編輯導(dǎo)語：如今，不少的音樂類軟件比如：QQ音樂、網(wǎng)易云音樂，甚至短視頻類的抖音，都會向用戶推薦可能喜歡的歌曲/背景音樂。在這個大數(shù)據(jù)時代，算法支配著受眾，因此歌曲的推薦也基于算法先行，這就導(dǎo)致了用戶聽到的歌曲和喜好偏離，用戶聽到的都是同質(zhì)化的、略顯“枯燥”的音樂。

一個平常的工作日晚上，筱佳和往常一樣打開抖音，打算好好放松一下心情。過了幾分鐘，由于所看視頻的背景音樂都是那幾首熱門“神曲”，越刷越煩的筱佳很快就關(guān)掉了APP。

一、流量大的去前面

這并不是筱佳第一次被持續(xù)重復(fù)播放的洗腦配樂成功勸退了，隨著使用時間加長，筱佳逐漸發(fā)現(xiàn)抖音視頻配樂同質(zhì)化越來越高，連原本會精挑細(xì)選一些小眾歌曲當(dāng)作背景音樂的幾個同事及好友，最近也開始使用“平臺爆款”作為錄制影片的BGM。

“像我很喜歡看電影推薦類的短視頻，以前這些視頻的配樂還比較多樣，現(xiàn)在卻非常一致，都是那些節(jié)奏相似的洗腦旋律，聽多了真的頭疼?！斌慵延悬c無奈。

從芒種、野狼disco到鏡花水月、踏山河，這些不斷重復(fù)出現(xiàn)的配樂讓筱佳被迫單曲循環(huán)，對歌曲本身的看法也從一開始的無感到后來一聽見片段就十分厭煩，甚至影響了筱佳觀看視頻的興致。

造成筱佳困擾的“抖音神曲”來自于抖音平臺所使用的信息流漏斗算法。用戶上傳視頻并通過抖音平臺審核后，系統(tǒng)將為此視頻進行冷啟動，分配一個內(nèi)含200-1000個在線用戶的初始流量池。

平臺會根據(jù)這1000次曝光所產(chǎn)出的完播率、點贊、關(guān)注、評論、轉(zhuǎn)發(fā)、轉(zhuǎn)粉、游覽深度等數(shù)據(jù)，結(jié)合使用者賬號的分值進行數(shù)據(jù)分析，決定是否給予加權(quán)。其中，點贊、評論、轉(zhuǎn)發(fā)、點擊率、完播率等指標(biāo)決定是否進行第二輪的加大流量推薦與推薦力度。

抖音平臺將數(shù)據(jù)好的短視頻進行更大的加權(quán)后，會根據(jù)用戶群體的標(biāo)簽推送不同視頻，讓內(nèi)容分發(fā)更加精準(zhǔn)。類似“猜你喜歡”的打標(biāo)，依照視頻本身的標(biāo)簽和用戶標(biāo)簽，在兩者之間進行匹配、決定是否推送。

從抖音運用算法推薦視頻的整個過程可見，視頻內(nèi)容與標(biāo)簽對于播放量的影響至關(guān)重要。以流量為基礎(chǔ)的推薦算法加劇了賬號的“馬太效應(yīng)”，為熱門視頻及熱門音樂擴大推薦，使它們的受眾更加廣泛。

許多主播為了增加粉絲與視頻傳播度，以“蹭熱點”的方式直接模仿、使用自帶流量與標(biāo)簽、受眾覆蓋面廣的熱門內(nèi)容和背景音樂。

如此一來，熱門音樂被多次引用后更加火爆，“抖音神曲”隨之誕生，相似的節(jié)奏與旋律充斥著整個抖音平臺。困擾著像筱佳這類對背景音樂較為敏感且“觀看口味”較多元的用戶。

“這樣真的很煩，一直都是那幾首歌重復(fù)播放。短視頻又不像音樂APP會顯示歌名，你不打開聽，還不知道都是一樣的歌；一打開就被算法標(biāo)記了，又把類似的視頻推薦給我，簡直惡性循環(huán)?！斌慵巡粷M地說。

二、標(biāo)簽一致的去前面

無獨有偶，若紜在音樂平臺上也有過類似的遭遇。被算法“得知”她具有關(guān)注古風(fēng)歌曲的習(xí)慣后，首頁的推薦歌單便總是出現(xiàn)曲風(fēng)、唱腔類似的古風(fēng)歌單，多次點選“換一批”也揮之不去。

其中還包含多首她已收藏、下載的曲目，讓原本愛好古風(fēng)歌曲的若紜徹底聽膩幾乎退圈。

“其實平臺要是推薦不同風(fēng)格的古風(fēng)歌倒還好，畢竟古風(fēng)也分婉轉(zhuǎn)抒情的小曲、雄壯豪放的戰(zhàn)歌等許多不同類型。但推薦的歌單里總是同一個類型的歌曲，聽多了就很容易膩。”若紜表示。

不同于短視頻平臺流量為王的推薦方式，音樂APP主要是依照用戶偏好來進行歌單推薦。

以QQ音樂的推薦系統(tǒng)RS（QQ Music Recommendation System）為例：RS會記錄每位使用者的聽歌行為數(shù)據(jù)，將其貼上標(biāo)簽，進行統(tǒng)計分析，繪制出獨一無二的用戶畫像。

除了能單純依靠音樂平臺獲取的語言、歌手、流派等內(nèi)容偏好；排行榜、歌單、本地歌曲等聽歌場景偏好；以及使用APP聽歌的時間段偏好之外，社交屬性標(biāo)簽便是通過騰訊成熟的社交生態(tài)鏈，獲得用戶的年齡、性別、職業(yè)、所在地區(qū)等資訊。

相應(yīng)的，平臺也會為所提供的音樂標(biāo)記歌手訊息；音頻信號特征；點播量、下載量、收藏量、分享量等熱度數(shù)據(jù)；搖滾、爵士、藍(lán)調(diào)等音樂流派；音樂情緒以及演奏樂器等標(biāo)簽。

為用戶和音樂分別繪制畫像后，根據(jù)各自的標(biāo)簽，運用大數(shù)據(jù)統(tǒng)計分析，在用戶與歌曲間建立標(biāo)簽向量、在不同用戶間建立偏好矩陣。藉由互相匹配音樂屬性，在龐大的歌曲數(shù)據(jù)庫中找到用戶比較可能會喜歡的那些音樂。

這樣一種基于用戶畫像的歌單推薦，本意雖然是依據(jù)使用者習(xí)慣與偏好，推薦更多用戶偏愛的曲風(fēng)類型，從而增加使用體驗。但在像若紜這類使用者身上，卻反而有些“弄巧成拙”。

“除了推薦的歌曲太像了，我最不喜歡的一點是，它推薦的歌單中經(jīng)常包含我聽過、已收藏或甚至拉黑的曲子!有時候網(wǎng)易云推薦的同一個歌單里還會出現(xiàn)兩首重復(fù)的歌！就算那些歌再怎么受歡迎也不用這樣重復(fù)推嘛?！?/p>

“聽歌單就是因為想聽沒聽過的歌，希望發(fā)現(xiàn)一些新的好聽的歌曲。總是出現(xiàn)聽過的歌根本失去了選聽新歌單的意義，還得一直跳過，有點麻煩。要是想聽我喜歡的歌，那我就播自建歌單或收藏歌曲不就好了?”。

“現(xiàn)在我很少聽古風(fēng)歌了，太膩了。寧愿自己去搜索不同風(fēng)格的歌單，改變算法對我的印象。這樣能接觸到的歌曲類型更多，比較不容易聽膩?！?/p>

三、你想聽什么，算法說了算

雖然具體使用的算法規(guī)則不同，但通過筱佳和若紜的經(jīng)歷可以發(fā)現(xiàn)，即使現(xiàn)在的互聯(lián)網(wǎng)公司與多媒體平臺擁有先進的人工智能大數(shù)據(jù)分析技術(shù)，能夠記錄并分析用戶使用習(xí)慣來推薦內(nèi)容。

但用戶的需求并非只有“個性化推薦”那么單一，基于“用戶畫像”標(biāo)簽的歌單推送，反而讓部份用戶追求不同的、更加具有差異化內(nèi)容的需求卻越來越難被滿足。

在平臺內(nèi)容更加多元，音樂歌曲傳播成本更低更便捷的今天，從某些角度來說，我們所能接觸到的音樂面或許反而更加狹窄。對于生活繁忙的現(xiàn)代人而言，在音樂平臺或短視頻平臺自行搜索、挑選觀賞內(nèi)容的次數(shù)并不多。

多半還是在打開APP后，隨意選取平臺首頁的推薦歌單或影片。這些內(nèi)容正是經(jīng)由大數(shù)據(jù)算法對我們層層分析之后所挑選的那部份。

即便使用者自行搜尋想聽的歌曲類型，在搜索之前沒有聽過的曲目風(fēng)格時，算法仍會依據(jù)用戶畫像和標(biāo)簽，找出匹配度較高的歌曲，再按照流量及熱門程度排序推薦。

我們以為是自己“選擇”了要聽要看的內(nèi)容，其實依然被算法與流量所制約。這樣看來，在大數(shù)據(jù)時代，用戶聽歌看視頻的自主選擇性可說是慢慢下降。

“現(xiàn)在就連網(wǎng)易云上面都能時不時聽到抖音神曲了?！斌慵延行o奈地說?！拔覒岩蛇@些平臺是不是互通的啊?想好好聽歌怎么變得這么難?”

“可能爆款歌曲到哪都是爆款吧。像我曾經(jīng)拉黑過之前很紅的盜將行，但是在QQ推薦的歌單里還是偶爾會出現(xiàn)。難道對算法來說，音樂本身的熱度比用戶喜好的加權(quán)更重?”若紜對此感到疑惑。

無論是短視頻平臺還是音樂平臺的算法，視頻或歌曲本身的“熱度”都會影響被推薦的次數(shù)。從2018年開始，近半數(shù)的爆款歌曲是出自短視頻平臺，而短視頻平臺的算法最為看重流量。

隨著抖音快手等短視頻與直播的大受歡迎，近年這一比重被進一步放大，許多音樂平臺的音樂排行榜都出現(xiàn)了短視頻音樂排行榜。

短視頻平臺在音樂宣發(fā)環(huán)節(jié)有越來越多話語權(quán)的同時，音樂行業(yè)也逐漸被算法綁架，開啟了流量至上的瘋狂時代。

雖然短視頻平臺為音樂提供了另一個有效的宣傳途徑，但借助流量的加持與平臺算法的主導(dǎo)，最終能被廣大用戶聽見的經(jīng)常是一些“洗腦神曲”，或是流量粉絲持續(xù)刷榜“捧紅”的口水歌。

這些歌曲的大量流通，在潛移默化中影響著市場的審美取向，最終形成用戶審美的單一化。

目前大眾對于主流音樂的審美取向的確具有明顯的特征，從歌唱類綜藝節(jié)目歷屆決賽的歌手特征與選曲就可看出。

如《我是歌手》歷屆前三名中，林志炫、楊宗緯、韓磊、鄧紫棋、韓紅、李玟、張信哲、Jessie J、華晨宇、汪峰、劉歡、吳青峰、徐佳瑩、蕭敬騰等人的聲音都具有能飆高音或充滿爆發(fā)力的特點，其中大部份則是二者兼具。

但在更早以前的星光大道和超級女聲等歌唱節(jié)目中，進入決賽的歌手個人聲音特色與風(fēng)格還是各有不同、彼此間的差異更加顯著的。

算法的本意是幫助我們在喜歡的音樂類型中，找到更多喜歡的歌曲。但在算法根據(jù)流量決定歌曲推薦順序的同時，也屏蔽了另一些用戶想要嘗試接觸的音樂類型，即使用戶本身并未發(fā)覺自己有這樣的需求。

“或許有些人覺得這種推薦很方便找到喜歡的歌曲，但對于我這種聽歌比較雜，沒有固定類型還特別看心情的人，網(wǎng)易云和QQ音樂的歌單推薦都不是特別準(zhǔn)確?！币魳窅酆谜邉P雅告訴筆者。

“我還是比較懷念蝦米的隨機播放吧，至少感覺上是真的隨機，不像網(wǎng)易跟QQ的有固定風(fēng)格類型。要不是蝦米的歌越來越少，我還會繼續(xù)用的?！?/p>

對于像筱佳、若紜、凱雅這樣的用戶而言，他們真正需要的或許不是“個性化推薦”所帶來的“推薦歌單”，而是選擇是否屏蔽個性化推薦的自由與自主選歌的權(quán)利。

（注：文中筱佳、若紜、凱雅皆為化名）

作者：離離；公眾號：熔財經(jīng)，城市商業(yè)新媒體，區(qū)域經(jīng)濟鏈接者，產(chǎn)業(yè)趨勢發(fā)現(xiàn)地。

本文由 @熔財經(jīng) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。