Spotify作為全球最大的正版流媒體音樂服務平臺之一，在產品發(fā)展過程中，最深得用戶喜愛的大多歸功于其音樂推薦系統(tǒng)，每次都能讓用戶聽到自己喜歡的歌曲。那么Spotify是如何做到如何了解用戶的?今天我就用超級產品戰(zhàn)略方法論為大家進行分析。
對于Spotify的用戶來說，每周收到Spotify的Discover Weekly早已成為習慣，這其中包括了30首不同風格，但用戶卻從未聽過的歌曲，神奇的是每一首歌曲都能夠讓用戶感到滿意。
“Spotify是我最喜歡的音樂應用軟件，尤其是Discover Weekly，我覺得它是那么的了解我，比任何人都了解我的音樂品味，每周推薦的音樂都讓我十分滿意，我甚至感覺不到它的存在，卻又覺得它無處不在。”這是一位Spotify的忠實用戶所說的話。
根據數據顯示，大部分Spotify的用戶都沉迷于 Discover Weekly，它有著大量的粉絲，甚至Spotify一位這個功能太過于受歡迎而重新思考企業(yè)的商業(yè)模式，投入大量資源目的就是為了讓每周推薦更加精準。
從2015年Spotify推出 Discover Weekly后，使用Spotify的用戶數量與日俱增。那么 Spotify是如何向每位用戶精準地推薦那30首音樂的?
在這之前，我們可以將Spotify和其他音樂公司進行對比。
說到推薦音樂的功能，大家肯定都不陌生，早在2000年，Songza這家企業(yè)就開始做起了音樂推薦，不過那時是通過人工篩選歌曲推薦給用戶，Songza也會邀請業(yè)內人士制作歌單。然而，無法避免的是那些業(yè)內人士在選擇歌單時都會偏向于自己的音樂品味，并不是以用戶的音樂品味進行選擇的。
隨著時間的推移，前者已經做出了錯誤的示范，后者則是進行改進，身為音樂推薦領域的早期企業(yè) Pandora ，它根據用戶關鍵詞來描述每一首歌，將這些歌曲打上對應的標簽，隨后通過代碼篩選歌曲，讓相似的音樂組成一組歌單推薦給用戶。
就在這時，來自麻省理工媒體實驗室的一家音樂企業(yè)The Echo Next誕生了。
它的出現顛覆了整個音樂推薦領域，將滿足用戶個性化需求邁進一大步。利用算法來分析歌曲的文本和旋律，識別音樂、個性化推薦、創(chuàng)建歌單以及分析音樂。將用戶可能喜歡的歌曲進行篩選。
綜上所述，我們會發(fā)現這些音樂軟件的推薦功能，越來越完善，那么Spotify是如何構建自己的音樂推薦系統(tǒng)，并脫穎而出的?
其實，Spotify并不是只采用了一種音樂推薦的方法，它結合了其他音樂軟件的推薦模式造就了自己獨一無二的推薦系統(tǒng)。
在Discover Weekly背后的三大超級產品戰(zhàn)略方法論：
1)分析用戶，挖掘用戶需求
2)處理音樂源文件和聲道
3)自然語言處理，分析文本
分析用戶行為，挖掘用戶需求的靈感取決于Spotify的競爭對手Netflix，這是第一家運用協同過濾技術來搭建音樂推薦系統(tǒng)的企業(yè)，它們采用評分制度來了解用戶，便于企業(yè)推薦給用戶和他們喜好相似的內容。
自從這家企業(yè)獲得成功后，幾乎所有應用軟件都采用了這項技術。
和Netflix不同的是，Spotify并沒有采取評分制，而是進行隱性反饋對用戶進行分析，舉個例子，在用戶聽完一首歌時，Spotify會提示是否需要將它收藏起來，或者用戶在聽完一首歌后是否有瀏覽該歌手的主頁。
通過這些分析對用戶的喜好進行判斷，假設A和C兩位不同的用戶，他們喜歡的五首歌曲中，有三首的相同的，那么他們很有可能是品味相似的用戶，因此，他們會有很大的幾率喜歡對方喜歡，自己卻沒聽過的歌曲。
于是，將A喜歡的歌曲，但C卻沒聽過的歌曲推薦給C，將C喜歡的歌曲，A沒聽過的歌曲推薦給A。
通過上述分析，我們會發(fā)現Spotify的超級產品戰(zhàn)略所做的只是滿足了最基礎的用戶需求，滿足了用戶的好奇心，同時發(fā)現了音樂之間的相似性，為用戶推薦和他們歷史記錄中相似的音樂，讓他們聽到想聽的音樂。
如果你想更深層次了解Spotify，學習它如何打造產品，請關注“艾老思”公眾H
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
