Spotify, онлайн-сервис потокового аудио, запущенный в 2008 году, стал одной из самых популярных музыкальных платформ. Он имеет очень большую пользовательскую базу, насчитывающую более 180 млн. активных пользователей и 83 млн. подписчиков. Неудивительно, что Spotify, как и такие гиганты, как Amazon и Netflix, привлек внимание своим огромным каталогом музыки, которая доступна по относительно низким ценам. Но успех сервиса обусловлен не только этим фактором.
Одним из ключевых компонентов успеха Spotify стала технология прогнозирования на основе машинного обучения. Цель этих технологий - рекомендовать пользователям контент, соответствующий их предпочтениям и вкусам. Кроме того, искусственный интеллект предлагает слушателям персонализированные еженедельные плейлисты, основанные на их индивидуальных музыкальных предпочтениях.
Одна из главных задач, стоящих перед искусственным интеллектом Spotify, - помочь пользователям сориентироваться в огромном каталоге музыки. При таком количестве контента легко заблудиться и пропустить новые интересные композиции. Просто набрав в поисковой строке название любимой группы или исполнителя, пользователь может насладиться прослушиванием их последнего альбома. Но поскольку ежедневно в библиотеку Spotify добавляются тысячи новых композиций, обнаружить в этом океане новых талантов практически невозможно без помощи искусственного интеллекта. Благодаря алгоритмам машинного обучения Spotify может предложить своим пользователям музыку, соответствующую их предпочтениям, а также помочь им открыть новых уникальных исполнителей и найти скрытые жемчужины.
Об искусственном интеллекте Spotify имеется интересная фактическая информация. Отмечается, что эта служба еженедельно предлагает слушателям до 30 новых композиций, основываясь на их предыдущих музыкальных предпочтениях. Это напоминает времена, когда друзья собирали сборники на кассетах. По сути, искусственный интеллект Spotify - это своего рода музыкальный друг или радиодиджей, который предугадывает предпочтения слушателей и создает плейлисты, соответствующие их вкусам.
Важность еженедельных плейлистов стала очевидной, когда выяснилось, что пользователям небезразлична форма, в которой даются рекомендации. Концепция плейлиста возникла на заре цифровой музыкальной эры и с тех пор стала неотъемлемой частью музыкального опыта слушателей. Поэтому Spotify выбрал формат автоматических рекомендаций через плейлисты.
Технологии, инструменты и данные играют важную роль в создании персонализированных списков воспроизведения на основе истории прослушивания. Этот процесс аналогичен рекомендательным сервисам, таким как Netflix, и называется коллаборативной фильтрацией. Рассмотрим конкретный пример: пользователь A часто слушает группы X и Y, а пользователь B предпочитает группы Y и Z. Используя данные о прослушанных композициях, алгоритмы коллаборативной фильтрации могут сделать вывод, что с определенной вероятностью пользователю A понравится группа Z, а пользователю B будет интересна группа X.
Spotify использует алгоритмы искусственного интеллекта для выполнения сложных расчетов на миллионах пользователей и групп в огромных масштабах. Получаемая в результате матрица рекомендаций гораздо сложнее, чем в приведенном выше примере. Алгоритмы учитывают не только положительные, но и отрицательные сигналы. Если пользователь выключает звук в течение первых 30 секунд, алгоритмы считают, что песня ему не нравится, и не добавляют ее в персональный плейлист.Потоковый сервис Spotify пошел еще дальше, применив к плейлистам аудиоанализ и обработку естественного языка. Аудиодорожка разбивается на части, включающие такие параметры, как темп, ритм, высота тона, используемые инструменты и сэмплы, наличие и содержание текста и многое другое. Алгоритм ищет треки с похожими характеристиками и добавляет их в персональный плейлист пользователя. Обработка естественного языка применяется и к внешним данным, таким как тексты песен, связанные с конкретными треками. "Алгоритмы Spotify ищут информацию о музыке в Интернете и анализируют эмоциональное отношение к ней. Такие определения, как "торжественный", "фанковый", "меланхоличный" или "тяжелый", позволяют искусственному интеллекту сделать вывод о том, понравится ли та или иная композиция конкретному пользователю.
Глубокое обучение и нейронные сети объединяют все эти данные, чтобы с высокой точностью определить, что понравится пользователю. Некоторые пользователи передают пароли от своих аккаунтов друзьям, и Spotify знает об этом. Поэтому алгоритмы игнорируют заметные, но мимолетные изменения в истории прослушивания, чтобы не искажать рекомендации.
Важной особенностью Spotify является отсутствие собственных центров обработки данных. В 2018 году они полностью перевели свою платформу в облако Google Cloud, что позволило им легко расширяться и не требовать частой модернизации инфраструктуры.
Такое решение имеет ряд преимуществ. Во-первых, платформа может эффективно адаптироваться к растущему числу пользователей, что обеспечивает стабильную работу и высокую производительность сервиса. Это важно для пользователей, так как показывает, что Spotify может предоставлять песни и рекомендации без задержек и сбоев.
Во-вторых, перенос платформы в облачную инфраструктуру позволяет компании сэкономить на затратах на модернизацию и обслуживание физического оборудования. "Облако" Google обеспечивает надежные и масштабируемые вычислительные ресурсы, которые легко масштабируются и управляются по мере необходимости.
Результаты этого стратегического шага оказались значительными для Spotify. Рекомендованные плейлисты, соответствующие вкусам пользователей, помогли удержать подписчиков на платформу. За три месяца после выхода на Нью-Йоркскую фондовую биржу в апреле 2018 года компания зафиксировала увеличение числа подписчиков на 8 млн человек, а цена ее акций выросла на 25%.
Однако успех Spotify заключается не только в инфраструктуре и количестве пользователей. Важным фактором успеха является точность предсказания предпочтений пользователей. Благодаря большому объему данных, собираемых сервисом, он может точно предсказать даже самые личные аспекты, например, музыкальные предпочтения.
"Системы глубокого обучения Spotify используют отдельные элементы музыкальных треков, такие как темп, ритм и лирическое содержание, чтобы определить, понравится ли они конкретному пользователю. Затем эти данные объединяются с информацией о поведении пользователя и внешними текстовыми данными для создания все более точных рекомендаций.
Помимо точности рекомендаций, важен и способ их представления. Spotify выбрал популярный формат еженедельного плейлиста, который знаком и понятен пользователям. Это удобно для слушателей, поскольку они получают новые треки в удобной и привычной форме.
