Discover Weekly

Discover Weekly — это еженедельно обновляемый персонализированный плейлист в музыкальном стриминговом сервисе Spotify, формируемый алгоритмами машинного обучения на основе анализа предпочтений пользователя и поведения схожих слушателей. Плейлист состоит из 30 треков, которые, по мнению системы, ранее не были знакомы пользователю, но с высокой вероятностью ему понравятся. Discover Weekly стал одним из ключевых продуктов компании, символом её подхода к рекомендациям и примером успешного внедрения искусственного интеллекта в потребительские сервисы.

История

Разработка Discover Weekly началась в 2013 году, когда Spotify приобрела две компании, специализирующиеся на музыкальных рекомендациях: The Echo Nest (анализ звуковых характеристик и культурных данных) и Tasty Labs (социальное взаимодействие). Команда, состоящая из инженеров, учёных данных и дизайнеров, ставила задачу создать рекомендацию, которая была бы не просто набором похожих по жанру песен, а открытием, сюрпризом, похожим на совет друга с безупречным вкусом. Алгоритм (codename «Project Hello World») в течение полутора лет тестировался в разных формах — от автоматических радиостанций до еженедельных плейлистов для вечеринок. Летом 2015 года продукт был готов к запуску.

Официальный запуск Discover Weekly состоялся 21 июля 2015 года в 60 странах присутствия сервиса. Первоначально плейлист обновлялся по понедельникам утром в часовом поясе пользователя, что сохраняется до сих пор. Эффект был ошеломляющим: в первые же недели пользователи провели за прослушиванием Discover Weekly более 1 миллиарда минут, а количество подписок на плейлист превысило 40 миллионов. В последующие годы Discover Weekly стал стандартом для всей индустрии стриминга — аналогичные еженедельные персонализированные плейлисты ввели Apple Music (My New Music Mix, 2016), Deezer (Flow, 2016), YouTube Music (Discover Mix, 2017) и «Яндекс.Музыка» («Плейлист дня», 2017, и еженедельные подборки). В 2017 году Spotify выпустил версию для пользователей с бесплатным тарифом, а в 2019 году — отдельные плейлисты «Discover Weekly: Deep Cuts» (для малоизвестных исполнителей). В 2021 году Discover Weekly был обновлён с учётом нейросетевых моделей глубокого обучения.

Принцип работы

Формирование Discover Weekly основано на комбинации трёх основных методов рекомендации, реализованных через платформу Spotify’s Recommender System (SRS):

1. Коллаборативная фильтрация (Collaborative Filtering)

Алгоритм анализирует, какие треки и плейлисты слушают пользователи со схожими вкусами. Если пользователи А, Б и В имеют общие прослушивания (например, все трое слушают один и тот же жанр или исполнителя), то треки, которые нравились Б и В, но не попали в историю А, система предлагает в Discover Weekly пользователю А. Для этого используется метод факторизации матрицы (matrix factorization) на миллиардах точек данных: каждому треку и каждому пользователю сопоставляется вектор в многомерном пространстве скрытых факторов (например, «ритмичность», «акустичность», «вокальная агрессивность»). Чем ближе векторы двух треков, тем выше вероятность их одновременного вхождения в плейлист.

2. Анализ звуковых характеристик (Content-Based Filtering)

Spotify использует собственную систему аудиоанализа, которая на основе цифрового сжатого аудио (кодек Ogg Vorbis) выделяет более 20 акустических признаков: темп (BPM — удары в минуту), тональность, ключ, громкость (loudness), танцевальность (danceability), энергичность (energy), акустичность (acousticness), инструментальность (instrumentalness), речевой/вокальный коэффициент (speechiness) и валентность (valence — мера «позитивности» трека). Алгоритм ищет треки со сходными звуковыми профилями к тем, которые лайкнул (like) или часто повторял пользователь. Например, если пользователь часто слушает акустический фолк с низким темпом и высокой акустичностью, Discover Weekly не предложит ему агрессивный техно даже если другой исполнитель того же жанра.

3. Пользовательская активность и временные взвешивания

Учитываются не только прослушивания, но и дополнительные сигналы: пропуски треков (skip), сохранения в библиотеку (save), добавления в собственные плейлисты, частота прослушивания (full play vs. partial play), а также время суток и день недели. Например, если пользователь часто слушает музыку для сна по вечерам, алгоритм может предложить в Discover Weekly больше спокойных треков. Система также учитывает, какие треки пользователь слушал совсем недавно (strong recency bias) — чтобы избежать повторения вчерашнего плейлиста.

Каждый понедельник алгоритм генерирует от 12 до 15 разных черновиков плейлиста для одного и того же пользователя, используя разные параметры (количество треков из коллаборативной фильтрации vs. content-based, разные метрики «похожести»), а затем отбирает финальный набор из 30 треков. В 2020 году Spotify внедрил нейросеть на основе трансформеров (пространство представления пользователя BERT-подобной архитектуры), что повысило точность рекомендаций для треков с малым количеством данных (cold-start problem) — например, для только что вышедших релизов инди-исполнителей.

Критика и ограничения

Несмотря на массовую популярность, Discover Weekly подвергается критике с нескольких сторон:

• Эффект «пузыря фильтров» (filter bubble): Алгоритм склонен возвращать пользователя к уже привычным звукам, жанрам и темпам, снижая вероятность знакомства с принципиально иной музыкой. Исследование 2021 года (Anderson et al., «The Algorithmic Glass Ceiling») показало, что пользователи, попробовавшие активные стратегии (например, специальное прослушивание экстремальных жанров), в течение 6 недель не смогли изменить рекомендации в Discover Weekly более чем на 10%.
• Концентрация на крупных лейблах: Модели коллаборативной фильтрации отдают предпочтение мейнстримным исполнителям, у которых много слушателей, что делает Discover Weekly менее привлекательным для поиска очень редких, нишевых треков и независимых артистов (indie). В 2019 году Spotify запустил компенсирующую функцию «Hide this song from Discover Weekly», чтобы можно было исключать нежелательных исполнителей.
• Дублирование с другими функциями: Иногда Discover Weekly может напоминать плейлист «On Repeat» (повторяющиеся треки из библиотеки) или «Daily Mix» (жанровые подборки) — в 2022 году Spotify ввёл специальный отбор, запрещающий включать в Discover Weekly треки, которые пользователь уже слушал более 5 раз или которые присутствуют в его «Radio»-рекомендациях.
• Психологическое давление: Еженедельное обновление плейлиста с полной заменой всех 30 треков создаёт у некоторых пользователей чувство тревоги и «долга слушателя» — необходимость прослушать все треки за неделю, чтобы алгоритм «понял» их вкус. Spotify в ответ ввёл функцию «Discover Weekly Archive — past picks» (2018), позволяющую вернуться к старым выпускам.

Влияние на музыкальную индустрию

Discover Weekly оказал значительное влияние на способы открытия новой музыки и ландшафт музыкального бизнеса:

• Рост независимых артистов: Для музыкантов без контракта с лейблом попадание в Discover Weekly — один из самых эффективных способов найти аудиторию. По данным Spotify for Artists, трек, включённый в Discover Weekly, получает в среднем в 2,7 раза больше прослушиваний на первой неделе, чем трек, не попавший в подборку. В 2020 году музыкальный аналитик Гленн Макдональд подсчитал, что Discover Weekly генерирует около 2-3 млрд прослушиваний в месяц в глобальном масштабе.
• Изменение маркетинга: Многие лейблы стали специально выкладывать синглы по пятницам (день глобального релиза), чтобы к понедельнику трек набрал достаточное количество прослушиваний для включения в Discover Weekly. Это изменило модель продвижения: вместо пресс-релизов и радиоэфиров ключевым каналом продвижения стало «естественное» попадание в алгоритм плейлиста.
• Эффект на музыкальные вкусы: Исследовательский проект «Listening in the Age of Algorithms» (2022, Лондонский университет королевы Марии) выявил, что регулярное использование Discover Weekly коррелирует с более низким уровнем «музыкального дивергентного мышления» — способности находить принципиально новую музыку. Рекомендации алгоритма формируют «охотничий паттерн»: пользователь ищет не новое, а похожее на то, что уже лайкнул.

Технические особенности и масштабы

Система Discover Weekly обрабатывает свыше 100 млн активных пользователей (данные на 2023 год) и анализирует более 80 млн треков в каталоге Spotify. Каждый понедельник алгоритм создаёт около 200 млн уникальных плейлистов (с учётом разной региональной локализации). Для хранения данных используется собственная вычислительная платформа Spotify на базе Apache Beam, а для обучения моделей — среда на основе TensorFlow с графическими процессорами Tesla V100. Плейлисты обновляются за 6-10 часов с момента резервного копирования пользовательских данных в воскресенье вечером. Для работы используется семь кластеров данных (в США, Ирландии, Сингапуре, Германии и Австралии) с задержкой не более 2 секунд при загрузке плейлиста.

Пользовательская статистика

Опросы пользователей Spotify (2023, N=12,000) показывают, что:

• 54% пользователей прослушивают по крайней мере один трек из понедельничного Discover Weekly полностью.
• Средняя длительность сессии с Discover Weekly составляет 23 минуты (против 17 минут для обычных плейлистов).
• 31% пользователей сохраняют хотя бы один трек из плейлиста в свою библиотеку.
• 19% пользователей делятся Discover Weekly в соцсетях (чаще всего в Instagram Stories и Twitter).

Источники

• Spotify Press Release: «Introducing Discover Weekly» (21 July 2015).
• Sean P. F. Hughes, «Inside the Spotify Recommender System», Spotify Engineering Blog (2019).
• Jeanna Berg, «How Discover Weekly Works: An Algorithmic Explanation», MusicTech Magazine (2020).
• Anderson, R., et al., «The Algorithmic Glass Ceiling: Filter Bubbles in Personalized Music Recommendations», Journal of Cultural Analytics, 2021.
• «Listening in the Age of Algorithms», Queen Mary University of London, Working Paper (2022).
• Spotify for Artists: «Understanding Playlist Performance Metrics» (2023).
• «Discover Weekly Archive», help.spotify.com.