域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

　　Spotify作為全球最大的正版流媒體音樂服務(wù)平臺(tái)之一，在產(chǎn)品發(fā)展過程中，最深得用戶喜愛的大多歸功于其音樂推薦系統(tǒng)，每次都能讓用戶聽到自己喜歡的歌曲。那么Spotify是如何做到如何了解用戶的?今天我就用超級(jí)產(chǎn)品戰(zhàn)略方法論為大家進(jìn)行分析。

　　對(duì)于Spotify的用戶來說，每周收到Spotify的Discover Weekly早已成為習(xí)慣，這其中包括了30首不同風(fēng)格，但用戶卻從未聽過的歌曲，神奇的是每一首歌曲都能夠讓用戶感到滿意。

　　“Spotify是我最喜歡的音樂應(yīng)用軟件，尤其是Discover Weekly，我覺得它是那么的了解我，比任何人都了解我的音樂品味，每周推薦的音樂都讓我十分滿意，我甚至感覺不到它的存在，卻又覺得它無處不在。”這是一位Spotify的忠實(shí)用戶所說的話。

　　根據(jù)數(shù)據(jù)顯示，大部分Spotify的用戶都沉迷于 Discover Weekly，它有著大量的粉絲，甚至Spotify一位這個(gè)功能太過于受歡迎而重新思考企業(yè)的商業(yè)模式，投入大量資源目的就是為了讓每周推薦更加精準(zhǔn)。

　　從2015年Spotify推出 Discover Weekly后，使用Spotify的用戶數(shù)量與日俱增。那么 Spotify是如何向每位用戶精準(zhǔn)地推薦那30首音樂的?

　　在這之前，我們可以將Spotify和其他音樂公司進(jìn)行對(duì)比。

　　說到推薦音樂的功能，大家肯定都不陌生，早在2000年，Songza這家企業(yè)就開始做起了音樂推薦，不過那時(shí)是通過人工篩選歌曲推薦給用戶，Songza也會(huì)邀請(qǐng)業(yè)內(nèi)人士制作歌單。然而，無法避免的是那些業(yè)內(nèi)人士在選擇歌單時(shí)都會(huì)偏向于自己的音樂品味，并不是以用戶的音樂品味進(jìn)行選擇的。

　　隨著時(shí)間的推移，前者已經(jīng)做出了錯(cuò)誤的示范，后者則是進(jìn)行改進(jìn)，身為音樂推薦領(lǐng)域的早期企業(yè) Pandora ，它根據(jù)用戶關(guān)鍵詞來描述每一首歌，將這些歌曲打上對(duì)應(yīng)的標(biāo)簽，隨后通過代碼篩選歌曲，讓相似的音樂組成一組歌單推薦給用戶。

　　就在這時(shí)，來自麻省理工媒體實(shí)驗(yàn)室的一家音樂企業(yè)The Echo Next誕生了。

　　它的出現(xiàn)顛覆了整個(gè)音樂推薦領(lǐng)域，將滿足用戶個(gè)性化需求邁進(jìn)一大步。利用算法來分析歌曲的文本和旋律，識(shí)別音樂、個(gè)性化推薦、創(chuàng)建歌單以及分析音樂。將用戶可能喜歡的歌曲進(jìn)行篩選。

　　綜上所述，我們會(huì)發(fā)現(xiàn)這些音樂軟件的推薦功能，越來越完善，那么Spotify是如何構(gòu)建自己的音樂推薦系統(tǒng)，并脫穎而出的?

　　其實(shí)，Spotify并不是只采用了一種音樂推薦的方法，它結(jié)合了其他音樂軟件的推薦模式造就了自己獨(dú)一無二的推薦系統(tǒng)。

　　在Discover Weekly背后的三大超級(jí)產(chǎn)品戰(zhàn)略方法論：

　　1)分析用戶，挖掘用戶需求

　　2)處理音樂源文件和聲道

　　3)自然語(yǔ)言處理，分析文本

　　分析用戶行為，挖掘用戶需求的靈感取決于Spotify的競(jìng)爭(zhēng)對(duì)手Netflix，這是第一家運(yùn)用協(xié)同過濾技術(shù)來搭建音樂推薦系統(tǒng)的企業(yè)，它們采用評(píng)分制度來了解用戶，便于企業(yè)推薦給用戶和他們喜好相似的內(nèi)容。

　　自從這家企業(yè)獲得成功后，幾乎所有應(yīng)用軟件都采用了這項(xiàng)技術(shù)。

　　和Netflix不同的是，Spotify并沒有采取評(píng)分制，而是進(jìn)行隱性反饋對(duì)用戶進(jìn)行分析，舉個(gè)例子，在用戶聽完一首歌時(shí)，Spotify會(huì)提示是否需要將它收藏起來，或者用戶在聽完一首歌后是否有瀏覽該歌手的主頁(yè)。

　　通過這些分析對(duì)用戶的喜好進(jìn)行判斷，假設(shè)A和C兩位不同的用戶，他們喜歡的五首歌曲中，有三首的相同的，那么他們很有可能是品味相似的用戶，因此，他們會(huì)有很大的幾率喜歡對(duì)方喜歡，自己卻沒聽過的歌曲。

　　于是，將A喜歡的歌曲，但C卻沒聽過的歌曲推薦給C，將C喜歡的歌曲，A沒聽過的歌曲推薦給A。

　　通過上述分析，我們會(huì)發(fā)現(xiàn)Spotify的超級(jí)產(chǎn)品戰(zhàn)略所做的只是滿足了最基礎(chǔ)的用戶需求，滿足了用戶的好奇心，同時(shí)發(fā)現(xiàn)了音樂之間的相似性，為用戶推薦和他們歷史記錄中相似的音樂，讓他們聽到想聽的音樂。

　　如果你想更深層次了解Spotify，學(xué)習(xí)它如何打造產(chǎn)品，請(qǐng)關(guān)注“艾老思”公眾H

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！