BaRT Baş Ekranı Nasıl Düzenler
Spotify'nın Ana Ekranı, " raflar " (örneğin " Sizin için yapılmış " veya " Son dinlemenizden ilham alınmıştır) olarak adlandırılan çalma listelerinin sırası olarak yapılandırılmıştır. Bu raflar içinde " kartlar " adı verilen bireysel çalma listeleri bulunur.
BaRT'nin iki işi var:
- Her rafın içindeki kartları sıralamak - hangisinin ilk olarak hangi çalma listelerinin ortaya çıktığını belirlemek
- Satırlama rafları kendileri - ekranınızın üst kısmında hangi içerik satırlarının göründüğünü belirlemek
Bu sıralama dinleme geçmişinize, günün saatine ve önceki önerilere nasıl tepki verdiğinize göre gerçek zamanlı olarak kişiselleştirilir.
BaRT Araştırma ile İstiham Nasıl Dengeleşir?
BaRT sürekli olarak iki modun dengesini sağlar:
Kendirme modunda sistemin beğeneceğinizden emin olduğunuz içeriği önerir. Ses yayımlamanızı nasıl sağlayacağınızı tahmin etmek için dinleme geçmişinizi, kaydedilen şarkıları, atlanmamış parçaları ve çalma listesinin etkinliğini kullanır.
Kahkaha modunda sistemin belirsiz olduğu içerik önerir. Bu iki amaçla hizmet eder: Spotify'a tercihleriniz hakkında daha fazla bilgi edinmenize yardımcı olur ve başka türlü bulamaz olabileceğiniz müzikle tanıştırır.
Bu modlar arasındaki denge "epsilon açgözlülük" stratejisi ile yönetilir.
Az dinleme geçmişi olan yeni kullanıcılar için, BaRT daha fazla keşif üzerine eğilir.
30 saniyelik Başarılılık Sinyalı Nedir?
BaRT kendi performansını basit bir eşiği kullanarak ölçüyor: Eğer bir dinleyici önerilen bir şarkıyı ** 30 saniyeden fazla süre boyunca yayınlarsa**, önerme başarılı sayılır.
Bir kişi önerilen bir çalma listesini veya radyo seansını ne kadar uzun süre dinlerse, BaRT o kullanıcı için tahminlerine o kadar güven kazanır. Bu yüzden erken atlamalar algoritmik erişimi incitir. - BaRT'ye tavsiyenizin başarısız olduğunu öğrettiler.
BaRT'nin Üç Veri Kaynağı Nedir?
BaRT tek başına çalışmıyor.
| Veriler Kaynağı | Neyi yakalar? | Nasıl yardımcı oluyor? |
|---|---|---|
| İşbirlikte filtreleme | Benzer dinleyicilerin zevk aldığı örnekler | "Artist X'in hayranları da Artist Y'yi seviyor" |
| ** Ses analizi** | Tempo, anahtar, enerji, timbre | Radyo için sonik olarak benzer parçalar bulur |
| Doğal dil işleme | Şarkı sözleri, çalma listesi başlıkları, blog bahşeleri | Ruh halini ve tür bağlamını anlıyor. |
Bu sinyaller BaRT'ye aktarılır ve sonra her kullanıcı için nasıl ağırlıklandırılacağına karar verir.
Bu sanatçılar için ne anlama geliyor?
BaRT, bir kapı bekçisi değil, bir dinleyicinin davranışlarından öğrenen bir tahmin motoru.
** Yüksek tasarruflar ve düşük sıçramalar** BaRT'ye müzikinizin gösterilen dinleyicileri memnun ettiğini öğretir. Bu da gelecekteki önerilerin olasılığını artırır.
** Yüksek atlamalar ve düşük savlar** BaRT'ye önerinin eşleşmemesi gerektiğini öğretir.
BaRT'yi etkilemenin tek yolu, gerçek dinleyicilerle etkileşim yoluyla olumlu sinyaller göndermektir. Bu, ham akış sayımlarının yerine tasarruf oranı, tamamlama oranı ve tekrar dinleyicileri için optimize edilmeyi gerektirir.
BaRT Spotify'ın Diğer Sistemleriyle Nasıl karşılaştırılır?
BaRT özellikle Ana ekrani ve kişiselleştirilmiş raf önerilerini ele alıyor. Diğer algoritmik yüzeylerin kendi mantığı vardır:
- ** Discover Weekly** her Pazartesi günü işbirliği filtresi kullanarak yenilenebilir.
- Radar her Cuma güncellemeleri ve öncelikleri sanatçıları takip ediyor
- Radio ve Autoplay ses benzerliği ve seans devamı sinyallerini kullanır
Bu sistemler verileri paylaşır, ancak bağımsız olarak çalışır. BaRT'nin Ev önerilerinde iyi performans gösteren bir parça da radyo tarafından ele alınabilir, ancak garantili bir çaprazlama yoktur.
BaRT'nin Arkasında Ne Araştırma Var?
Temel araştırma, 2018 yılında Spotify mühendisleri tarafından "Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits" başlığı altında yayınlandı. Kağıt, BaRT'nin bir öğenin, açıklamanın ve bağlamın herhangi bir kombinasyonunda kullanıcı memnuniyetini nasıl tahmin etmeyi öğrendiğini açıklıyor.
O zamandan beri Spotify bu yaklaşımı geliştirmeye devam etti. 2025'te yapılan bir araştırma makalesinde, kullanıcıların değişen tercihlerine uyararak, gerçek zamanlı olarak öneriler listesi içinde içerik türlerini (müzik, podcast, sesli kitaplar) kalibrlemek için bağlamlı banditlerin kullanıldığını açıklıyor.