Quartz
Эта методика называется «совместная (коллаборативная) фильтрация», и именно ее использует Amazon, чтобы предложить товары, которые могут заинтересовать клиента, исходя из его истории покупок и покупок миллионов других пользователей. Список рекомендуемых фильмов, которые предлагает Netflix, видео, предлагаемые YouTube, и список возможных друзей на Facebook – все это возможно благодаря совместной фильтрации.
Совместная фильтрация становится все более полезной, так как сервис получает больше пользователей. В нашем примере, если у Spotify появляется больше пользователей, то программе легче найти человека с похожим вкусом и, следовательно, легче предложить рекомендацию. Но, по мере роста пользовательской базы, работа таких алгоритмов может стать медленнее и требовать большого объема вычислений.
Второй метод, который использует Spotify для создания плейлиста, – это «профиль вкуса». На основе только тех треков, которые прослушал пользователь и которые ему понравились, Spotify определяет, какие жанры (например, инди-рок или R&B) и поджанры (например, Chamber Pop или New Americana) он предпочитает, и рекомендует музыку этих жанров. Это другая форма стратегии Spotify – предлагать треки на основании ранее прослушанных.
Зачем инвестировать в рекомендацию музыки?
Работа инженеров Spotify для создания этого алгоритма для рекомендации стоит очень дорого – они зарабатывают сотни тысяч долларов в год. Так зачем же компания этим занимается?
Во-первых, отличная система рекомендаций – это коммерчески привлекательная особенность, помогающая Spotify выделяться на фоне конкурентов, например Apple Music. А все потому, что одной только большой музыкальной библиотеки недостаточно. Говоря на языке бизнеса, музыка – это товар. Любой трек в приложении звучит примерно одинаково, будь то Spotify, или Apple Music, или что-нибудь еще – и состоятельный человек может получить лицензию на создание гигантской библиотеки.
Если все музыкальные стриминговые сервисы могут иметь фактически одинаковый набор музыки, Spotify нужна изюминка, которая будет выделять его на фоне конкурентов. И система рекомендаций, безусловно, отвечает всем требованиям – она считается лучше, чем у Apple Music.
И поскольку с привлечением большего количества пользователей совместная фильтрация улучшается, Spotify (у которого уже есть огромное количество пользователей) может продолжить укреплять свое лидерство.
Во-вторых, наличие персональных рекомендаций повышает вероятность пользования этим сервисом. Чем больше людей пользуются Spotify, тем больше алгоритмы узнают о вкусах пользователя и, следовательно, лучше рекомендуют музыку. При частом использовании Spotify подобранная им музыка будет довольно хорошей, и переход на Apple Music, который не знает предпочтений пользователя, будет ошибочным.
Высокая «стоимость переключения» снижает вероятность перехода пользователя к другому поставщику. (Говоря в более широком смысле, любые личные данные, которые вводятся в приложение, например создание плейлистов в Spotify, увеличивают стоимость переключения,
