网易云音乐差异化社交路线网上的分析文章已经有很多，本文就音乐推荐模块进行简单的产品分析。
网易云音乐以音乐社交的差异点强势切入市场，靠着其社交音乐属性强大推荐算法和优秀的运营仅仅三年用户量便突破2亿，2019年底已突破8亿，如今依旧在中国音乐软件中排名前列。据易观千帆显示网易云音乐2月份月活人数9253.4万，总榜第45，音乐榜第4。
一、前言
个性化推荐作为云音乐的核心之一深受用户的信赖，在分析之前先来了解一下什么是个性化推荐以及一般的方法。
个性化推荐系统是尽可能从数据中找出用户喜欢的内容，以此来节省用户的时间，帮助用户进行过滤，满足用户的需求。
推荐算法：
笔者了解推荐算法多种多样，以下两种最常使用：
1.基于内容
简单地说就是系统根据用户选取内容的特征描述的事例中得到用户的兴趣资料，进而进行推荐。
2.基于协同
大致思想就是首先找到与此用户有相似兴趣的其他用户，然后将他们感兴趣的内容推荐给此用户。
不过推荐算法各有利弊，因此大多数情况都是其共同作用进而降低错误率。
数据依据：
网易云音乐推荐数据依据是多种多样的，大致如下：
歌手、歌曲、歌单的收藏记录
音乐播放数据
页面停留时间
内容浏览记录
用户标签和音乐标签
二、需求分析
回到正题，云音乐目标人群分为三类，普通用户，音乐人，平台，下面就个性化推荐需求简单分析。
普通用户：
用户无明确目标，需要系统推荐
找到与兴趣相似的音乐
发现新的好听的音乐
单纯降低找音乐的成本
音乐人：
冷门音乐提高曝光率
提升知名度
平台：
解决信息过载问题，信息太多使用推荐减少用户成本，就能提高用户体验和粘性，获取更多的商业利益。
摆脱长尾效应，用户过度关注主流产物，导致其他优秀“长尾”信息缺少曝光和流量，长久下去就会使得平台不健康发展。
三、功能分析
网易云音乐的个性化音乐推荐模块如下：
1、单曲推荐-私人FM
7.0版本的私人FM功能在我的页面下，体现了使用的即时性，页面占比增加了不少，减少了用户进入的成本，用户可对播放歌曲进行喜欢和不喜欢的操作，以此来反馈用户数据；
私人FM的风格更加多样化，一定程度弥补个性化推荐所带来的过度定义用户；其将删除功能放置主页面，既是减少所推歌曲不符合用户口味时反馈数据的成本，也是其多样化的证明；
至于为什么没有上一首的功能（可在听歌历史中找到），笔者认为，因为私人FM更加关注风格的多样性和用户实时的反馈，设置上一首弊大于利。
2、每日推荐
每日推荐入口位于发现页，其同样设置歌曲的屏蔽功能，以此来进行用户的反馈；
设置音乐密友功能，根据体验来看，音乐口味相似度没有太大作用，相比推荐应该是更注重社交；
历史日推解决部分用户遗忘或者其他因素需要浏览历史日推的需求，不过必须是会员才可以查看（网易也得吃饭不是吗）；
每日推荐功能更加关注用户累计的兴趣，所以其个性化更强，日推歌曲数在30首左右，歌曲数应该是按照运营数据反馈得来的最优化数字，和用户听歌时长和听歌数有关系，数量会随着用户行为而改变但变量不会太大；
至于为何没有序号（正在播放列表也没有序号）百思不得其解，人性都是倾向于将无序变为有序使之处于可控状态。除了每日推荐歌曲数会随着用户行为而改变，其他暂没想到能说得过去的理由，希望评论能指出来。
3、歌单推荐
歌单推荐入口位于发现页，发现页设置少部分推荐歌单实时刷新，是关注用户实时的表现及减少部分用户的使用成本。不过在学生体验下，歌单的刷新功能重复率太高，反而降低了用户体验。
歌单是用户的产出内容，作为UGC 内容推荐的难度也较大，但是和前面两个不同的是，歌单推荐其用户的参与度比较高，选择歌单的过程虽然一定程度增加成本，优点是主动的选择便是增加了确定性，匹配度也就增加。当然优点还有社交属性等等这里只讨论推荐功能。
4、心动模式
心动模式入口位于红心歌单处，体现关联性，播放页的模式切换也可进入，进入模式后用户正在播放的歌单变为红心歌曲穿插新的推荐歌曲。
心动模式推荐歌曲参考的是正在播放歌曲和红心歌曲，相比之前针对新歌的每日推荐和私人FM，其是新歌加老歌的推荐模式，用户只能循环收藏歌曲或者在日推和FM徘徊，都会造成部分用户使用成本的增加，熟悉歌单穿插新歌，对于笔者这种喜欢新歌旧歌一起听的用户非常友善。
5、差异化分析
竞品选择：QQ音乐、虾米音乐
优势：
反馈成本低，这样既优化用户体验，也有助于推荐数据；
音乐社区的切入点，增加了用户在APP中的行为，从而用户数据和产出很好的帮助推荐；
模式多样化，心动模式细分用户，解决部分用户痛点；
缺点：
个性化推荐过度存在问题，私人FM虽然进行多样化尝试，但是准确度下降则会影响体验，有利有弊。建议推出新的功能引导用户进行多样化尝试。
推荐形式模糊，心动模式虽然细分用户，但也影响了其他用户，对用户的差异化分析不够。
新发行的歌曲差异化数据较少，直接融入常用推荐错误率高，建议效仿QQ音乐单独对新歌进行推荐。
四、总结
前几天就人工智能和朋友进行了菜鸡间的互啄，结论就是在人格出现之前计算机无论如何也不能离开人的参与。无论推荐算法如何优秀也同样需要人为参与的策略和方法才能更好的发挥作用，下面就如何更好的进行个性化推荐发表一下看法。
学生是初学者，知识面和理解都较浅，故欢迎各位大佬指教，求轻喷。
1.数据收集，最优秀的算法也是离不开数据的支撑，上述推荐也是结合了用户对歌曲的操作以及歌曲本身和用户本身的熟悉标签进行推荐。
2.引导用户，人性是复杂且矛盾的，一味的迎合用户短时间看确实提升了数据，但是最终会影响平台健康而被唾弃，优秀的推荐机制应该起到引导的作用。
3.人为参与，机器是执行者，没有人格因素；对于平台方来说系统推荐和人工推荐相结合或者增加用户参与度例如标签选择等（上述反馈机制也是出于这样的考虑）
4.多样化，算法的推荐让用户的视野越来越窄，一个人的兴趣是多维度的，基于算法进行个性化推荐并无法照顾到受众的全部兴趣。平台要尝试去探索更多维度的兴趣。
5.时效性，类似于上文中的私人FM和心动模式就是考虑了时效性，人性多变，固定的兴趣标签不适应不同环境的人，建立长短期兴趣画像提升推荐准确性。
作者： Derrick （大四，找工作中）
网友评论