Hoppa till innehåll

Dynamoi-lärande

Spotify-algoritmtermer: BaRT, savenivå och mer

En referensguide till de tekniska termerna bakom Spotifys rekommendationsmotor. Täcker BaRT, kollaborativ filtrering, ljudfunktioner och engagemangsmått.

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

Nyckelinsikt

Denna ordlista definierar de tekniska termer som används för att beskriva hur Spotifys rekommendationssystem fungerar. Använd den som referens när du läser om algoritmiska spellistor, engagemangsoptimering eller plattformsstrategi.

Kärnsystem

BaRT (Bandits for Recommendations as Treatments)

AI-systemet som styr Spotifys Home-skärmsrekommendationer. BaRT använder en multi-armed bandit-approach för att balansera exploatering (visa innehåll den vet att du gillar) med utforskning (testa nytt innehåll för att lära sig mer om dina preferenser). Fullständig förklaring →

Kollaborativ filtrering

En rekommendationsteknik som identifierar mönster i vad liknande lyssnare gillar. Om lyssnare som sparade ditt spår också sparar Spår B är algoritmen mer benägen att rekommendera Spår B till nya lyssnare av din musik. Detta driver "Fans Also Like"-associationer och mycket av Discover Weekly. Fullständig förklaring →

Ljudanalys

Processen att extrahera mätbara funktioner från ett spårs råa ljudvågform. Spotify använder konvolutionella neurala nätverk (CNN:er) för att analysera spektrogram och upptäcka egenskaper som tempo, tonart, energi och stämning. Detta möjliggör soniska likhetsrekommendationer för Radio och Autoplay. Fullständig förklaring →

Naturlig språkbehandling (NLP)

Algoritmens förmåga att förstå textkontext. Spotifys NLP-komponent analyserar spellisttitlar, låttexter, bloggomnämnanden och sociala mediediskussioner för att förstå kulturell kontext runt musik.


Engagemangsmått

Savenivå

Procentandelen lyssnare som sparar ditt spår till sitt bibliotek. Beräknas som saves ÷ unika lyssnare. En hög savenivå signalerar stark lyssnaravsikt och är en av de viktigaste förutsägarna för algoritmisk framgång. Fullständig förklaring →

Skippningsnivå

Procentandelen streams där lyssnaren skippar före en viss tröskel, ofta 30-sekundersmärket. Höga tidiga skippningsnivåer lär algoritmen att ditt spår är en dålig passning för publiken det visades för.

Slutförandenivå

Procentandelen lyssnare som spelar ett spår från början till slut. Höga slutförandenivåer indikerar stark retention och bidrar positivt till algoritmisk poängsättning.

Upprepningslyssningsnivå

Hur ofta enskilda lyssnare återvänder för att spela samma spår flera gånger. Höga upprepningsnivåer signalerar djupt engagemang och kan utlösa "superlyssnar"-klassificering.

Stream-till-lyssnare-förhållande

Det genomsnittliga antalet streams per unik lyssnare över en tidsperiod. Ett förhållande över 1,0 indikerar upprepad lyssning. Högre förhållanden föreslår hängivna fans snarare än engångstillfälliga spelningar.


Ljudfunktioner

Tempo

Ett spårs hastighet mätt i slag per minut (BPM). Spänner från 0–250 BPM.

Energi

Ett 0,0–1,0-mått på intensitet och aktivitet. Kombinerar dynamiskt omfång, upplevd ljudstyrka, klangfärg, onset-hastighet och entropi. Dödsmetall poängsätter högt; ambientmusik poängsätter lågt.

Valens

Ett 0,0–1,0-mått på musikalisk positivitet. Hög valens (0,8+) låter glad eller euforisk. Låg valens (0,2 eller under) låter sorgsen, melankolisk eller arg.

Dansbarhet

Ett 0,0–1,0-poäng på hur lämpligt ett spår är för dans baserat på tempo, rytmstabilitet, taktslagstyrka och regelbundenhet.

Akustiskhet

Ett 0,0–1,0-konfidensmått på om ett spår är akustiskt. Ett värde på 1,0 indikerar hög konfidens att spåret inte innehåller elektroniska eller förstärkta instrument.

Instrumentalitet

Ett 0,0–1,0-förutsägelse av om ett spår innehåller sång. Värden över 0,5 föreslår instrumentalspår. "Ooh"- och "aah"-ljud behandlas som instrumentala.

Talighet

Ett 0,0–1,0-mått på talat ord-närvaro. Podcaststilinnehåll poängsätter högt; ren instrumentalmusik poängsätter lågt.


Algoritmiska ytor

Discover Weekly

En personaliserad spellista med 30 spår lyssnaren inte har hört tidigare, uppdaterad varje måndag. Drivs primärt av kollaborativ filtrering. Fullständig förklaring →

Release Radar

En personaliserad spellista med nya releases från följda artister och liknande akter, uppdaterad varje fredag. Kräver pitching genom Spotify for Artists minst 7 dagar före release.

Radio

En autogenererad kö av spår liknande ett fröspår eller artist. Använder ljudanalys för sonisk likhet och kollaborativ filtrering för publiksöverlapp.

Autoplay

Funktionen som fortsätter spela musik när en spellista eller ett album slutar. Drivs av samma signaler som Radio, och förlänger lyssningssessionen obegränsat.

Daily Mix

En uppsättning av 4–6 spellistor som grupperar din sparade musik och liknande spår per genre eller stämning. Uppdateras dagligen.

AI DJ

En personaliserad radioupplevelse med syntetiserad röstkommentar. Använder samma personaliseringsmotor som andra ytor men lägger till talad kontext om artister och spår. Fullständig förklaring →


Promotionsverktyg

Discovery Mode

Ett royaltydelningsarrangemang där artister accepterar ett 30 % provisionsavdrag på streams från Radio, Autoplay och Mixes i utbyte mot ökad rekommendationssannolikhet. Fullständig förklaring →

Marquee

En helskärmspopup-annons för nya releases (inom 21 dagar), visad när riktade lyssnare öppnar mobilappen. Del av Campaign Kit; betala-per-klick-prissättning.

Showcase

En bannerannons på Spotifys Home-feed för vilken release som helst. Del av Campaign Kit; betala-per-klick-prissättning. Fullständig förklaring →

Canvas

En loopande 3–8-sekundersvideo som spelas bakom ditt spår på mobilen. Inte direkt algoritmisk, men kan förbättra engagemangsmått genom att uppmuntra lyssnare att titta och spara.


Tekniska begrepp

Utforskning vs exploatering

Avvägningen BaRT hanterar mellan att visa dig innehåll den vet att du gillar (exploatering) och att testa nytt innehåll för att lära sig dina preferenser (utforskning). Nya användare får mer utforskning; etablerade användare får mer exploatering.

Kallstartsproblem

Utmaningen att rekommendera musik för nya artister eller nya användare som inte har någon lyssningshistorik. Ljudanalys hjälper lösa detta genom att möjliggöra soniska likhetsrekommendationer utan beteendedata.

Epsilon-girig strategi

Den specifika algoritm BaRT använder för att balansera utforskning och exploatering. För det mesta exploaterar den (visar högsäkra rekommendationer); ibland utforskar den (visar osäkra rekommendationer för att samla data).

Kontextuell bandit

Ett maskininlärningsramverk som lär sig optimala handlingar baserat på kontext. BaRT är ett kontextuellt banditsystem som beaktar användarkontext (tid på dagen, enhet, senaste aktivitet) när det gör rekommendationer.

Spektrogram

En visuell representation av ljudfrekvenser över tid. Spotifys CNN:er analyserar spektrogram för att extrahera ljudfunktioner från råa vågformer.

Mikrogenre

En granulär subgenreklassificering använd för personalisering. Spotify upprätthåller en stor taxonomi av mikrogenrer baserat på lyssningsmönster och ljudegenskaper.


Lyssnarsegment

Aktiv lyssnare

En lyssnare som avsiktligt söker din musik från aktiva källor (artistprofil, releasesidor, personliga spellistor, sök) inom de senaste 28 dagarna.

Månatlig aktiv lyssnare

Delmängden av månatliga lyssnare som har avsiktligt streamat från aktiva källor, inte bara passiv spellistning eller Radio-exponering.

Programmerad lyssnare

En lyssnare som har hört din musik genom algoritmiska eller redaktionella spellistor men inte aktivt sökt dig.


Plattformskoncept

30-sekundersregeln

En stream räknas bara mot royalties och engagemangsmått om lyssnaren spelar spåret i 30 sekunder eller mer. Skips före 30 sekunder genererar ingen intäkt och skickar negativa signaler. Fullständig förklaring →

1 000-streams-tröskeln

Från 2024 måste spår ackumulera 1 000 streams inom en rullande 12-månadersperiod för att generera royalties. Streams under denna tröskel betalar inte ut.

Popularitetsindex

Ett 0–100-poäng Spotify tilldelar varje spår och artist baserat på senaste streaminghastighet. Högre poäng indikerar snabbare tillväxt relativt plattformsgenomsnittet. Fullständig förklaring →

Smakprofil

Den algoritmiska modell Spotify bygger för varje användare baserat på deras lyssningshistorik, saves, skips och spellistaktivitet. Driver alla personaliserade rekommendationer.