本文共2260字，阅读时长约为15分钟。如果对话题感兴趣进行深度阅读，阅读时长约为30分钟。

   野心，在人们的印象中，是一个不折不扣的贬义词。中国人从古以来都是崇尚着一种韬光养晦，卧薪尝胆的态度，历史上历来和野心两个词搭上边的人物总是没有落得一个好下场。

   2017年的年末，我们迎来一个个源于野心的焦虑和迷茫：共享经济光热后理性的回归、直播产业歌舞升平背后的空虚、知识付费崛起后对于各种速成论的怀疑、小视频到底还能走多久、小程序到底能走多远....

   伴随着这些行业的野心，随之而来的则是互联网人野心的焦虑和迷茫：科技和商业回归理性、人才溢价（溢价是指所支付的实际金额超过证券或股票的名目价值或面值）、二线城市崛起、自我价值潜力的发掘、自我成长、前路何方是康庄大道...

   今天，更多的是想和大家分享一场关于音乐产品的讲座，讲述一个产品路上不忘“野心”的故事~（PS：Billboard 2017 年终榜单已出，火星老妖千秋万代，法力无边(✧◡✧)，为什么一米六的小短腿可以这么骚，喜欢的不得了~~）

中国音乐软件的天花板

一、网易云音乐的野心，与中国音乐共进的野心

让音乐人与伯乐相遇

本场大会，我便是冲着网易云音乐的分享去的，总有一种网易云音乐产品的副总裁是名谣歌手的既视感，平易近人。王老师列出了音乐类产品的三个特点，即长尾，新鲜，传播。

①音乐类产品是国内少有的注重长尾的产品，消费快，全世界曲库数千万，每一首歌的时长又为3-5分钟，用户听音乐，都会花不少时间去决策自己想要听的歌曲。因此对于用户来说，最完美的体验便是进入产品，10秒之后便有自己所喜爱的音乐播放出来。

②音乐类产品注重新鲜感，每天都会有新歌，每一代人都有新的风格。通俗唱法中的流行趋势也同样一直在转变，从R&B，电子音乐到嘻哈音乐，一直带给人以惊喜。

③音乐类产品有很强的互动性，人们会因为自己喜欢的音乐和艺人而引起更多的话题。当然，人们的音乐口味也会相互影响。网易云音乐通过邀请更多的年轻人到平台上来，因为根据研究，一个人的音乐风格形成于初中，高中，大学早期。网易云平台作为一个陪伴他们形成音乐口味的平台，自然而然便会有了依赖感和信任。网易云音乐希望通过用户的社交网络来传播音乐，去挖掘更多更有趣的音乐。

接下来，便谈到了网易云音乐的野心。

听音乐，看评论，社交

通过社交，算法，让用户从数千万的曲库中听到自己想要的歌曲。之后便是通过培养用户边听音乐，边看评论的行为，从13年5%的看评论到17年50%的看评论行为。

用户行为从把手机放在口袋里听歌，到现在，把手机拿在手里进行听歌，不仅减少了手机被偷摸掉的可能性（(╯>д<)╯⁽˙³˙⁾），同样还增加了音乐类产品的粘性和用户时长。

当用户的眼睛停留在产品上时，我们有了用户的注意力时间，我们才有更多的机会去发展音乐的社交网络。

那回归到本次分享的主题，让音乐人与伯乐相遇。接下来，我会通过更多的资料和分享内容来浅谈一下网易云音乐的音乐推荐功能。

先和大家介绍一下网易云音乐的用户特点和推荐功能的基础知识，方便后面内容的阐述。

网易云音乐中，有数十万的用户听歌数量超过10000首，即忠实粉丝。他们阅歌无数，他们对于挖掘冷门歌曲有着自己的兴趣，且对于质量偏差的歌曲的容忍度更加高。

对于任何一个产品来说，推荐功能的冷启动是十分困难的。曲库里有几千万首歌，希望可以推荐给相对应的用户。一首歌如果被很多人所消费，可以通过协同过滤去推荐它。但是有一首冷门的歌曲没有一个人听过，且没有人知道它到底好不好听，我们无法从歌名和打标签的方式去分类这些歌曲。那么我们贸然推荐这种歌曲给到用户，用户不喜欢，会极大损伤用户体验。

因此，网音乐音乐运用了如下的方式去让音乐人与伯乐相遇。

我这边在重新帮助大家梳理一下逻辑。通过把大量冷门的歌曲通过个性化推荐的算法推荐给1%的品鉴者（即伯乐），既满足了他们想要探寻冷门歌曲的需求，网易云音乐也可以从播放率，复听率，收藏率等数据，从这些庞大的曲库中挑选出被伯乐所喜欢的音乐。然后通过UGC传播者通过社交分享，以歌单样式或单曲形式，把歌曲分享给其他听音乐的人。最后，大众即主流用户就可以用自己的播放行为来进行投票，通过这种方式，层层筛选出平台中最热的音乐。

接下来，我们来简单谈一谈网易云音乐的音乐推荐算法，当然真实的算法一定会比我所想的复杂很多，文中内容借鉴了部分知乎《网易云音乐的歌单推荐算法是怎样的？》高赞回复的想法。

1、首先根据用户听歌的喜好，我们对于用户喜好的不同音乐元素进行评分，利用用户-潜在因子矩阵Q，表示对于不同元素的偏好程度，用0到1之间的数字，表示从不喜欢到喜欢的程度，具体如下所示：

根据用户听歌的类型，列出元素，用户听歌越多，便越准确。当然实际元素，一定会比这些多。

2、同理，利用潜在因子-音乐矩阵P，表示每种音乐含有各种元素的成分，表示音乐中的各种元素，用0到1之间的数字，表示从不符合到符合的程度，具体如下所示：

潜在因子详细算法，请见文末，即对于获得的用户行为数据进行分析

利用这两个矩阵，我们能得出小星对音乐A的喜欢程度是：小星对小清新的偏好*音乐A含有小清新的成分+对色气满满的偏好*音乐A含有色气满满的成分+对忧郁悲伤的偏好*音乐A含有忧郁悲伤的成分+……

小星对于音乐A的喜欢程度，即0.4*0.2+0.8*0.1+0.4*0.3+0.5*0.8+0*0=0.68

每个用户对每首歌都这样计算可以得到不同用户对不同歌曲的评分矩阵。

根据刚刚的算法，可以算出用户对于每首歌的喜欢程度。

根据上面的表格，得出小星对音乐B，音乐D很感兴趣；大壮对音乐D，音乐E十分感性兴趣；小黑对于音乐C较为感兴趣。

更多专业内容，如潜在因子如何获得，请移步到知乎进行观看。

网易云音乐的歌单推荐算法是怎样的？ - nick lee的回答 - 知乎

https://www.zhihu.com/question/26743347/answer/34714804