The following two tabs change content below.

文/斯凡.卡爾森、約納斯.萊瓊霍夫德;譯/李其融

二○一五年春天,Spotify 面臨名副其實的凜冬。競爭公司已從四面八方襲來:亞馬遜和 Google 都擴張了自家的串流服務;Tidal 的用戶人數雖然還沒達到一百萬,但它和知名創作者的緊密關係仍舊是警訊。

至於最大的威脅,則非提姆.庫克與吉米.洛維恩莫屬,他們很快就要發表 iTunes 的下一步。蘋果的音樂商店已經擁有八億左右的用戶,大部分的人為了支付,都會綁定信用卡;相較之下,Spotify 的訂閱用戶僅落在二千萬名左右。

同時,蘋果也因為和主流唱片公司之間的關係,遭到愈來愈多審查。Spotify 戲劇性登陸美國四年後,蘋果這家美國科技巨頭被傳出涉嫌妨礙免費音樂串流服務的消息。二○一五年四月,傳聞歐盟正調查蘋果是否勾結唱片公司以打擊競爭對手。過幾個星期,蘋果就要重新更新 Beats Music 服務的時候,類似的消息再度浮現。科技媒體 The Verge 揭露,美國司法部(United States Department of Justice)與聯邦貿易委員會(Federal Trade Commission,FTC)皆已著手調查蘋果的行為。

面對競爭公司的威脅,丹尼爾.埃克決定用更厲害的技術與之對抗。他在此時表示,他想提供的不僅是讓人找到符合當下情境的音樂,還能按照每一種心境與情緒狀態來提供音樂。未來,Spotify 將依照聽眾的心情來選曲。

「它只要發現你開車比平時上班時更趕時間,就會配合這個情境去挑選音樂。」二○一五年春天,幾位投資人造訪比格亞爾街的總部時,丹尼爾對他們這麼說。

為了實現這個構想,Spotify 必須知道用戶的位置和移動方式,比方說是站著不動,還是正在行走或跑步。二○一五年,有關大數據的話題正在全球延燒,Spotify 也開始大量蒐集比以往更多的用戶資料。

這項策略頗有爭議,但丹尼爾.埃克深知瞭解用戶所能帶來龐大價值。這次的資料蒐集是開發新功能中的一環,而且會在蘋果發表串流服務的數週前宣布。這項運用大數據的願景,是由丹尼爾.埃克及古斯塔夫.瑟德斯特倫提出的,他們想提供聽眾全新的 Spotify 使用體驗,但也很清楚其中的高風險。

「不成功便成仁。」大型發表會即將來臨時,古斯塔夫.瑟德斯特倫對員工說。

試圖搞懂用戶的心

Spotify 內部成員將這項更新功能稱作Moments,可以讓應用程式平時追蹤用戶在假日、運動或晚餐派對會播放哪一類音樂;另外也會提供「深度睡眠」這類播放清單或新種類的 Podcast,盡可能在各種時刻陪伴聽眾。這麼一來,用戶就能在對的時間與場合聽到對的音樂。

舉例來說,在洛杉磯度假的人,或許就會想聽聲名狼藉先生(The Notorious B.I.G)的〈回到加州〉(Going Back to Cali)。若要讓這項功能變得精確無比,就必須從用戶那兒取得他們的 GPS 位置資訊。最新版的 Spotify 將能夠依照用戶的所在地與時間,解讀聽眾的音樂喜好;用戶只要開啟應用程式,樂曲就會馬上播放。

熱愛健身的古斯塔夫.瑟德斯特倫和團隊成員,則是在進行一項稱作 Spotify Running 的開發計畫。他們將亞拉胡斯大樓的一個房間,改造為研發特別產品的研究室。一名員工戴著耳機,在放置於房間正中央的跑步機上奔跑。其他成員則站在一旁研究如何利用踩在履帶上的腳步速度來調整音樂節奏。這是和 Nike 聯合開發的產品,需要取得用戶手機或平板電腦的感測器數據。

最懂你的播放清單

Spotify 高層準備推出 Moments 時,那群過往工作表現傑出的程式設計師卻無事可做。在紐約十八街的這些成員,曾經開發能夠推薦聽眾新音樂的演算法。

他們的其中一項成果,就是「探索」標籤。只要按下這個標籤,就能發現新歌曲或專輯。然而,到了二○一四下半年,他們的工作突然遽減,現在公司大部分的產品,都改由半年前收購、位於波士頓的 Echo Nest 員工來開發。閒置這些人才的開銷可不小。這個開發團隊擁有相當專業的機器學習知識,而且大多數的成員擁有碩士學位,也有人持續在進行研究。之後,數名成員便跳槽到亞馬遜的技術團隊及 Google 的人工智慧部門 DeepMind。

二○一四年底,愛德華.紐伊特(Edward Newett)和克里斯.強森(Chris Johnson)這兩名低調的美國開發人員,開始把過去的點子重新拿出來研究。他們的團隊以前想過是否可以把經常被推薦的歌曲打包做成播放清單。現在,他們想用不同的方法,嘗試推出可以提供完美符合用戶喜好的播放清單。

這群程式設計師有好幾個推薦音樂的主意。其中一個點子,就是讓用戶和具有類似歷程紀錄的其他使用者進行配對,這需要分析大量聽眾的數據。類似的想法已被應用於 Netflix 的電視及電影功能,也被亞馬遜用於各種商品。另一個點子,則是透過分析音訊檔案,找出節奏、結構、強度相似的音樂。

但是,這兩個點子都不是最好的方法,他們最後拿來餵給機器的數據,是從用戶自己建立的十五億份播放清單而來。由於播放清單大多是由相互匹配的樂曲組成,等於聽眾已經幫他們事先做好篩選了。之後,他們運用機器為這些資料進行詳細分類,得到令人驚嘆的成果。

※ 本文摘自《聲入Spotify》,原篇名為〈用大數據對抗 Apple Music〉,立即前往試讀►►►

  • 用Line傳送