Jak funkcjonują algorytmiczne listy odtwarzania Apple Music
Apple stosuje hybrydową metodę rekomendacji łączącą filtrowanie współpracy z analizą opartą na treści.
** Filtrujące w sposób współpracujący** identyfikuje wzorce w milionach użytkowników. Jeśli słuchacze, którzy kochają artystę A, również strumią artystę B, system uczą się tego połączenia bez zrozumienia, dlaczego muzyka jest podobna.
Filtrując treści analizuje sam dźwięk: tempo, klucz, instrumenty, poziom energii i cechy głosowe.
Apple łączy te podejścia, wykorzystując wbudowy w stylu Word2Vec, które przedstawiają utwory i artystów jako wektory w dużej wymiarze.
Główne mieszanki algorytmiczne
Każdy spersonalizowany mieszankę służy inny tryb odkrycia i reaguje na różne sygnały:
| Mieszanie | Aktualizacja częstotliwości | Co to robi | Sygnały podstawowe |
|---|---|---|---|
| ** Ciężka mieszanina rotacyjna** | Codziennie | Widać 25 najczęściej odtwarzanych piosenek z ostatnich 30 dni | Ostatnia częstotliwość odtwarzania, powtarzające się słuchanie |
| Wymieszanie ulubionych | Tydniowe (wtorki) | Rysunki z głębokich danych historycznych plus ślady gwiazd | Długotrwałe faworyty, dodaje biblioteka, powtarzające się zachowania przez lata |
| Nowy Mix Muzyka | Tydniowe (w piątki) | Nowe wydania artystów i podobnych artystów | W następstwie, dodaje biblioteka, wcześniejszy kontakt z podobnymi artystami |
| Wstań! | Tydniowe | Ścieżki o wysokiej energii dopasowane do kontekstu treningu i aktywności | Analiza akustyczna, tempo, klasyfikacja energii |
| ** Chill Mix** | Tydniowe | Łagodne, zrelaksowane tory do skupienia się lub przerwy | Analiza akustyczna, odczucie lyryczne, klasyfikacja niskoenergetyczna |
| Stacja odkrycia | Nieprzerwanie | Algoritmiczne radio, które testowały sąsiednie artystów na podstawie wzorców słuchania | Dłużenie sesji, niskie wskaźniki przejścia, konsekwencja zaangażowania |
Hierarchię sygnałów: co najważniejsze dla jabłka
System zaleceń Apple dyskryminuje różne rodzaje interakcji użytkowników.
| Sygnał | Rodzaj | Waga algorytmiczna | Co mówi Apple |
|---|---|---|---|
| Księgi Add | Aktywny | Najwyższy | Użytkownik chce stałego dostępu; najsilniejszy sygnał afinity |
| **Umiana (gwiazda) ** | Aktywny | Bardzo wysoki | Wyraźna preferencja; zwiększa widoczność artysty na powierzchni |
| ** Dodać listę odtwarzania** | Aktywny | Wysoki | Dane kontekstowe dotyczące sposobu, w jaki utwór pasuje do życia słuchacza |
| Wykonawczość | Pasywny | Średnie | Użytkownik zaangażowany w cały ścieżkę; zatwierdza zalecenie |
| Powtórz gry | Pasywny | Wysoki | Ścieżka ma moc stawania; sygnały prawdziwej przywiązania |
| Skip (< 30 lat) | Pasywny | Negatywny | /Nie przywiązuje priorytetu do ścieżki i podobnych piosenek. |
| "Zaleca mniejsze" | Aktywny | Negatywny | Filtr twardego na ścieżkę lub artystę |
Wyłączenia biblioteki są najważniejszym sygnałem. W przeciwieństwie do zapisów na innych platformach, dodatek biblioteki Apple Music jest architektonicznie równoważny z "własnością," pozostałością modelu iTunes. Sygnalizuje pragnienie długoterminowego zachowania i silnie wpływa na zalecenia New Music Mix i Discovery Station.
Stopa zakończenia jest ważniejsza niż liczba gra. Płyta, która zaczyna się, ale przepływa przed 30 sekundami, wysyła negatywny sygnał.
Optymalizacja dla każdego rodzaju mieszaniny
Nowy mix muzyczny
Nowy Mix muzyczny zawiera nowe wydania artystów, których słuchacz podąża, a także podobnych artystów w oparciu o ich wzorce słuchania.
Do pojawienia się w kolejnych nowych mixów muzycznych:
Wystarczy liczyć zwolenników przed wypuszczeniem Usłyszcieli, którzy Cią śledzą, automatycznie mogą otrzymać nowe wydania w swoim Nowym Mixie Muzycznym.
Wytwarzać silne sygnały w pierwszym tygodniu Biblioteka doda i powtarza gry w ciągu pierwszych 7 dni, trenuj algorytm, aby poszerzyć swój zasięg.
Sprawy dotyczące czasu wydania Nowy Music Mix odświeża się w piątki. Wystarczenie na początku tygodnia zapewnia algorytmowi czas na zbieranie danych o zaangażowaniu przed odświeżeniem.
Utrzymuj spójność dźwiękową Algorytm umieści cię w przestrzeni wbudowanej na podstawie twoich cech dźwiękowych.
Mieszanka ulubionych
Favorites Mix wykorzystuje głębokie historyczne dane słuchania i wyraźne działania Favorites (gwiazdki).
Płyny pojawiają się w Mieszanie ulubionych , gdy:
- Słuchacz wystąpił (favoritował) utwór lub artystę
- Słuchacz wielokrotnie grał tę piosenkę przez miesiące lub lata
- /Prawa została dodana do biblioteki słuchacza.
Tip Przycisk Favourite (gwiazda) jest niewykorzystany. Kiedy użytkownik oznacza utwór jako Favourite, zapewnia, że utwór pojawia się w ich Mieszaniach Favourite i przesunięte wybory Autoplay. Zachęcaj fanów do jego użycia.
Ciężka mieszanina rotacyjna
Heavy Rotation Mix przedstawia 25 najczęściej odtwarzanych piosenek z ostatnich 30 dni.
Ta mieszanka jest wyłącznie reakcyjna na ostatnie zachowania słuchania. Nie można bezpośrednio "optymalizować" na Heavy Rotation, ale można stworzyć utwory, które nagradzają powtarzające się słuchanie.
Mieszanki oparte na nastroju (Wstań, chłodź)
Westań! i Chill wykorzystują analizę akustyczną i liryczną, aby dopasować energię i nastrój.
Czynniki wpływające na klasyfikację:
- Tempo i BPM
- Poziom energii w produkcji
- Intensywność i uczucie głosu
- Analiza treści lyrycznych
Jeśli śpiew brzmi jak piosenka treningowa (wysoki tempo, napędy), pojawia się w miksach Get Up! dla słuchaczy, którzy wykazali preferencję dla tego poziomu energii.
Stacja Discovery
Discovery Station to algorytmiczna stacja radiowa zaprojektowana do odkrywania. W przeciwieństwie do statycznych list odtwarzających, zachowuje się jak ciągłe testowanie: eksperymenty systemu z sąsiednimi artystami w czasie na podstawie wzorców słuchania.
Discovery Station wykorzystuje klastry smaku, grupy słuchaczy o podobnych wzorcach zachowania. Jeśli twój utwór dobrze wychodzi na jeden klaster (wysoka wypełnienie, niski skok), Apple testowuje go na sąsiednie klastry.
Kluczowym sygnałem dla Discovery Station jest przedłużenie sesji. Płyny, które utrzymują zainteresowanie słuchaczy przez sesję i w kolejnych płytach, są promowane. Płyny, które powodują wyjście lub przejścia, są depriorytetowane.
Pierwsze okna tygodnia
Wydarzenie tygodnia wydania nieproporcjonalnie kształtuje trajektorię algorytmiczną. System Apple wykorzystuje wczesne dane do decydowania, jak szeroko przetestować twój utwór w stosunku do nowych odbiorców.
Silne sygnały pierwszego tygodnia tworzą efekt skomponowania: początkowe zaangażowanie prowadzi do szerszego dystrybucji w spersonalizowanych miksach, co prowadzi do większej liczby słuchaczy, co generuje więcej sygnałów. Słabe osiągi pierwszego tygodnia ograniczają liczbę nowych słuchaczy, którzy widzą twój utwór.
Najpierw aktywuj swoją główną publiczność Twoi najbardziej zaangażowani fani powinni być w strumieniu w ciągu pierwszych 48-72 godzin.
Komunikować wartość biblioteki dodane Wielu przypadkowych fanów nie zdaje sobie sprawy, że dodawanie do swojej biblioteki pomaga.
Tworzyć muzykę, która nagradza pełnego słuchacza Ścieżki o silnych końcach zachowują uwagę i generują sygnały końcowe.
Użyj strategicznie hype przed wydaniem Występujące w pierwszym dniu strumienia przyczyniają się do przesyłania, ale nie bezpośrednio wywołują umieszczenia algorytmicznego.
Częste błędy w optymalizacji
Kupując nisko jakościowe strumienie
Jeśli odbiorcy, którzy przechodzą przed 30 sekundami, odbierają zimne kliknięcia, generuje się negatywne sygnały.
Ignorowanie stopnia zakończenia
Trace, które zaczynają się, ale przechodzą przed 30 sekundami, wysyłają negatywny sygnał, nawet jeśli gromadzi duże liczby graczy.
Wypuszczanie niespójne
Algorytm wykorzystuje pozycjonowanie gatunku i spójność dźwiękową, aby określić, które słuchacze otrzymują muzykę w zaleceniach.
Utrzymanie umieszczenia listy odtwarzania jako celu
Włączenie się do playlisty generuje strumienie, ale jeśli słuchacze przepuszczają lub nigdy nie wracają, sygnały są neutralne lub negatywne.
Mierzenie wydajności algorytmicznej
Apple Music dla artystów nie pokazuje bezpośrednio, na jakiej liście grającej występują twoje ścieżki.
- ** Źródło danych o grach**: Zobacz, jaki procent grach pochodzi z spersonalizowanych powierzchni w porównaniu z bezpośrednim wyszukiwaniem
- Wzrost nowych słuchaczy: Algorytmiczne dystrybucje napędzają odkrycie; rosnące liczby nowych słuchaczy sugerują aktywację algorytmu
- ** Rozszerzenie geograficzne**: Jeśli zobaczysz gry z nowych regionów bez bezpośredniego marketingu, to prawdopodobnie za to odpowiada dystrybucja algorytmiczna
- Przechodzenie przez tempo: wysokie wskaźniki zakończenia koreluje z korzyścią algorytmiczną
Jeśli sygnały są silne w pierwszym tygodniu, utrzymaj dynamikę dzięki świeżej treści i marketingowi, który utrzyma twoją główną publiczność zaangażowaną.
Relacja Algo-torialna
Apple prowadzi to, co analitycy w branży nazywają "algo-torialnym" modelem.
Kiedy redaktorzy wybierają utwór do listy odtwarzania, algorytm uczą się z tej decyzji.
Po tym jak ścieżka jest na liście odtwarzania, system Apple obserwuje, co czynią słuchacze. Wysokie wskaźniki zakończenia i biblioteka dodaje potwierdzenie, że zakład redakcyjny był prawidłowy, wywołując rozszerzone dystrybucje algorytmiczne. Niskie zaangażowanie sygnalizuje przeciwieństwo.
W ten sposób tworzy się cnotliwy lub zły krąg w zależności od zachowania słuchacza. silne pozycje redakcyjne, które wykonują dobrze, wpadają w kaskadzie w widoczność algorytmiczną.