互联网音乐推荐的前世今生(中)

前文:互联网音乐推荐的前世今生(上)

音乐产品的一类发展趋势——简单、再简单一些

书接上文,我们提到了 PGC 的音乐专题和 UGC 的用户制作歌单。国内的两款音乐产品 Jing.FM 和 章鱼FM(出自同一个团队),在「让听歌变简单、再简单一些」的方向上,基于前人的成果做了一些有益的尝试。不论产品是否能成功,他们在理念上的创新应该会成为国内互联网音乐产品发展中值得骄傲的一笔记录。

从 UGC 歌单说起,它的最大优势之一就在于用户自选的主题可以无所不包,没有限制。而从收听歌单的用户角度考虑,一般情况下,他会先有一个模糊的想听的主题(比如说想听香港经典武侠片中的音乐),然后通过搜索或浏览热门的方式在庞大的歌单库中找到他想要的。而 Jing.FM 尝试做到的事情,就是省去用户查找的过程:理想情况下,只要用户在产品的主搜索框中输入「我想听香港经典武侠片中的音乐」,系统就会给他播放一个满足他需求的电台,实在不能更简单!简单介绍下 Jing.FM 的运作思路,他们应该是想在中国复制一个 Pandora 的「音乐工程计划」,对曲库中的歌曲做「科学」的标记(这一部分是人工做的),另一方面对用户的输入做自然语言分析,然后找到这两个集合的关联,根据用户的自然语言输入通过算法生成电台,这样甚至都不需要用户来贡献 UGC 歌单了。

而在 PGC 专题推荐的方向上,国外一家叫做 Songza 的公司最先推出了一类新的专题(也可以把它看作是「按风格分类歌曲」这个方向上的横向创新)——场景电台。场景电台的切入点是:大众在不同的场合下想听的歌曲存在相似性,典型的场景比如说工作时、健身时、午休时等。这些偏 PGC 的电台歌单的风靡一时,也是因为契合了目前大众收听音乐的一些需求:操作越简单越好;我不是什么音乐爱好者,没有特别喜欢的音乐风格或者歌手;具体是什么歌不重要,听着舒服就行,别让我听了想换歌就算成功。用一个词来概括的话——背景音乐
章鱼FM 作为一款新鲜推出的音乐电台应用,一方面应该是继承了 Jing.FM 在歌曲标记这一块积累的音乐数据,另一方面它在场景电台的方向上又做了更深入的挖掘。章鱼FM 目前最具特色的功能应该算是「及时」歌单了,而这个歌单的生成就是对用户当前场景进行不断的深挖,目前可以看到的维度包括:时段、地点、天气、空气、热点等等。从产品描述上,它之后应该会借助各种智能硬件再做进一步的场景分析。举个例子,印象中见过一个「夏日午后,用音乐驱散霾」的「及时」歌单,算是比较典型的了。后续如何用算法生成歌单中的歌曲,我想应该是很大程度继承了 Jing.FM 用过的匹配方式。

就我个人的使用体验,Jing.FM 和章鱼FM 都不好用,主要原因是曲库不够大、匹配算法也不强。尤其是章鱼FM,目前的「及时」电台更倚重的似乎是表面层的吸引,明明应该是算法为核心的功能,用起来感觉更多是在运营和产品层做文章。
但从音乐服务产品创新的角度,这两个产品是近年来我所知的国内最出彩的。

在这个话题下最后提两个产品/功能,如有讨论,可以再深聊下去:

  • 乐流:这个音乐产品在收听音乐上(通过交互设计)做到了极致简单;
  • 音乐日历:各家产品先后都曾推出过类似功能,很早之前网易云音乐的每日推荐歌单中就曾在这个方向上做过运营,目前虾米音乐把它做成了一个固定栏目,章鱼FM 的「及时」歌单中也经常在这个点上做运营。可以把它看作一种特殊的 PGC 专题,利用人喜欢怀念的特点做「纪念日」的文章。
虾米音乐的音乐日历

音乐推荐的效率为什么这么低?

这个话题的背景是各大社交网站都在引入音乐内容的过程中经历了或多或少的不如意。不管是国外的 Facebook,还是国内的微博、豆瓣等,都支持发送音乐信息作为 feed(状态),不过没见哪家做得红火。再看国内先有音乐后有社交的主要玩家虾米音乐和网易云音乐,好友音乐推荐的版块,从可见的互动数据来看,应该也是很不景气。从我自己的实际使用以及和一些朋友的交流中也会发现,那些好友推荐的音乐,很少会去点。为什么呢?我认为这主要是受限于音乐特殊的消费形式:

  • 我们主要的消费方式是「看」,文字、照片都是这样。而音乐需要「听」;
  • 一首歌一般都是 3-5 分钟,一首歌的时间,新鲜事都翻了好几屏了,消费时间太长;
  • 在用户点击音乐收听之前,他能够用于预判内容是否合他心意的依据太少。目前的展现形式中一般会有推荐人、歌名、歌手名、专辑封面。

针对上述提到的这些问题,网易云音乐曾经做过一个尝试,每首歌都提供一个「30秒精华」的试听版本。我不太确定是解决方案本身不够吸引,还是网易云音乐选择试听部分的算法不行(我的实际使用感受是有些歌明显没剪到精华),总之这是一个昙花一现的项目,没多久就下线了。

至于推荐展式方面的探索,各家都在做有益的尝试。网易云音乐借助它的用户产生的大量短评及互动,可以很容易的挑选出其中的热门评论,通过优质短评反过来推荐歌。虾米音乐网页版的首页有一块不小的「大虾推荐」栏,推荐机制应该是结合了对优质用户的筛选和对评论的简单分析(我的实际体验中很多评论的质量并不高,部分原因应该是虾米的评论氛围没有做起来,而且这里的评论分析算法应该也是非常之简陋)。
另外虾米音乐和落网最近都推出了一个很类似的音乐推荐版块:PGC 精选的少量内容(虾米每天只推荐一个音乐人的一首作品,落网大概每周也就推荐三四首单曲),再辅以接近专业级的「长短评」,和相对隆重的视觉效果,营造出一种音乐精品的感觉。这类功能之所以值得关注和期待,一方面它们按理是最有可能通过「看」的方式吸引用户点击收听的,另一方面不知道哪家音乐服务愿意,并且能把这种模式从 PGC 延展到 UGC。

落网的「单曲」栏目

这几乎是一个理想,至少是我的一个音乐理想。

下文预告

最后一篇,我们会聊聊社交音乐和音乐社交。你知道,前者还是有很多的,比如说 echo,muzzik,甚至 same;而后者,有吗,会有吗?


广而告之:

我在做一个音乐站点,至少从解决方案的角度来看尚未见到市面上有其他人在尝试(国外也没见到,不过我国外产品见得也不多...)。如果你因为我的一些音乐观点觉得不妨试试这个新产品,又碰巧喜欢一个外号叫做 slowhand(慢手)的著名吉他手,欢迎通过任何方式联系我,我会给你 Demo 的地址。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容