# 한국어 | Spotify 알고리즘 용어: BaRT, 저장율 등 핵심 정리 | Dynamoi

Canonical URL: https://dynamoi.com/ko/learn/spotify-algorithm/spotify-algorithm-glossary.html

Source: Dynamoi static public site

Description: 이 용어집은 Spotify의 추천 시스템이 작동하는 방식을 설명하는 기술 용어를 정의합니다. 알고리즘 기반 플레이리스트, 참여도 최적화 또는 플랫폼 전략에 대해 읽을 때 참고 자료로 활용하세요. 핵심 시스템 BaRT Bandits for Recommendations as…

감사에서 Spotify 알고리즘 Dynamoi와 함께 지금 시작하기 Dynamoi 학습 센터 Spotify 알고리즘 용어: BaRT, 저장율 등 핵심 정리 Spotify 추천 엔진의 기반이 되는 기술 용어 참조 가이드입니다. BaRT, 협업 필터링, 오디오 특징 및 참여 지표를 다룹니다. FAQ 2026. 4. 28. 읽는 시간 5분 읽기 이 용어집은 Spotify의 추천 시스템이 작동하는 방식을 설명하는 기술 용어를 정의합니다. 알고리즘 기반 플레이리스트, 참여도 최적화 또는 플랫폼 전략에 대해 읽을 때 참고 자료로 활용하세요. 핵심 시스템 BaRT (Bandits for Recommendations as Treatments) Spotify 홈 화면 추천을 관리하는 AI 시스템입니다. BaRT는 다중 무장 밴딧(multi-armed bandit) 접근 방식을 사용하여 활용(exploitation) (사용자가 좋아할 것으로 알려진 콘텐츠 표시)과 탐색(exploration) (사용자의 선호도를 더 잘 알기 위해 새로운 콘텐츠 테스트) 사이의 균형을 맞춥니다. 전체 설명 보기 → 협업 필터링 (Collaborative filtering) 비슷한 취향을 가진 청취자가 즐기는 패턴을 식별하는 추천 기술입니다. 귀하의 트랙을 저장한 청취자가 트랙 B도 저장했다면, 알고리즘은 귀하의 음악을 처음 듣는 사용자에게 트랙 B를 추천할 가능성이 더 높습니다. 이는 '팬들이 좋아할 만한 아티스트' 연관성과 'Discover Weekly'의 대부분을 구동합니다. 전체 설명 보기 → 오디오 분석 (Audio analysis) 트랙의 원시 오디오 파형에서 측정 가능한 특징을 추출하는 과정입니다. Spotify는 합성곱 신경망(CNN)을 사용하여 스펙트로그램을 분석하고 템포, 키, 에너지, 분위기와 같은 특성을 감지합니다. 이를 통해 라디오 및 자동 재생을 위한 음향적 유사성 추천이 가능해집니다. 전체 설명 보기 → 자연어 처리 (NLP) 텍스트 맥락을 이해하는 알고리즘의 능력입니다. Spotify의 NLP 구성 요소는 플레이리스트 제목, 노래 가사, 블로그 언급, 소셜 미디어 토론을 분석하여 음악을 둘러싼 문화적 맥락을 파악합니다. 참여 지표 저장율 (저장율) 청취자가 귀하의 트랙을 라이브러리에 저장하는 비율입니다. 저장 횟수 ÷ 고유 청취자 수 로 계산됩니다. 높은 저장율은 강력한 청취 의도를 나타내며 알고리즘 성공을 예측하는 가장 중요한 지표 중 하나입니다. 전체 설명 보기 → 건너뛰기율 (Skip rate) 청취자가 특정 기준점(보통 30초) 이전에 스트리밍을 건너뛰는 비율입니다. 높은 초기 건너뛰기율은 해당 트랙이 노출된 청취자에게 적합하지 않다는 신호를 알고리즘에 전달합니다. 완료율 (Completion rate) 청취자가 트랙을 처음부터 끝까지 재생하는 비율입니다. 높은 완료율은 강력한 유지율을 나타내며 알고리즘 점수에 긍정적인 기여를 합니다. 반복 재생율 (Repeat listen rate) 개별 청취자가 동일한 트랙을 여러 번 재생하기 위해 돌아오는 빈도입니다. 높은 반복 재생율은 깊은 참여를 나타내며 '슈퍼 리스너' 분류를 유발할 수 있습니다. 스트리밍-대-청취자 비율 (Stream-to-listener ratio) 일정 기간 동안 고유 청취자당 평균 스트리밍 횟수입니다. 1.0 이상의 비율은 반복 재생을 나타냅니다. 비율이 높을수록 일회성 재생보다는 충성도 높은 팬층이 있음을 시사합니다. 오디오 특징 템포 (Tempo) 분당 비트 수(BPM)로 측정된 트랙의 속도입니다. 0-250 BPM 범위입니다. 에너지 (Energy) 강도와 활동성을 측정하는 0.0-1.0 수치입니다. 다이내믹 레인지, 인지된 라우드니스, 음색, 온셋 레이트 및 엔트로피를 결합합니다. 데스 메탈은 높은 점수를, 앰비언트 음악은 낮은 점수를 받습니다. 밸런스 (Valence) 음악적 긍정성을 측정하는 0.0-1.0 수치입니다. 높은 밸런스(0.8 이상)는 행복하거나 들뜬 느낌을 줍니다. 낮은 밸런스(0.2 이하)는 슬프거나 우울하거나 화난 느낌을 줍니다. 댄스 적합성 (Danceability) 템포, 리듬 안정성, 비트 강도 및 규칙성을 바탕으로 트랙이 춤추기에 얼마나 적합한지를 나타내는 0.0-1.0 점수입니다. 어쿠스틱성 (Acousticness) 트랙이 어쿠스틱인지에 대한 0.0-1.0 신뢰도 측정치입니다. 1.0은 전자 악기나 증폭된 악기가 포함되지 않았을 확률이 매우 높음을 나타냅니다. 연주곡 성향 (Instrumentalness) 트랙에 보컬이 포함되어 있는지에 대한 0.0-1.0 예측치입니다. 0.5 이상은 연주곡일 가능성이 높음을 시사합니다. '오'나 '아' 소리는 연주음으로 간주됩니다. 말하기 성향 (Speechiness) 음성 언어의 존재 여부를 측정하는 0.0-1.0 수치입니다. 팟캐스트 스타일의 콘텐츠는 높은 점수를, 순수 연주곡은 낮은 점수를 받습니다. 알고리즘 노출 영역 Discover Weekly 청취자가 이전에 들어본 적 없는 30개의 트랙으로 구성된 개인 맞춤형 플레이리스트로, 매주 월요일에 업데이트됩니다. 주로 협업 필터링을 기반으로 합니다. 전체 설명 보기 → Release Radar 팔로우하는 아티스트와 유사한 아티스트의 신곡으로 구성된 개인 맞춤형 플레이리스트로, 매주 금요일에 업데이트됩니다. 발매 최소 7일 전 Spotify for Artists를 통해 피칭해야 합니다. 라디오 (Radio) 특정 곡이나 아티스트와 유사한 트랙으로 자동 생성된 재생 대기열입니다. 음향적 유사성을 위해 오디오 분석을, 청취자 중복을 위해 협업 필터링을 사용합니다. 자동 재생 (Autoplay) 플레이리스트나 앨범이 끝났을 때 음악을 계속 재생하는 기능입니다. 라디오와 동일한 신호를 사용하여 재생 세션을 무기한 연장합니다. Daily Mix 저장한 음악과 유사한 트랙을 장르나 분위기별로 그룹화한 4-6개의 플레이리스트 세트입니다. 매일 업데이트됩니다. AI DJ 합성 음성 해설이 포함된 개인 맞춤형 라디오 경험입니다. 다른 영역과 동일한 개인화 엔진을 사용하지만 아티스트와 트랙에 대한 음성 맥락을 추가합니다. 전체 설명 보기 → 홍보 도구 Discovery Mode 아티스트가 라디오, 자동 재생 및 믹스에서 발생하는 스트리밍에 대해 30%의 수수료를 차감하는 대신 추천 가능성을 높이는 로열티 공유 계약입니다. 전체 설명 보기 → Marquee 신곡 발매(21일 이내) 시 모바일 앱을 여는 타겟 청취자에게 표시되는 전체 화면 팝업 광고입니다. Campaign Kit의 일부이며 클릭당 비용(CPC)으로 책정됩니다. Showcase 모든 발매 곡에 대해 Spotify 홈 피드에 표시되는 배너 광고입니다. Campaign Kit의 일부이며 클릭당 비용(CPC)으로 책정됩니다. 전체 설명 보기 → Canvas 모바일에서 트랙 재생 시 배경으로 표시되는 3-8초 분량의 루프 영상입니다. 직접적인 알고리즘 요소는 아니지만 청취자가 시청하고 저장하도록 유도하여 참여 지표를 개선할 수 있습니다. 기술 개념 탐색 vs 활용 (Exploration vs exploitation) 사용자가 좋아할 것으로 알려진 콘텐츠를 표시하는 것(활용)과 선호도를 파악하기 위해 새로운 콘텐츠를 테스트하는 것(탐색) 사이에서 BaRT가 관리하는 균형입니다. 신규 사용자는 더 많은 탐색을, 기존 사용자는 더 많은 활용을 경험합니다. 콜드 스타트 문제 (Cold start problem) 청취 기록이 없는 신규 아티스트나 신규 사용자를 위해 음악을 추천할 때 발생하는 과제입니다. 오디오 분석은 행동 데이터 없이도 음향적 유사성 추천을 가능하게 하여 이 문제를 해결하는 데 도움을 줍니다. 엡실론-그리디 전략 (Epsilon-greedy strategy) 탐색과 활용의 균형을 맞추기 위해 BaRT가 사용하는 특정 알고리즘입니다. 대부분의 경우 활용(높은 신뢰도의 추천 표시)을 수행하며, 가끔 탐색(데이터 수집을 위해 불확실한 추천 표시)을 수행합니다. 맥락적 밴딧 (Contextual bandit) 맥락에 따라 최적의 행동을 학습하는 머신러닝 프레임워크입니다. BaRT는 추천 시 사용자 맥락(시간대, 기기, 최근 활동)을 고려하는 맥락적 밴딧 시스템입니다. 스펙트로그램 (Spectrogram) 시간에 따른 소리 주파수를 시각적으로 표현한 것입니다. Spotify의 CNN은 스펙트로그램을 분석하여 원시 파형에서 오디오 특징을 추출합니다. 마이크로 장르 (Microgenre) 개인화를 위해 사용되는 세분화된 하위 장르 분류입니다. Spotify는 청취 패턴과 오디오 특성을 기반으로 방대한 마이크로 장르 분류 체계를 유지합니다. 청취자 세그먼트 활성 청취자 (활성 listener) 지난 28일 이내에 활성 소스(아티스트 프로필, 발매 페이지, 개인 플레이리스트, 검색)를 통해 의도적으로 귀하의 음악을 찾아 듣는 청취자입니다. 월간 활성 청취자 (월간 active listener) 단순한 수동적 플레이리스트나 라디오 노출이 아닌, 활성 소스를 통해 의도적으로 스트리밍한 월간 청취자의 하위 집합입니다. 프로그램된 청취자 (Programmed listener) 알고리즘이나 에디터 플레이리스트를 통해 귀하의 음악을 접했지만, 능동적으로 찾아 듣지는 않은 청취자입니다. 플랫폼 개념 30초 규칙 (30-second rule) 청취자가 트랙을 30초 이상 재생해야만 로열티와 참여 지표에 계산됩니다. 30초 이전의 건너뛰기는 수익을 발생시키지 않으며 부정적인 신호를 보냅니다. 전체 설명 보기 → 1,000회 스트리밍 기준 (1,000-stream threshold) 2024년부터 트랙은 로열티를 발생시키기 위해 12개월 동안 1,000회 이상의 스트리밍을 누적해야 합니다. 이 기준 미만의 스트리밍은 지급되지 않습니다. 인기 지수 (Popularity index) 최근 스트리밍 속도를 기준으로 Spotify가 각 트랙과 아티스트에게 부여하는 0-100점입니다. 점수가 높을수록 플랫폼 평균 대비 더 빠른 성장을 의미합니다. 전체 설명 보기 → 취향 프로필 (Taste profile) 청취 기록, 저장, 건너뛰기 및 플레이리스트 활동을 기반으로 Spotify가 각 사용자별로 구축하는 알고리즘 모델입니다. 모든 개인 맞춤형 추천의 기반이 됩니다. 포함된 항목: Spotify 알고리즘 작동 원리 [2026] → 관련 학습 완전 가이드 Spotify 알고리즘 작동 원리 [2026] FAQ Spotify BaRT 알고리즘: 홈 피드 작동 원리 FAQ Spotify 협업 필터링: 작동 원리 [2026] 사용 가이드 Spotify 오디오 분석: CNN과 13가지 오디오 특징 가격 보기 →