К концу 2014 года два малоразговорчивых американских программиста Эдвард Ньюэтт и Крис Джонсон начинают разрабатывать одну старую идею. Ранее они обсуждали с коллегами, нельзя ли объединить обычные рекомендации для плей-листа в «пакеты». Теперь они тестируют, какой из методов способен выдать идеальный плей-лист, скроенный в точном соответствии со вкусами пользователя. Таких методов у программистов несколько. Один основан на поиске пользователей с похожей историей запросов, то есть речь идет об анализе огромных массивов данных. Подобный метод использует Netflix для телепередач и фильмов, а Amazon — вообще для любых товаров. Другой метод — анализ звуковых файлов с целью найти музыку с аналогичным темпом, структурой и ритмом. Однако наилучшие результаты показывает третий метод. Движку «скармливают» данные приблизительно из 1,5 миллиарда плейлистов, составленных пользователями Spotify. Большинство этих плей-листов состоит из сочетаемых друг с другом треков. Слушатели уже сделали выбор — а машина просто «очищает» его и выдает поразительный результат.
Программисты считают, что такие плей-листы просто идеально скомпонованы. Но нужна верификация. Эдвард Ньюэтт и Крис Джонсон просят провести внутреннее тестирование метода на сотрудниках Spotify. Новый шеф Мэттью Огле ставит плей-лист на верхнюю строчку в общем списке. Эффект не заставляет себя ждать.
«Его как будто составил мой музыкальный двойник. Все просто отлично», — пишет один из участников эксперимента. К команде программистов подключаются дизайнеры. Предполагается, что плей-лист — этакий персональный микс — будет обновляться каждую неделю. Объем сокращается со 100 треков до 30, что соответствует двум часам звучания. Автоматизированный плей-лист получает название Discover Weekly, «еженедельные открытия».
Источник: С. Карлссон, Ю. Лейонхуфвуд. Против гигантов. Как Spotify подвинул Apple и изменил музыкальную индустрию. – М.: Альпина Паблишер, 2020. Глава 16. БОЛЬШИЕ ДАННЫЕ. Dancing Machine
Концентрированная книга издательства LIVREZON складывается из сотен и тысяч проанализированных источников литературы и масс-медиа. Авторы скрупулёзно изучают книги, статьи, видео, интервью и делятся полезными материалами, формируя коллективную Базу знаний.
Пример – это фактурная единица информации: небанальное воспроизводимое преобразование, которое используется в исследовании. Увы, найти его непросто. С 2017 года наш Клуб авторов собрал более 80 тысяч примеров. Часть из них мы ежедневно публикуем здесь.
Каждый фрагмент Базы знаний относится к одной или нескольким категориям и обладает точной ссылкой на первоисточник. Продолжите читать материалы по теме или найдите книгу, чтобы изучить её самостоятельно.
📎 База знаний издательства LIVREZON – только полезные материалы.