Алгоритмы музыкальных рекомендаций: какое влияние они оказывают на то, что слушают пользователи?

В настоящее время около 80% онлайн-пользователей слушают музыку в потоковом режиме. Успех специализированных платформ, таких как Spotify и Deezer, или более общих платформ, таких как YouTube, отражается в увеличении доли доходов от потоковой передачи как части доходов музыкальной индустрии. С 85% доходов от цифровых технологий и 42% общей доли рынка потоковая передача в настоящее время является доминирующим способом потребления музыки.

Имея несколько миллионов песен, доступных у нас под рукой, эти сервисы предлагают множество алгоритмических инструментов, начиная от инструмента совместной фильтрации (людям, которым понравилась эта песня, понравилась и эта), тематических рекомендаций (другие песни исполнителя, которого вы слушали), до тематические радиостанции (с музыкой, вдохновленной этим исполнителем) или плейлисты, “полностью основанные на ваших вкусах”, не говоря уже о множестве плейлистов на основе “атмосферы”, адаптированных к настроению пользователей. Алгоритмы рекомендаций, используемые в потоковых сервисах, предназначены для того, чтобы помогать слушателям и направлять их в выборе, имеют широкий диапазон, который, кажется, оправдывает их ожидания.


Чтобы обеспечить успех в этой области, провели исследование, основанное на анализе моделей прослушивания группы из 4000 пользователей, выбранных случайным образом на платформе потоковой передачи музыки, и контролировали это в течение пяти месяцев. Это была прекрасная возможность лучше понять влияние алгоритмов на выбор музыки пользователями и увидеть, изменил ли переход к цифровому прослушиванию то, как они потребляют, и, прежде всего, то, что они потребляют.
Это также предоставило способ проанализировать, способствуют ли эти инструменты большему культурному разнообразию, а также действительно ли пользователи следуют рекомендациям алгоритмов, в каких ситуациях, как часто и с какими эффектами?

Принципы исследования

Собранные данные предоставляют информацию о профилях пользователей (возраст, пол, место жительства, дата регистрации, тип подписки, любимые исполнители и песни), их потреблении (дата, продолжительность, формат, используемый для прослушивания) и характеристиках передаваемого контента (исполнитель, песня, дата выхода). Существует также переменная контекста прослушивания, которая помогает идентифицировать тип устройства, рекомендации или коллекции, влияющих на решение пользователя прослушать данную песню.
Платформа, на которой было проведено исследование, предлагает каталог из 35 миллионов песен и два неограниченных предложения по экономической модели “freemium”: одно бесплатное и финансируется за счет рекламы, а другое — за 9,99 евро в месяц. Платный пакет позволяет пользователям слушать музыку онлайн в высоком качестве, офлайн и без рекламы. Эти предложения доступны на компьютерах и мобильных устройствах, таких как смартфоны и планшеты.

Профили слушателей

С точки зрения характеристик слушателя, похоже, что население, как правило, было молодым, мужским и проживало в городах. Только 37% выборки составляли женщины. Средний возраст составлял 28 лет, а 80% пользователей были в возрасте от 17 до 46 лет.
Большинство слушателей были достаточно опытными пользователями: 53% пользователей присоединились к сервису более двух лет назад и 18% присоединились более пяти лет назад.
Две трети выборки предпочли использовать свой мобильный телефон для доступа к услуге, а одна треть использовала свой компьютер. Тип предложения подписки влияет на используемое устройство. В данном случае подписчики на премиальные предложения (без рекламы) использовали мобильные телефоны чаще, а иногда даже исключительно для прослушивания музыки, в отличие от бесплатных подписчиков, которые, как правило, использовали вместо этого свой компьютер.

Частота и разнообразие песен

Чтобы измерить влияние алгоритмов музыкальных рекомендаций на слушателей, это исследование проанализировало интенсивность и разнообразие потоковых песен и то, как они были разделены между известными и менее известными исполнителями.
За пять месяцев онлайн-пользователи сэмпла просмотрели более 17 миллионов песен. Эта цифра должна быть взвешена по фактической продолжительности потокового прослушивания на платформе: чуть более половины потоков (56%) шло до конца песни, а одна треть длилась не более 30 секунд.
Эти стримы охватили около миллиона различных песен. Каждый раз, когда песня транслировалась хотя бы один раз в течение более 30 секунд (81%), пользователи слушали ее в среднем 16 раз. Это означает, что в среднем песню слушали один раз в месяц на каждую тысячу активных пользователей. “Однако это среднее значение вводит в заблуждение, потому что распределение количества потоков неудивительно очень асимметрично: 39% песен были прослушаны только один раз одним пользователем, в то время как только 5% транслировались более 50 раз”.
Таким образом, самые популярные песни собрали значительную аудиторию: пять самых популярных песен во время исследования составили более 25000 потоков каждая, и каждая из них транслировалась почти половиной слушателей на панели.
С точки зрения частоты использования, это довольно высокий показатель, поскольку в среднем пользователи заходили на платформу в течение 86 дней во время исследования (то есть один раз в два дня), чтобы каждый день слушать около 50 песен, когда они входили в систему. Эти результаты снова демонстрируют высокие диспропорции, поскольку 10% наиболее активных пользователей прослушали более 10 000 песен за период, а 10% наименее активных слушателей менее 450.

“Обещание этих потоковых платформ заключается в том, что, учитывая их обширное предложение с бесплатными и фиксированными подписками, а также их точно настроенные инструменты рекомендаций, потребление музыки должно быть более разнообразным, чем на физических рынках или рынках загрузки”. Если мы посмотрим на разнообразие, то есть количество различных исполнителей, транслируемых в потоковом режиме, мы увидим, что потребление пользователем, подписывающимся на полное предложение с почти неограниченным набором песен, приводит к большему разнообразию, чем наблюдаемое при других способах доступа к музыке. “Даже в этом случае сравнение этого разнообразия с другими форматами сложно, потому что условия прослушивания не совпадают, и мы не можем измерить прослушивание в автономном режиме с такой же степенью точности”. Фактически, по сравнению с физическим рынком или рынком загрузки, потоковая передача песни не требует дополнительных затрат, и по сравнению с радио потребитель играет более активную роль в выборе песен, которые они слушают, и предложение гораздо менее ограничено. Исследование показало, что количество песен, которые транслировались на платформе всего 4000 пользователей в течение пяти месяцев, представляли примерно в 9 раз больше песен, чем те, которые транслировались всеми радиостанциями в течение года. Однако недавнее исследование Министерства культуры показало, что это увеличение разнообразия принесло пользу исполнителям на обоих концах шкалы популярности в ущерб тем, кто находится между ними.

Разнообразие потребления также сильно варьировалось от одного человека к другому. В среднем пользователь слушал 1150 различных песен: 5% слушали в три раза больше, а четверть выборки слушала не более 360. Наблюдалась корреляция между разнообразием и возрастом пользователя. Это означает, с одной стороны, что более молодые потребители имеют менее разнообразные модели прослушивания, а с другой стороны, что наиболее диверсифицированное потребление исходит от более частых пользователей, которые имеют больший опыт использования платформы и более склонны пользоваться инструментами рекомендаций — эти пользователи старше. Они контрастируют с более молодыми пользователями, которые слушают более известных исполнителей на своих мобильных телефонах.
Исследование показало, что 10% исполнителей составляют 90% стримов, и почти все люди слушают песни умеренно популярных исполнителей. Нишевые исполнители представляли только 17% всех исполнителей, которых слушала группа.
Эти различия становятся еще более очевидными, если рассматривать частоту потоковой передачи, а не музыкальные библиотеки пользователей: каждый четвертый пользователь слушал почти исключительно очень популярных исполнителей, и чаще слушали мало нишевых исполнителей или вообще не слушали их (53% пользователей тратили меньше более 5% времени прослушивания у 90% артистов с наименее посещаемостью).
“На самом деле популярные исполнители доминируют в музыкальных библиотеках пользователей, чье потребление музыки невелико, но при этом часто представляют наиболее частые потоки более активных пользователей”.

Руководство и открытие

Авторы этого исследования также проанализировали, помогли ли различные формы руководства укрепить разнообразие потребления, одно из их обещаний, или же они действительно привели к усилению единообразия в плане прослушивания музыки?
Первое наблюдение заключалось в том, что, за исключением диаграмм в стиле “самые популярные”, большинство рекомендательных систем, как правило, направляют слушателей к артистам, которые были менее известны, чем средние первые пьесы. Первые спектакли, как правило, меньше ориентированы на самых популярных артистов. Однако этот результат сильно варьировался в зависимости от устройства: он был сильнее с алгоритмическими рекомендациями, затем с автономным исследованием дискографий артистов и новых релизов. “Вопреки тому, что вы думаете, автономные исследовательские системы не являются передовыми, хотя они предлагают более широкий диапазон, чем редакционные рекомендации и диаграммы”. Однако эти “открытия” не обязательно оставались в коллекциях пользователей: песни, обнаруженные с помощью алгоритмических рекомендаций, получали меньше повторов, чем другие, за период наблюдения.
Это исследование также помогло увидеть контексты, в которых слушатели склонны транслировать музыку. “Некоторые песни транслируются чаще в контексте мультиактивности, когда музыка может просто воспроизводиться в фоновом режиме. Мы выбираем плейлист именно так, чтобы нам не приходилось сознательно принимать решение его слушать”.
То же самое и с музыкальными жанрами. Исследование показало, что рекомендации были неравномерно распределены по музыкальным жанрам — некоторые жанры, такие как блюз, джаз или танец, кажутся более подходящими для управляемого прослушивания. Это связано с тем, что использование рекомендаций зависит от контекстов прослушивания, с которыми связаны музыкальные жанры. Мы можем видеть, что некоторые жанры особенно подходят для деятельности, отличной от прослушивания, и, следовательно, с большей вероятностью, чем другие, будут воспроизводиться в фоновом режиме. Например, танцевальная музыка для вечеринок, блюз для спокойной атмосферы и т. д.

Заключение

Инструменты для алгоритмических рекомендаций, похоже, сдерживают свое обещание изучить изобилие каталогов и обогатить разнообразие музыки, потребляемой пользователями, направляя их к нишевым песням и композициям известных артистов. Однако пользователи, использующие “алгоритмы”, по-прежнему составляют меньшинство с точки зрения использования. Большинство потоков исходят из явного, сознательного выбора, сделанного слушателями, и активные, автономные режимы исследования являются нормой. Пользователи выбирают большинство своих песен и, как правило, используют автономные инструменты исследования, такие как поисковые системы и дискографии исполнителей.
Системы наведения, как правило, чаще используются частыми пользователями неисключительным образом.
Прежде всего, результаты этого опроса помогают лучше понять возникающие алгоритмические культуры, в которых слушатели, в зависимости от их навыков и ситуаций, будут отвергать алгоритмы или использовать их на специальной основе, не отказываясь от контроля над своим музыкальным опытом. Тем не менее, для понимания контекстов, уровня осознанного слушания, понимания, типа внимания и цели, с которой пользователи соглашаются полагаться на алгоритмы, потребуется качественная работа.

2021-06-20

Коммерческое предложение
Добросовестное использование

Все права на материалы, находящиеся на сайте, охраняются в соответствии с законодательством РФ. При любом использовании материалов сайта письменное согласие обязательно. Торговые марки, логотипы и марки услуг, размещенные на данном сайте, являются собственностью mse-online.ru или третьих лиц.