BaRTがホーム画面を整理する方法
Spotifyのホーム画面は、「Made for You」や「Inspired by your recent listening」のようなプレイリストの行で構成されています。これを「棚」と呼び、棚の中に個々のプレイリストが「カード」として表示されます。
BaRTの仕事は2つあります。
- 各棚の中でカードを順位付けする：どのプレイリストを先に表示するかを決める
- 棚自体を順位付けする：どのコンテンツの行を画面上部に表示するかを決める
この順位付けは、リスニング履歴、時間帯、過去のレコメンドへの反応に基づき、リアルタイムでパーソナライズされます。
BaRTは探索と活用のバランスをどう取るのか？
BaRTは常に2つのモードのバランスを取ります。
活用モードは、システムがあなたの好みを確信しているコンテンツをレコメンドします。リスニング履歴、保存した曲、スキップした曲、プレイリストでのアクティビティを使い、何がストリーミングを続けさせるかを予測します。
探索モードは、システムがまだ確信を持てないコンテンツをレコメンドします。目的は2つあります。Spotifyがあなたの好みをさらに学ぶことと、そうでなければ出会わなかったかもしれない音楽を紹介することです。
この2つのモードのバランスは、「εグリーディ」戦略で管理されます。BaRTはほとんどの場合、あなたについて知っていることを活用します。ときどき探索して、新しい情報を集めます。
リスニング履歴が少ない新規ユーザーには、BaRTは探索をより強く適用します。好みが確立した長期利用ユーザーには、活用をより強く適用します。
30秒の成功シグナルとは？
BaRTは、単純な基準で自身の成果を測定します。リスナーがレコメンドされた楽曲を30秒を超えてストリーミングすると、そのレコメンドは成功としてカウントされます。
誰かがレコメンドされたプレイリストやラジオセッションを長く聴くほど、BaRTはそのユーザーに対する予測への確信を高めます。これが、序盤のスキップがアルゴリズムリーチを損なう理由です。スキップはレコメンドが失敗したとBaRTに教えます。
BaRTが使う3つのデータソース
BaRTは単独では動きません。主に3つのデータパイプラインを利用します。
| データソース | 取得するもの | 役立つこと |
|---|---|---|
| 協調フィルタリング | 似たリスナーが何を好むかのパターン | 「Artist XのファンはArtist Yも好む」 |
| 音響分析 | テンポ、キー、エネルギー、音色 | Radio向けに音が似た楽曲を見つける |
| 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 | ムードとジャンルの文脈を理解する |
これらのシグナルがBaRTに入り、BaRTは各ユーザーに対してどのような重みを付けるかを決めます。
アーティストにとっての意味
BaRTはピッチできる門番ではありません。リスナーの行動から学ぶ予測エンジンです。
高い保存と低いスキップは、表示されたリスナーをあなたの音楽が満足させたとBaRTに教えます。これにより将来レコメンドされる可能性が高くなります。
高いスキップと低い保存は、レコメンドがミスマッチだったとBaRTに教えます。システムは似たリスナーにあなたの楽曲を表示しにくくなります。
BaRTに影響を与える唯一の方法は、本物のリスナー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。生のストリーム数ではなく、保存率、完聴率、リピート再生に最適化しましょう。
BaRTとSpotifyの他のシステムの違い
BaRTは、ホーム画面とパーソナライズされた棚のレコメンドを専門に扱います。他のアルゴリズム表示面には、それぞれのロジックがあります。
- Discover Weeklyは協調フィルタリングを使って毎週月曜日に更新される
- Release Radarは毎週金曜日に更新され、フォロー中のアーティストを優先する
- RadioとAutoplayは音の類似性とセッション継続のシグナルを使う
これらのシステムはデータを共有しますが、独立して動作します。BaRTのホームレコメンドで成果を上げる楽曲がRadioにもピックアップされることはありますが、必ず連動するわけではありません。
BaRTの背景にある研究
基礎となる研究は、Spotifyのエンジニアによって2018年に「Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits」というタイトルで発表されました。この論文は、アイテム、説明、文脈のあらゆる組み合わせについて、ユーザーの満足度を予測する方法をBaRTが学習する仕組みを説明しています。
その後もSpotifyはこの手法を改良し続けています。2025年の研究論文では、コンテキスト付きバンディットを使い、レコメンド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、変化するユーザーの好みにリアルタイムで適応する方法が説明されています。