用户|个性化推荐大步向前,算法与人性的讨论从未停止

用户|个性化推荐大步向前,算法与人性的讨论从未停止】通常许多朋友在打开在线音乐应用却没有明确的听歌目标时,往往就会点开“每日推荐”,而讨论“每日推荐”是否正好契合也成为许多用户津津乐道的事情。日前有消息显示,Apple Music同样也在围绕“推荐”进行一些调整。据悉,苹果方面正在开发一款被称为“Siri Picks”的功能,并将其整合进“为你推荐(For You)”中。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
同时还有苹果方面尚未证实的传言显示,Siri将根据用户喜好来生成播放列表,其中会包含曾经听过、但已经停止播放的歌曲来刷新原本的记忆。并且其推荐机制也将考虑更多因素,例如听了多少次特定类型的歌曲,或是为哪些歌曲提高了音量。此外还有知情人士透露,这一功能或将调用芯片的神经引擎及机器学习功能。
不同的平台,对于个性化推荐的态度也截然不同
事实上,苹果自2015年推出Apple Music以来,其中的“为你推荐”板块就曾进行过多次的迭代。最早在iOS 10更新后,该板块就一改此前原本混乱的布局,转为更加清晰且有逻辑的内容展现结构,此后在2019年的一次较大更新中,则带来了更多新的布局与歌曲推荐,在个人喜好的基础上新增了主题歌单,同时更新频率也从每天更新变为全天刷新。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
2020年,Apple Music新增了“现在收听(Listen Now)”页面,并替换了此前的“为你推荐”。在原有的基础上增加了更多的精选播放列表和其他部分场景的内容,但每个推荐歌单的更新时间并不一致,例如每周一刷新的《起床!》、每周二刷新的《猜你喜爱》,以及每周日刷新的《休闲音乐》等。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
与此同时,Apple Music也在不断加强与Siri间的协作。此前,负责Apple Music与Beats业务的苹果公司副总裁Oliver Schusser曾指出,“Apple Music和Siri可谓天生一对,一直以来的协作默契无间”。而早前Apple Music上线的声控方案,也针对语音控制进行了全面的优化,例如用户可以对Siri说出“播放晚餐派对歌单”。而此次传出即将加入的Siri Picks功能,也意味着Siri将进一步参与到Apple Music的歌曲个性化推荐中。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
如今在音乐流媒体领域,Spotify、网易云音乐等平台事实上也一直以个性化音乐推荐见长。此前,Spotify研究主管Mounia Lalmas-Roelleke就曾表示,Spotify主界面的开发目标是帮助用户迅速找到可能会喜欢的音乐。而对于其BaRT的AI系统来说,如果用户在30秒内跳过一首歌,就相当于给出了“差评”。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
不过,Spotify在推动个性化音乐推荐的过程中也曾受到过一些质疑,比如应该使用多大范围的用户数据来进行推荐,以及是否存在过度使用用户数据的情况。据TechCrunch早前的相关报道显示,Spotify涉嫌在用户“预先保存”即将发布的歌曲时,允许唱片公司获取大量不必要的用户数据,诸如收听的历史曲目、最爱曲目、关注的歌手,以及正在播放的内容等。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
而苹果公司CEO Tim Cook则一直强调,Apple Music的歌单有编辑“人工挑选”。他曾指出,“我一直担心人性会从音乐中流失,担心音乐变成一个‘比特和字节’的世界,而不是艺术和人性闪光的承载物。”
尽管Tim Cook并未对Spotify点名道姓,但很显然的是,Apple Music的“人工挑选”是反其道而行之。在TechCrunch的这篇报道中还指出,“Spotify已经在音乐流媒体中占据主导地位,并利用为用户推荐的播放列表来助推热门歌曲的产生。但仅仅因为其主导地位而漠视不正当的音乐版权方行为,可能会使听众质疑其忠诚度,并转向更重视用户隐私的苹果。”
算法推荐还是人工推荐?这个问题暂时还没有答案
“个性化推荐”作为一个自大数据时代以来,无论被学界、业界,还是用户反复谈论的话题,事实上也并不仅仅存在于音乐流媒体,视频流媒体、聚合资讯平台等平台。而一个完善的个性化推荐系统也能够为这类平台吸引更多用户,进而为公司创造更大的商业价值。

用户|个性化推荐大步向前,算法与人性的讨论从未停止
文章插图
其中以Netflix的推荐系统为例,此前该公司曾表示,“推荐系统帮助Netflix赢得了关键时刻”。根据关于Netflix推荐系统的研究报告表明,由于推荐系统的应用,该平台被点播到的影片数量大幅提升,并且更为重要的一点在于,个性化推荐能够显著提高推荐影片被用户接受的程度。