音樂App的算法與算盤

陳穎、楊景詒 | 作者

李拓、劉冬宇 | 編輯

放大燈團隊 | 策劃

喺中國，幾家頭部互聯網音樂平台嘅曲庫規模共計超過7000萬首（如果計算重複），假設每首歌平均嗰時長3分鐘，一個人需要連續收聽400年才可以聽完。

普通人一輩子往往只識聽三五千首歌曲。窮極一生，你都唔可可以遍歷這龐大嘅曲庫——唔剩只系你唔可以，甚至音樂平台嘅編輯都做唔到。

所以，誰可以為你推薦下一首歌？誰嚟畀你驚喜？

今日，聽歌似乎簡單又容易，但從前並非咁。

早期互聯網音樂播放器比較原始，用戶需要主動搜索並點歌。1999年上線嘅九日音樂，同后嚟嘅百度MP3、酷狗等，起初都系點播平台。

同點播相對嘅，則系電台音樂（Radio）——佢由專業嘅編輯或算法決定用戶聽乜嘢歌。

2009年，豆瓣基於推薦算法，推出豆瓣FM。中國互聯網音樂平台從此進入算法嗰時代，QQ音樂、蝦米音樂、網易雲音樂等都紛紛效仿。

這項功可以頗有前瞻性——喺國外，以推薦算法成名嘅Spotify，其電台功可以嘅上線嗰時間，都比豆瓣FM晚兩年[1]。至於推薦算法喺其佢領域大殺四方，仲要要等到2012年才上線嘅今日頭條。

國內互聯網音樂平台發展歷程 | 放大燈團隊製圖

點解互聯網音樂平台對算法咁积極？

算法唔剩只革新產品體驗，更可以決定平台嘅生死存亡——你可以諗到，剩只將“搜歌”變成“推歌”，平台就可以省下一大筆錢嗎？

豆瓣FM做電台嘅主要原因系——窮。

音樂行業有一套細緻嘅版權定價規則。點播版權、配樂版權、下載版權嘅價格都有唔同。其中，電台播放嘅版權費用比點播嘅版權費更低。

現實條件系，豆瓣手上只有電台播放嘅版權，於系因陋就簡做一款純電台產品。“喺豆瓣FM入面，你唔可以重聽前一首歌。”前豆瓣FM技術總監趙凌講畀放大燈團隊（ID：guokr233），這都系因為版權嘅限制。

算法推送唔剩只降低版權單價，都改變音樂平台向唱片公司付費嘅邏輯。

之前，互聯網音樂平台以預付費模式，花錢批量“租下”唱片公司嘅版權曲庫（租期2~3年），吸引用戶聽。但呢種簡單粗暴嘅模式有明顯漏洞，像傳統磁帶A面錄熱門歌，B面錄充數嘅“水歌”一樣，唱片公司都識將熱門歌同“水歌”打包售賣，導致一部分歌曲播放量極高，一部分播放量又奇低，因此，預先支付畀唱片公司嘅費用，本質係為熱門曲庫買單。

低效嘅預付費模式浪費版權資源利用率，互聯網音樂平台自然唔可以忍——如果唔可以單買熱門曲庫，嗰就必須改變計費規則。

而家，國外音樂平台如Spotify、Google、蘋果、亞馬遜等公司已開始嘗試按播放量支付版權費（如 Spotify 定價0.00331美元/次，Google 定價0.0054美元/次，Apple Music 定價0.00495美元/次，Amazon 定價0.00395美元/次）[2]。就匠音樂創始人張昭軼講畀放大燈團隊，按播放量付費未嚟識成為行業標準。

計費方式改變后，算法識喺好大程度上影響唱片公司嘅收入。

一方面，算法面前，曲庫同曲庫並唔平等。

通過播放量，算法將輕易分辨出熱門/冷門音樂，並將其經濟價值分為三六九等。以早年蝦米音樂嘅獨家曲庫為例，滾石音樂嘅曲庫規模只有幾萬首，但都好熱門，所以好快被網易雲音樂搶走；BMG嘅曲庫規模超過250萬首，但多數冷門，所以遲遲無人爭搶，幾乎到蝦米關閉前夜才轉畀網易雲音樂。

接下嚟，算法分發將引發馬太效應，熱門曲庫識畀唱片公司帶嚟更多收入，而曲庫冷門嘅唱片公司就討唔到乜嘢好處。通過按需付費，互聯網音樂平台可以將經費用喺刀刃上——購買消費者真正鐘意嘅歌曲。

另一方面，算法本身並非完全中立，佢更可以體現出平台嘅意志。

算法唔剩只可以決定推乜嘢歌，仲要可以決定推誰嘅歌。蝦米音樂嘅算法，就更傾向於向用戶推薦小眾音樂人同佢們嘅作品[3]。這都意味住，唱片公司喺蝦米音樂得到嘅推薦量識更少，其版權收入都識因此縮水。張昭軼表示：“咁樣一嚟，傳統唱片公司嘅地位識變得十分被動。”

算法畀互聯網音樂公司帶嚟嘅唔止系經濟效益，仲有更好嘅用戶體驗。

Spotify研究總監莫妮亞·拉瑪斯·羅列克話，Spotify嘅“靈魂”系一個名為BaRT嘅算法系統。呢個系統可以分析每一個用戶嘅特點，選出用戶感興趣嘅音樂，生成“千人千面”嘅推薦歌單[4]。莫妮亞仲表示，BaRT可以夠幫助提高用戶嘅使用體驗——等用戶更耐、更頻繁地使用算法推薦（wanting to use the technology longer and often）[4]。

此外，隨住算法唔斷迭代，互聯網音樂平台推薦嘅內容越嚟越准，用戶仲識對產品產生依賴。而算法留住嘅用戶越多，用戶停留嘅嗰時間越長，佢們為內容付費嘅可可以性都就越大。“這件事有難度，但如果可以做好，佢識畀音樂平台帶嚟好大收益。”趙凌認為。

但早期嘅推薦算法，唔像現喺嘅嗰么“高級”。

“推薦算法剛喺音樂行業火起嚟嘅嗰時候，大家用嘅都系協同過濾算法。”趙凌講畀放大燈團隊。

舉個例子，如果有兩個用戶a同b，佢們都聽 A歌同B歌，嗰協同過濾算法就識將a、b當作兩個相似用戶，識將用戶a聽到嘅另一首C歌推薦畀用戶b，噉就系簡單嘅“用戶協同過濾”邏輯。

用戶協同過濾算法工作原理 | 放大燈團隊製圖

事實上，協同過濾算法誕生於上世紀80年代，喺本世紀初，亞馬遜將其用於商品推薦，而佢的確都比較適同推薦複雜內容，唔剩只僅系豆瓣FM，網易雲音樂都用過呢種基礎算法[5]。

就喺2020年底，仲有一位新消費圈嘅創業者曾發文總結自己一年嚟嘅朋友圈，其中就有一條提到音樂推薦算法，佢將Spotify基於行為嘅協同過濾算法稱為高級嘅，並認為國內嘅音樂App算法“好弱哦”。

我哋現喺知道，國內音樂App們都喺用協同過濾，豆瓣FM甚至比Spotify仲早做出嚟兩年。

但係，協同過濾系一條簡單粗暴嘅算法路線。佢嘅優勢喺於，機器唔需要理解內容，僅憑用戶行為數據就可以完成推薦。而這都系佢最大嘅問題，協同過濾算法無辦法判斷歌曲嘅特點，只知道其中嘅相關性，但呢個相關性往往唔嗰么準確。

協同過濾算法嘅精確度同行為數據嘅積累量有關，佢的確越用越好用，但新用戶初嚟乍到、新歌曲啱啱上線，都系協同過濾算法嘅處理盲區。但新用戶嘅體驗又至關重要——每一個增長黑客理論中，“新用戶留存”都系重要嘅環節。

隨住技術嘅發展，機器都逐漸學識“理解”內容——簡單嚟說，算法識抽取歌曲嘅音樂同歌詞特徵，畀每首歌都打上數個“標籤”。通過標籤理解歌曲內容，再將其匹配畀最合適嘅聽眾。

於系，互聯網音樂平台紛紛拋棄協同過濾，將希望寄託喺基於標籤簇嘅個性化推薦算法上。

網易雲音樂算法團隊講畀放大燈團隊，推薦算法唔剩只識畀歌曲、歌單打標籤，仲要識盤點用戶嘅群體特徵，“如果系統判定你鐘意‘旅行’標籤嘅歌單，就可可以將這群用戶偏好嘅其佢標籤歌單都推畀你。”

基於標籤簇嘅推薦算法工作原理 | 放大燈團隊製圖

而家睇嚟，基於標籤簇嘅推薦算法比協同過濾算法更先進。佢系主流喺線音樂平台嘅標配，但唔包括Apple Music。

蘋果現任CEO庫克認為，相比起冷冰冰嘅算法，由真人進行運作嘅Apple Music更懂佢嘅聽眾[6]。

雖然路線一致，但唔系所有喺線音樂平台都可以將算法做到盡善盡美。用戶喺使用嗰時，識感到明顯差異，而這又涉及公司之間唔同嘅推薦策略，以及佢們喺算法細節上唔同嘅處理方式。

對於普通用戶而言，評價音樂播放器算法嘅維度非常簡單：佢推嘅歌適合我嘅口味嗎？

豆瓣FM系國內最早啟動純算法推薦機制嘅音樂電台。喺豆瓣FM上線10年後、幾乎沒有乜嘢市場份額嘅2019年，仲有人喺知乎回答：豆瓣最大嘅優勢喺於其強大嘅算法，佢“總識搵到我鐘意嘅歌曲”[7]。

豆瓣FM嘅初始定位系一款後台產品，喺用戶聊日、工作、居家嗰時播放背景音樂。

豆瓣FM由豆瓣孵化，後者系以興趣為核心嘅社交網站，用戶識產生並積累大量書、影、音等標記同偏好數據，但系供豆瓣FM作更精準嘅音樂推薦。

用戶喺豆瓣FM上可以進行嘅交互行為唔多：點紅心、跳過、暫停、下一首……但所有呢啲行為都識被豆瓣FM收集起嚟，用嚟分析用戶嘅喜好。

早期豆瓣FM仲嘗試過用一啲新奇嘅辦法嚟優化算法。比如，採取人機賽馬嘅方式，分兩組、按照歌詞情感屬性對音樂進行分類。喺呢次嘗試入面，人類勝出 ——機器只可以分出幾個大類，再細分其準確度就識下降。

不過，豆瓣仲系通過幾十個推薦引擎，日以繼夜地為用戶推送音樂。趙凌表示，呢啲推薦引擎都並非一成唔變，識隨住產品嘅運行唔斷修正。

除豆瓣FM，蝦米音樂嘅推送品質都為人稱許。

同豆瓣FM嘅定位唔同，蝦米諗要建立起高質量嘅音樂社區。成立初期，為完善曲庫，蝦米音樂“從全球範圍內召集 300多個音樂愛好者，用社區嘅方式去做”[8]。

蝦米音樂充分動員用戶——佢鼓勵用戶自由上傳曲目，修改音樂分類、編輯歌詞、專輯信息。呢啲用戶們“調教”算法嘅行為數據，成為算法完善數據庫、提高推送精度嘅幫手。

得益於用戶眾包，蝦米建立起全網音樂曲風分類最全、流派分類最細嘅音樂庫。喺2020年7月舉辦嘅上海國際獨立音樂季（IMS）活動中，蝦米音樂產品及用戶運營負責人龍吉就表示，蝦米音樂擁有超過3000萬首曲庫[9]。而根據蝦米音樂用戶2021年初嘅整理，蝦米音樂曲風流派共有24個大類，566個小類[10]。

從豆瓣FM同蝦米音樂嘅案例中，我哋可以睇到，算法諗“隨我心意”，需要產品定位、曲庫規模、用戶行為、運營策略等因素嘅共同參同。

算法喺努力推送用戶喜愛嘅歌曲，但推薦歌單入面用戶鐘意嘅歌越多，就越好嗎？

並非咁。我哋可以假設一個極端嘅狀況——如果一個用戶只收聽某個特定類型嘅歌曲，識發生乜嘢？

事實系呢個用戶好快識進入“聽歌繭房”：算法唔再推薦新嘅音樂類型，用戶都對新音樂類型唔感興趣，同嗰時對已收藏嘅歌曲感到煩膩。音樂App用戶嘅黏性同使用嗰時長都識降低。

系推送用戶喜愛嘅特定歌曲，仲要系探索用戶嘅興趣邊界？系選擇低風險嘅大眾流行，仲要系冒更高嘅風險嘗試畀用戶一啲驚喜？算法必須做出權衡。

網易雲音樂算法團隊向放大燈團隊介紹，為規避“聽歌繭房”現象，網易雲音樂識推薦用戶平嗰時唔系幾接觸嘅歌曲，增加用戶聽歌類型嘅多樣性。

擾動因素嘅作用 | 放大燈團隊製圖

喺推送中加入擾動因素——用戶比較陌生嘅歌曲，都已經成喺線音樂播放器嘅標配。

算法運轉之下，數千其首歌曲從曲庫中出發，被推薦到用戶耳邊。喺呢個過程中，用戶對音樂App推送算法有朦朧認知：蝦米嘅推送好有品位、豆瓣FM嘅推送好准、QQ音樂更鐘意推流行歌……

仲有網友腦補網易雲音樂“算法小哥”嘅小劇場：“我仲唔知道你好嗰一口？”“你以為歌單80%都識系日語POP？呵呵，我知道呢個嗰時候你需要一首后搖嚟調整回喪嘅氛圍。”[11]

網易雲音樂系喺故意推薦特定情緒類型嘅音樂嗎？

網易雲音樂算法團隊向放大燈團隊表示，網易雲音樂嘅“情感”歌單一共有懷舊、清新等13個類型。根據2020歌單年度報告嘅統計，平台歌單嘅高頻詞第1名正系“治癒”，超過75%嘅用戶聽過治癒相關嘅歌單。

推薦算法風格嘅差異都導致用戶群進一步分化。

趙凌向放大燈團隊介紹，2013年，QQ音樂曾試圖同豆瓣FM合作，將QQ音樂嘅用戶行為數據導入豆瓣FM，改進各自嘅算法。可該項目喺開始唔久后，就被叫停嘎啦。

原因系，兩方用戶行為之間嘅差異實喺系太大嘎啦。QQ音樂嘅用戶呈現出偏低齡、愛聽流行歌嘅整體特徵，這同豆瓣FM嘅用戶特徵發生劇烈衝突。

但音樂App嘅競爭維度唔只系算法，產品、社區同最基本嘅核心版權曲庫規模都非常重要，正系由於呢啲短板，豆瓣FM同蝦米喺版權大戰中相繼失勢。

蝦米音樂創始人王皓喺接受播客《壞蛋調頻》採訪嗰時表示，唔認可互聯網音樂平台打版權戰。惡性競爭之下，版權價格識越抬越高。但王皓都進行反思：“當嗰時真嘅好天真地以為，我哋可以喺互聯網嗰時代搵到更透明、更直接嘅方法幫到所有音樂家。”[12]

蝦米沒有搵到更好嘅方法，優秀嘅推薦算法沒可以挽救蝦米。2021年2月，蝦米正式停止運營。

推薦算法嘅初衷，系用技術手段幫用戶挖掘“好歌”。但實際上，無論推薦音樂仲系流量變現，15秒嘅短視頻都比動輒三四分鍾嘅單曲更高效。

QuestMobile發布嘅《2020中國移動互聯網半年度報告》显示，至2020年6月，短視頻行業MAU已經達到8.52億。而同期，中國喺線音樂行業嘅MAU為6.55億。同嗰時，短視頻App佔據用戶嘅嗰時長份額接近20%，成為僅次於即嗰時通訊嘅第二大互聯網行業[13]。迅速崛起嘅短視頻App正成為唔折唔扣嘅流量黑洞。

呢啲短視頻App帶火眾多“一夜爆紅”嘅神曲。從《學貓叫》到《綠色》再到《酒醉嘅蝴蝶》，歷代“抖音神曲”唔光影響聽眾嘅音樂品味，都帶嚟其佢改變。

藉由神曲們嘅崛起，短視頻App嘅推薦算法都開始影響音樂製作。

張昭軼向放大燈團隊介紹，喺沒有算法嘅嗰時代，“1645”“4536251”同“卡儂”這三套同弦已系“大歌”要素，而算法將這幾套同弦體系嘅顯著性繼續放大。為追求效率，算法傾向於推薦同熱門神曲相似嘅音樂。除同弦體系，短旋律重複、反拍副歌呢啲刺激性更強嘅音樂特徵，同樣被算法強化。

對於音樂製作人嚟說，如果諗等自己嘅歌曲得到算法嘅青睞，嗰么就必須迎合算法嘅口味。“事實上，好多音樂人、經紀團隊同MCN已經開始咁樣做嘎啦。”張昭軼講畀放大燈團隊。

從呢個角度嚟說，推薦算法已經喺迫使上游嘅音樂製作行業，去生產符合算法口味嘅歌曲。

喺蝦米音樂宣布停止運營之際，有人喺知乎上提問：“蝦米可以唔可以將個人推薦算法公開？”但即便這套算法被公開，但佢可以幫某個小而美嘅播放器殺出重圍嗎？或者，某個巨頭將佢買下嚟，就可以改善用戶體驗嗎？

從互聯網音樂到短視頻，算法嘅形態、作用同影響睇似發生變化，但有一點確定無疑：算法唔斷更迭，但佢終歸要服務於互聯網音樂產品嘅核心定位，以及背後公司嘅意志。

算法唔系音樂行業唯一嘅神，但佢等音樂App更有神采。

References：

[1] Marketplace上關於Spotify上線廣播功可以嘅新聞報道

链接

[2] 2018 Streaming Price Bible! Per Stream Rates Drop as Streaming Volume Grows. YouTube’s Value Gap is Very Real.