BaRT significa Bandits for Recommendations as Treatments (Bandidos para Recomendações como Tratamentos). É o sistema de IA que governa o que aparece na tela inicial de um usuário do Spotify, incluindo a ordem das playlists, as músicas dentro dessas playlists e o texto explicativo que acompanha as recomendações.
A nomenclatura vem de uma técnica de aprendizado de máquina chamada "multi-armed bandits" (bandidos multi-braços), que ajuda o algoritmo a decidir quando jogar seguro com músicas familiares versus quando introduzir algo novo.
Como o BaRT organiza a tela inicial
A tela inicial do Spotify é estruturada como linhas de playlists chamadas "shelves" (prateleiras) (como "Feito para você" ou "Inspirado pela sua audição recente"), com playlists individuais dentro dessas prateleiras chamadas "cards" (cartões).
O BaRT tem dois trabalhos:
- Classificar os cards dentro de cada prateleira - decidindo quais playlists aparecem primeiro
- Classificar as próprias prateleiras - decidindo quais linhas de conteúdo aparecem no topo da sua tela
Essa classificação é personalizada em tempo real com base no seu histórico de audição, na hora do dia e em como você respondeu a recomendações anteriores.
Como o BaRT Equilibra Exploração vs. Exploração?
O BaRT equilibra constantemente dois modos:
O modo Exploração (Exploitation) recomenda conteúdo que o sistema tem certeza de que você vai gostar. Ele se baseia no seu histórico de audição, músicas salvas, faixas puladas e atividade de playlist para prever o que o manterá ouvindo.
O modo Exploração (Exploration) recomenda conteúdo sobre o qual o sistema está incerto. Isso serve a dois propósitos: ajuda o Spotify a aprender mais sobre suas preferências e apresenta músicas que você talvez não encontrasse de outra forma.
O equilíbrio entre esses modos é gerenciado por uma estratégia "epsilon-greedy". Na maioria das vezes, o BaRT explora o que sabe sobre você. Ocasionalmente, ele explora para coletar novas informações.
Para novos usuários com pouco histórico de audição, o BaRT se inclina mais pesadamente para a exploração. Para usuários de longa data com preferências estabelecidas, ele se inclina mais para a exploração (exploitation).
O que é o Sinal de Sucesso de 30 Segundos?
O BaRT mede seu próprio desempenho usando um limite simples: se um ouvinte transmitir uma faixa recomendada por mais de 30 segundos, a recomendação é contada como bem-sucedida.
Quanto mais tempo alguém ouve uma playlist recomendada ou sessão de rádio, mais confiança o BaRT ganha em suas previsões para esse usuário. É por isso que os skips iniciais prejudicam seu alcance algorítmico (/learn/playlist-pitching/spotify-30-second-rule-explained) - eles ensinam ao BaRT que a recomendação falhou.
Quais são as Três Fontes de Dados que o BaRT Utiliza?
O BaRT não funciona sozinho. Ele utiliza três pipelines principais de dados:
| Fonte de dados | O que captura | Como ajuda |
|---|---|---|
| Filtragem colaborativa | Padrões no que ouvintes semelhantes gostam | "Fãs do Artista X também gostam do Artista Y" |
| Análise de áudio | Tempo, tom, energia, timbre | Encontra faixas sonoramente semelhantes para o Rádio |
| Processamento de linguagem natural | Letras, títulos de playlists, menções em blogs | Entende o contexto de humor e gênero |
Esses sinais alimentam o BaRT, que então decide como ponderá-los para cada usuário individualmente.
O que isso significa para os artistas
O BaRT não é um guardião para o qual você pode fazer um pitch. É um motor de previsão que aprende com o comportamento do ouvinte.
Altas saves e baixos skips ensinam ao BaRT que sua música satisfaz os ouvintes para os quais foi mostrada. Isso aumenta a probabilidade de recomendações futuras.
Altos skips e baixas saves ensinam ao BaRT que a recomendação foi inadequada. O sistema se torna menos propenso a mostrar sua faixa a ouvintes semelhantes.
A única maneira de influenciar o BaRT é enviar sinais positivos por meio do engajamento genuíno do ouvinte. Isso significa otimizar para a taxa de save (/learn/spotify-promotion/what-is-a-good-spotify-save-rate), taxa de conclusão e ouvidas repetidas, em vez de contagens brutas de streams.
Como o BaRT se Compara com Outros Sistemas do Spotify?
O BaRT lida especificamente com a tela inicial e as recomendações de prateleiras personalizadas. Outras superfícies algorítmicas têm sua própria lógica:
- Discover Weekly é atualizado toda segunda-feira usando filtragem colaborativa
- Release Radar é atualizado toda sexta-feira e prioriza artistas seguidos
- Rádio e Autoplay usam similaridade de áudio e sinais de continuação de sessão
Esses sistemas compartilham dados, mas operam de forma independente. Uma faixa que tem um bom desempenho nas recomendações da tela inicial do BaRT também pode ser capturada pelo Rádio, mas não há cruzamento garantido.
Que Pesquisa Está Por Trás do BaRT?
A pesquisa fundamental foi publicada por engenheiros do Spotify em 2018 com o título "Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits". O artigo descreve como o BaRT aprende a prever a satisfação do usuário para qualquer combinação de item, explicação e contexto.
Desde então, o Spotify continuou a refinar a abordagem. Um artigo de pesquisa de 2025 descreve o uso de bandidos contextuais para calibrar tipos de conteúdo (música, podcasts, audiolivros) dentro de listas de recomendação, adaptando-se às preferências em evolução dos usuários em tempo real.