网易云音乐分析报告 网易云音乐分析报告ppt( 四 )


网易云音乐分析报告 网易云音乐分析报告ppt

文章插图
3. 每日推荐区别于私人FM的单曲形式,每日推荐共有20首歌曲,曲风不一,每天06:00更新(选择在线用户最少的时间收集最多的口味数据,让更新后的日推更准) 。
我们常在歌曲的评论区看见“日推,赞!”或者“日推,沦陷”等评论,说明该功能深受用户喜爱并且所用算法十分精准 。用户可在日推列表对歌曲进行批量收藏或下载,也可单独进行操作 。
这大大方便了用户根据心情、环境等情况去选择更合适自己心境的音乐,增加客户使用满意度、黏性和忠实度 。另一方面,网易云音乐具有根据场景分类的个性化推荐,而用户在使用习惯后,自己也可以根据自己的习惯给自己的歌单分类,增强社交性 。
歌曲推荐功能主要采用协同过滤算法(分为基于用户和基于项目),对用户的历史行为和所收藏歌单风格进行分析,从而推荐高相似度的歌曲给用户,这种算法在数据量足够庞大时显得尤为强大 。
而对于新用户或者使用网易云音乐频率低的用户(既冷启动问题),基于内容的推荐算法则作为协同过滤算法的补充,以区分单曲内容实质的方式向用户推荐合适的音乐 。
建议:
  1. 音乐推荐算法会把用户最近的行为权重置高,因此系统容易大量推荐相似类型的歌曲,使用户审美疲劳、兴奋度降低 。建议在算法中加入用户使用场景的分析,并对同类型歌曲出现的次数、位置加以限制 。
  2. 增加“摇一摇”切换曲风/场景功能 。
  3. 针对长尾冷门歌曲,由于数据量相对较少,更要重视效果反馈 。
  4. 深度挖掘数据,丰富推荐元素,比如根据某位用户喜爱歌手的创作/成长背景,推荐影响该歌手的音乐、专辑、歌手 。
  5. 紧贴科技发展,通过分析可穿戴设备采集的数据推荐歌曲;根据面部表情识别等分析用户心情,推荐相应歌曲 。
4. 社交社交功能分为四大块,分别是:音乐评论社交、歌单社交、附近的人、朋友动态 。
其中音乐评论社交、歌单社交前文已经详述,这里不再不再赘述 。
附近的人这个功能则是“陌生社交+音乐”的结合 。通过附近的人的动态,可以看到其他用户喜欢的音乐种类 。即使不进行直接关注沟通,也可以通过附近的人的歌单或者动态使得用户欣赏更多不同的歌曲,打破自己原有歌曲的认知,增加用户黏性 。
而现在随着视频的加入,我们不仅可以通过附近的人看到音乐、歌单,更可以看到视频 。视频是现在各大公司布局的重点之一,附近的人这个功能同时也能加强用户对网易云音乐晕的产生新的认知——即“网易云音乐晕不仅做音乐,也做视频”,达到网易云音乐功能多样化的目的 。
朋友动态,和陌生人社交有很大的相似度,同样是可以看到用户好友的歌单、视频 。最大的差别在于:朋友动态倾向于“熟人社交”,而附近的人则是陌生人社交 。
因而,熟人社交就有独到的好处:更能通过音乐进行沟通交流 。即使同样有很大一部分用户并不通过好友达到熟人或者交流的地步,但是朋友的动态一样达到了社交作用 。
建议:
  1. 目前评论区同质化严重,在大部分和青春、初恋、理想、恋爱有关的歌曲下,几乎都会出现那年夏天、秋天,在某个地点,我和某人如何,初中,高中、大学多么美好、青春如此短暂,人生如此遗憾等评论;也存在为了上热门搬运段子、编故事的现象,建议加强UGC评论内容的管理,给用户更好的体验 。值得注意的是,在删除不当评论时,应该把具体原因反馈给用户以示尊重 。
  2. 建议在歌曲下增加我的评论功能,在动态里增加仅对自己可见的动态 。当用户对歌曲进行评论后,自动添加到仅对自己可见的动态里 。
  3. 增加收藏评论功能 。
  4. 借鉴微博对评论出现顺序的管理,设置按键让用户自行选择让评论按照时间/热度进行排序 。
  5. 借鉴知乎对评论中对话功能的管理,允许查看用户间的对话历史,而不是只显示最新内容 。
  6. 完善对音乐人、专辑、歌曲的点评机制,充分开发用户对歌曲衍生内容的创作力 。
五、用户评价与反馈1. 用户评分据ASO100平台的数据分析显示:网易云音乐(iOS)在APP STORE的评分统计中,无论是在当前版本评分还是所有版本评分,5星好评数高居首位;其次是4星和1星评价,总体评分在4.8星 。在同类产品中的评价较为领先,但由于用户基数的劣势,评论总数较TEM旗下几款产品较少 。