Como funciona o algoritmo de recomendação Spotify?

Spotify é uma das principais aplicações musicais que utiliza previsões e recomendações inteligentes para os seus utilizadores. Já se foram os dias em que costumávamos procurar, baixar e curar manualmente as nossas listas de reprodução para atender ao nosso gosto. A era atual da Machine Learning and Data Science tornou possível que aplicativos como Spotify entendessem o gosto e os gostos dos usuários e, portanto, recomendassem músicas e playlists com curadoria.

Durante o início dos anos 2000, a melhor e mais conveniente forma de baixar e ouvir música era através de sites de terceiros ou por pirataria. Ambos exigiam tempo e esforço para primeiro pesquisar a música e depois descarregá-la. Mais ainda, a dor foi criar listas de reprodução contendo as músicas favoritas.

Outra desvantagem foi do ponto de vista do artista. Os artistas populares não enfrentaram muitos problemas para comercializar seus novos lançamentos, pois estavam em todas as paradas em todo o mundo. Mas os artistas novos e independentes enfrentaram muitos problemas para levar sua música a um público amplo que gostaria da música que eles estão criando. Não só isso, mas os artistas também têm a vantagem agora. Os artistas conseguem o público que não teriam conseguido de outra forma. A sua música é automaticamente recomendada aos ouvintes que gostam desse tipo de música. Então, é uma vitória para todos! Agora, vamos ver como os modelos de Machine Learning são alavancados.

Como Spotify Leverage Machine Learning e Data Science?

Spotify oferece quatro características principais aos seus usuários, alavancando o Machine Learning. Estas incluem:

• Time Capsule: É uma playlist mista contendo clássicos antigos e outras canções retrô populares.
• Home Page Playlist: É a recomendação da playlist que aparece na página inicial assim que o usuário abre o app.
• Daily Mix: É uma playlist diária que consiste nas músicas mais tocadas e apreciadas pelo ouvinte.
• Discover Weekly: É uma recomendação de playlist semanal que é atualizada com novas músicas com base no gosto do ouvinte.

Out destes, o recurso Discover Weekly é o carro-chefe que o Spotify oferece. Ele usa Machine Learning e grandes modelos baseados em dados que recomendam 50 novas músicas em uma lista de reprodução com curadoria toda segunda-feira. Isto ajudou a Spotify a chegar onde está hoje. Este recurso não só vincula as pessoas ao aplicativo, mas também gera ainda mais dados, e por isso as recomendações melhoram com o tempo.

Para Discover Weekly, Spotify reúne muitos dados específicos do usuário para entender o comportamento e a satisfação com a lista de reprodução com curadoria. Ele considera dados como quanto tempo o usuário passou na playlist, o número de vezes que as músicas foram tocadas, a quantidade de tempo gasto no álbum daquela música ou na página do artista, se o usuário pulou uma música ou não, se o usuário a salvou em uma playlist pessoal ou não, e se o usuário voltou à página Discover Weekly ou não.

Embora o Spotify tenha se saído muito bem no espaço de recomendações, ele ainda precisa melhorar na área de recomendações personalizadas. A lacuna entre a satisfação real do usuário e o que o modelo de Machine Learning pensa ser a satisfação, precisa ser preenchida. Eles adquiriram uma empresa francesa Niland em 2017 para melhorar sua tecnologia de personalização.

Com cada vez mais usuários se cadastrando, os negócios de Spotify de dados vão aumentar significativamente nos próximos anos. Isto significa não só uma melhor oportunidade para recomendações melhoradas, mas também um desafio para lidar com tantos dados. Com um poder tão imenso, Spotify data será a chave para as empresas de música e discos, bem como para tomar decisões-chave de negócios com base no que as pessoas estão ouvindo e gostando atualmente. Spotify também pode transformar sua seção de Podcasts para torná-la muito melhor ao recomendar novos podcasts para os ouvintes. Podcasts que falam sobre temas e tópicos semelhantes podem ser agrupados e depois utilizados em recomendações.