Hopp til innhold

Dynamoi-læring

Spotify-algoritme-termer: BaRT, lagringsrate og mer

En referanseguide til de tekniske termene bak Spotifys anbefalingsmotor. Dekker BaRT, kollaborativ filtrering, lydfeuturer og engasjementsmetrikker.

FAQ 5 min lesing
A detailed scientific illustration depicting the inner workings of the Spotify algorithm as a complex, elegant machine.

Nøkkelpunkt

Denne ordlisten definerer de tekniske termene brukt for å beskrive hvordan Spotifys anbefalingssystem fungerer. Bruk den som en referanse når du leser om algoritmiske spillelister, engasjementsoptimalisering eller plattformstrategi.

Kjernesystemer

BaRT (Bandits for Recommendations as Treatments)

AI-systemet som styrer Spotifys Home-skjerm-anbefalinger. BaRT bruker en multi-armed bandit-tilnærming for å balansere exploitation (vise innhold den vet du liker) med exploration (teste nytt innhold for å lære mer om dine preferanser). Full forklaring →

Kollaborativ filtrering

En anbefalingsteknikk som identifiserer mønstre i hva lignende lyttere liker. Hvis lyttere som lagret låten din også lagrer Låt B, er algoritmen mer sannsynlig å anbefale Låt B til nye lyttere av musikken din. Dette driver «Fans Also Like»-assosiasjoner og mye av Discover Weekly. Full forklaring →

Lydanalyse

Prosessen med å trekke ut målbare feuturer fra en låts rå lydbølgeform. Spotify bruker konvolusjonelle nevrale nettverk (CNN-er) for å analysere spektrogrammer og detektere karakteristikker som tempo, toneart, energi og stemning. Dette muliggjør soniske likhetsanbefalinger for Radio og Autoplay. Full forklaring →

Naturlig språkprosessering (NLP)

Algoritmens evne til å forstå tekstkontekst. Spotifys NLP-komponent analyserer spillelistetitler, sangtekster, bloggomtaler og sosiale medier-diskusjoner for å forstå kulturell kontekst rundt musikk.


Engasjementsmetrikker

Lagringsrate

Prosentandelen av lyttere som lagrer låten din til biblioteket sitt. Beregnet som lagringer ÷ unike lyttere. En høy lagringsrate signaliserer sterk lytterintensjon og er én av de viktigste prediktorene for algoritmisk suksess. Full forklaring →

Skip-rate

Prosentandelen av strømmer hvor lytteren skipper før en viss terskel, ofte 30-sekunders-merket. Høye tidlige skip-rater lærer algoritmen at låten din er en dårlig fit for publikummet den ble vist til.

Fullføringsrate

Prosentandelen av lyttere som spiller en låt fra start til slutt. Høye fullføringsrater indikerer sterk retensjon og bidrar positivt til algoritmisk scoring.

Gjenta-lytting-rate

Hvor ofte individuelle lyttere returnerer for å spille samme låt flere ganger. Høye gjentakelsesrater signaliserer dypt engasjement og kan trigge «superlytter»-klassifisering.

Strøm-til-lytter-forhold

Gjennomsnittlig antall strømmer per unik lytter over en tidsperiode. Et forhold over 1,0 indikerer gjentakelseslytting. Høyere forhold antyder dedikerte fans i stedet for engangs-tilfeldige spillinger.


Lydfeuturer

Tempo

Hastigheten av en låt målt i slag per minutt (BPM). Spenner fra 0–250 BPM.

Energy

En 0,0–1,0-måling av intensitet og aktivitet. Kombinerer dynamisk område, oppfattet loudness, timbre, onset-rate og entropi. Death metal skårer høyt; ambient-musikk skårer lavt.

Valence

En 0,0–1,0-måling av musikalsk positivitet. Høy valens (0,8+) høres glad eller euforisk ut. Lav valens (0,2 eller under) høres trist, melankolsk eller sint ut.

Danceability

En 0,0–1,0-score av hvor egnet en låt er for dansing basert på tempo, rytmestabilitet, slagstyrke og regelmessighet.

Acousticness

En 0,0–1,0-tillitsmåling av om en låt er akustisk. En verdi på 1,0 indikerer høy tillit at låten ikke inneholder elektroniske eller forsterkede instrumenter.

Instrumentalness

En 0,0–1,0-prediksjon av om en låt inneholder vokal. Verdier over 0,5 antyder instrumentale låter. «Ooh»- og «aah»-lyder behandles som instrumentale.

Speechiness

En 0,0–1,0-måling av talt ord-tilstedeværelse. Podcast-stil-innhold skårer høyt; ren instrumental musikk skårer lavt.


Algoritmiske flater

Discover Weekly

En personalisert spilleliste av 30 låter lytteren ikke har hørt før, oppdatert hver mandag. Primært drevet av kollaborativ filtrering. Full forklaring →

Release Radar

En personalisert spilleliste av nye utgivelser fra fulgte artister og lignende akter, oppdatert hver fredag. Krever pitching gjennom Spotify for Artists minst 7 dager før utgivelse.

Radio

En auto-generert kø av låter lignende en seed-sang eller -artist. Bruker lydanalyse for sonisk likhet og kollaborativ filtrering for publikumsoverlapp.

Autoplay

Funksjonen som fortsetter å spille musikk når en spilleliste eller et album slutter. Drevet av samme signaler som Radio, og forlenger lyttingsøkten på ubestemt tid.

Daily Mix

Et sett med 4–6 spillelister som grupperer din lagrede musikk og lignende låter per sjanger eller stemning. Oppdateres daglig.

AI DJ

En personalisert radioopplevelse med syntetisert stemmekommentar. Bruker samme personaliseringsmotor som andre flater men legger til talt kontekst om artister og låter. Full forklaring →


Promosjonelle verktøy

Discovery Mode

En royalty-delingsordning hvor artister aksepterer et 30 % kommisjonskutt på strømmer fra Radio, Autoplay og Mixes i bytte for økt anbefalingssannsynlighet. Full forklaring →

Marquee

En fullskjerm pop-up-annonse for nye utgivelser (innen 21 dager), vist når målrettede lyttere åpner mobilappen. Del av Campaign Kit; pay-per-klikk-prising.

Showcase

En bannerannonse på Spotifys Home-feed for enhver utgivelse. Del av Campaign Kit; pay-per-klikk-prising. Full forklaring →

Canvas

En loopende 3–8 sekunders video som spiller bak låten din på mobil. Ikke direkte algoritmisk, men kan forbedre engasjementsmetrikker ved å oppmuntre lyttere til å se og lagre.


Tekniske konsepter

Exploration vs exploitation

Avveiningen BaRT administrerer mellom å vise deg innhold den vet du liker (exploitation) og å teste nytt innhold for å lære dine preferanser (exploration). Nye brukere får mer exploration; etablerte brukere får mer exploitation.

Kaldstartproblem

Utfordringen med å anbefale musikk for nye artister eller nye brukere som ikke har lyttingshistorie. Lydanalyse hjelper å løse dette ved å muliggjøre soniske likhetsanbefalinger uten atferdsdata.

Epsilon-greedy-strategi

Den spesifikke algoritmen BaRT bruker for å balansere exploration og exploitation. Mesteparten av tiden exploiterer den (viser høy-tillit-anbefalinger); av og til explorer den (viser usikre anbefalinger for å samle data).

Kontekstuell banditt

Et maskinlæringsrammeverk som lærer optimale handlinger basert på kontekst. BaRT er et kontekstuelt banditt-system som vurderer brukerkontekst (tid på dagen, enhet, nylig aktivitet) når det lager anbefalinger.

Spektrogram

En visuell representasjon av lydfrekvenser over tid. Spotifys CNN-er analyserer spektrogrammer for å trekke ut lydfeuturer fra rå bølgeformer.

Mikrosjanger

En granulær undersjanger-klassifisering brukt for personalisering. Spotify vedlikeholder en stor taksonomi av mikrosjangere basert på lyttingsmønstre og lydkarakteristikker.


Lyttersegmenter

Aktiv lytter

En lytter som bevisst søker ut musikken din fra aktive kilder (artistprofil, utgivelsessider, personlige spillelister, søk) innen de siste 28 dagene.

Månedlig aktiv lytter

Delmengden av månedlige lyttere som har bevisst strømmet fra aktive kilder, ikke bare passiv spillelisting eller Radio-eksponering.

Programmert lytter

En lytter som har hørt musikken din gjennom algoritmiske eller editorial-spillelister men ikke aktivt har søkt deg ut.


Plattformkonsepter

30-sekunders-regel

En strøm teller bare mot royalties og engasjementsmetrikker hvis lytteren spiller låten i 30 sekunder eller mer. Skips før 30 sekunder genererer ingen inntekt og sender negative signaler. Full forklaring →

1 000-strøm-terskel

Fra 2024 må låter akkumulere 1 000 strømmer innen en rullerende 12-måneders-periode for å generere royalties. Strømmer under denne terskelen betaler ikke ut.

Popularity Index

En 0–100-score Spotify tildeler hver låt og artist basert på nylig strømmehastighet. Høyere scorer indikerer raskere vekst relativt til plattformgjennomsnittet. Full forklaring →

Smaksprofil

Den algoritmiske modellen Spotify bygger for hver bruker basert på deres lyttingshistorie, lagringer, skips og spillelisteaktivitet. Driver alle personaliserte anbefalinger.