割があります。
- 各シェルフ内のカードのランク付け - どのプレイリストを最初に表示するかを決定する
- シェルフ自体のランク付け - どのコンテンツの列を画面の上部に表示するかを決定する
このランキングは、ユーザーの再生履歴、時間帯、過去の推奨に対する反応に基づいてリアルタイムでパーソナライズされます。
BaRTはどのように「探索」と「活用」のバランスをとるのか？
BaRTは常に2つのモードのバランスをとっています。
活用（Exploitation）モードは、システムがユーザーの好みに合うと確信しているコンテンツを推奨します。再生履歴、保存した楽曲、スキップしたトラック、プレイリストの活動に基づいて、再生を継続させるコンテンツを予測します。
探索（Exploration）モードは、システムが確信を持てないコンテンツを推奨します。これには、Spotifyがユーザーの好みをより深く学習する目的と、ユーザーが普段出会わないような音楽を紹介するという2つの目的があります。
これらのモード間のバランスは、「イプシロン・グリーディ（epsilon-greedy）」戦略によって管理されています。ほとんどの場合、BaRTは既知の情報に基づいて「活用」を行いますが、時折、新しい情報を収集するために「探索」を行います。
再生履歴が少ない新規ユーザーに対しては、BaRTは探索をより重視します。確立された好みを持つ長期ユーザーに対しては、活用をより重視する傾向があります。
30秒の成功シグナルとは？
BaRTは、リスナーが推奨されたトラックを30秒以上再生した場合に、その推奨を成功とみなす単純な基準でパフォーマンスを測定します。
おすすめのプレイリストやラジオセッションを長く聴けば聴くほど、BaRTはそのユーザーに対する予測精度を高めていきます。これが、早い段階でのスキップがアルゴリズムによるリーチに悪影響を及ぼす理由です。スキップは、BaRTに対してそのレコメンデーションが失敗だったと学習させてしまうからです。
BaRTが使用する3つのデータソースとは？
BaRTは単独で動作するわけではありません。主に3つのデータパイプラインを活用しています。
| データソース | キャプチャ対象 | 活用方法 |
|---|---|---|
| 協調フィルタリング | 似たリスナーが楽しんでいるパターンの分析 | 「アーティストXのファンはアーティストYも好む」 |
| オーディオ分析 | テンポ、キー、エネルギー、音色 | ラジオ向けに音響的に似たトラックを検索 |
| 自然言語処理 | 歌詞、プレイリストのタイトル、ブログでの言及 | 気分やジャンルの文脈を理解 |
これらのシグナルがBaRTに入力され、各ユーザーに合わせて重み付けが決定されます。
アーティストにとっての意味
BaRTは、ピッチ（売り込み）可能な門番ではありません。リスナーの行動から学習する予測エンジンです。
高い保存数と低いスキップ数は、あなたの音楽が推奨されたリスナーを満足させていることをBaRTに伝えます。これにより、将来の推奨確率が高まります。
高いスキップ数と低い保存数は、推奨がミスマッチであったことをBaRTに伝えます。その結果、システムは似たリスナーに対してあなたのトラックを表示する可能性を下げます。
BaRTに影響を与える唯一の方法は、リスナーの純粋なエンゲージメントを通じてポジティブなシグナルを送ることです。つまり、単なる再生数ではなく、セーブ率、完了率、リピート再生率を最適化することが重要です。
BaRTとSpotifyの他のシステムとの違い
BaRTは、ホーム画面とパーソナライズされたシェルフの推奨を専門に扱います。他のアルゴリズム面には独自のロジックがあります。
- Discover Weekly：協調フィルタリングを使用して毎週月曜日に更新
- Release Radar：毎週金曜日に更新され、フォローしているアーティストを優先
- ラジオおよび自動再生：オーディオの類似性とセッション継続シグナルを使用
これらのシステムはデータを共有していますが、独立して動作します。BaRTのホーム推奨で優れたパフォーマンスを示したトラックがラジオで選ばれることはありますが、必ずしも連動するわけではありません。
BaRTの背後にある研究とは？
基礎となる研究は、2018年にSpotifyのエンジニアによって「Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits」というタイトルで発表されました。この論文では、BaRTがアイテム、説明、文脈のあらゆる組み合わせに対してユーザーの満足度を予測する方法について説明しています。
それ以来、Spotifyはこのアプローチを洗練させ続けています。2025年の研究論文では、コンテキスト・バンディットを使用して推奨リスト内のコンテンツタイプ（音楽、ポッドキャスト、オーディオブック）を調整し、ユーザーの進化する好みにリアルタイムで適応させる手法が説明されています。