三个回答解读网易云音乐为什么要设计三个推荐功能

　　很多人初次接触网易云音乐都有种个性化推荐好棒的感觉，但是云音乐关于音乐却有三个推荐功能，这是为什么？本文从三个角度为你解答！
　　本文分为三部分：
　　了解云音乐
　　了解个性化推荐
　　个性化推荐功能分析
　　1。云音乐发展现状
　　前阵子网易云音乐团队干了件轰动杭州人的事，杭州市地铁1号线和整个江陵路地铁站印满了云音乐精选热门乐评，网易云音乐一夜之间成为了媒体们关注的聚焦点。（赶个新潮，用微信指数搜索网易云音乐，不难发现网易云音乐因为这次营销活动使得热度激增。）
　　（数据源自微信指数）
　　网易云音乐作为音乐产品的后起之秀，2016年用户量就突破了2亿，云音乐有别于传统音乐产品作为曲库和播放器的工具形象，以帮助用户发现音乐，分享音乐为核心搭建了一个有独特氛围的音乐社区，吸引了众多高端年轻群体的青睐。
　　2。产品功能分析（发现音乐）
　　为了让同学们进一步了解产品，此处应该上个功能架构图。（虽然图片打开率几乎为0）
　　（产品功能架构图）
　　2。1先了解一下个性化推荐到底是什么？
　　云音乐个性化推荐功能：私人FM、每日歌曲推荐、推荐歌单。
　　互联网时代是懒人时代，人们越来越倾向于使用智能化的产品来减少选择成本和时间成本，个性化推荐的商业价值也就显现了出来。
　　而个性化推荐在音乐领域的应用场景有哪些，用户有哪些需求？我们就以云音乐为例，分析其目标用户，看看个性化推荐解决了哪些痛点。
　　2。2需求分析
　　用户需求：
　　云音乐用户群为追求音乐品质的的85后95后的年轻群体（年龄段），其中有音乐人、作词作曲人、音乐发烧友以及普通音乐爱好者（身份）。
　　情景模拟：
　　用户A：赵欢，26岁，音乐人
　　场景：作为音乐人需要听大量的音乐找到创作灵感以及获得音乐技巧上的借鉴，通过搜索和排行榜很难找到冷门且适合自己曲风的音乐，点开私人FM，系统根据她的口味推荐了一首她从未听过的新歌，赵欢兴奋极了。
　　用户B：陈佳佳，27岁，家庭主妇
　　场景：在做家务的同时需要音乐的陪伴来愉悦自己的心情提高工作效率，但是无法做到做家务的同时还思寻着听什么歌好，于是点开私人FM，系统推荐了一首她大学时代最喜欢的歌，陈佳佳突然有种云音乐很懂自己的感觉。
　　以上两个用户用例（但不局限于以上两个场景）很好地说明了个性化推荐在音乐产品上的应用场景，为专业音乐人提供灵感为普通用户节省时间获得优质推荐，个性化推荐功能能带给用户惊喜，让用户有产品很懂自己的感觉，从而拉近用户与产品之间的距离，增加用户粘性。
　　平台方、音乐人需求：
　　随着科技的发展，音乐制作成品的门槛越来越低，每天都会有许多新歌诞生，而个性化推荐很好地解决了冷门歌曲无人问津的问题，小众音乐人的作品也有机会被推荐给适合的人提高自身知名度，作为平台方也能盘活曲库资源使得长尾音乐作品得以曝光获取更多的收入。
　　2。3个性化推荐算法
　　个性化推荐功能早已成为众多音乐产品的核心功能，如豆瓣FM、虾米音乐等，各个产品的算法不尽相同，但基本原理还是一致的，只是不同产品会根据自己用户不断进行算法优化。本文由于篇幅原因简单介绍一下应用最广的协同过滤算法。
　　协同过滤在音乐产品应用上分为两类，一类是Base用户，一类则是Base音乐本身。
　　Base用户：
　　如果用户A和用户B相似性高，那么用户A喜欢的很可能用户B也喜欢。举个栗子，用户A喜欢听周杰伦的《告白气球》、薛之谦的《演员》、赵雷的《成都》，而用户B喜欢薛之谦的《演员》、周杰伦的《告白气球》、李荣浩的《模特》。那么由于两个用户音乐口味相近，就可以将《成都》推荐给用户B，将《模特》推荐给用户A。
　　Base音乐：
　　根据音乐众多因子（节奏、感情基调、歌词、歌手等）判别不同音乐之间的相似性，如果用户喜欢一首歌，则将这首歌相似性较高的音乐推荐给他。
　　对个性化推荐系统有了一定了解后进入正题
　　3。云音乐个性化推荐功能分析
　　云音乐面向的用户群体不局限于高端且年轻化的人，并不排斥其他特性的用户使用云音乐，从而扩大市场，但众口难调，云音乐是如何把个性化推荐功能设计得尽可能完美呢？云音乐打出了私人FM每日歌曲推荐推荐歌单的组合拳。
　　（功能界面图）
　　1。组合功能低风险高收益
　　问：网易云音乐个性化推荐功能为什么要设计三个？
　　答：这是弥补技术上的不足！
　　用户对于个性化推荐的歌曲有两种需求，一是喜欢听的歌（准确度），二是没听过的歌（多样性）。然而这两种诉求在个性化推荐算法中是矛盾的，也就是说不能够同时满足高准确度和多样性。
　　在证券投资中风险和收益一直是正相关的，那么单一的个性化推荐功能也是如此。而组合投资能够很好的降低风险又能确保一定的收益，这也就说明了个性化推荐需要组合功能的原因。
　　那什么样的功能组合才能达到收益风险最佳峰值呢？
　　我们不妨假设云音乐三个功能的组合是最佳组合且定义各个功能准确性和多样性的阈值。（便于分析）
　　（强度：1低2中3高）
　　有了上面各个功能的个性化算法强度表，我们再来看看算法载体（也就是功能）的设计逻辑。
　　（以下分析均局限于算法与功能之间的匹配逻辑关系不包括其他因素。）
　　私人FM（准确性低、多样性高）：多样性高的结果是能为用户带来新鲜感，如果发现了一首从未听过但特别喜欢的歌，会带来惊喜感，调动用户正面情绪。可是由于准确性低，很可能新歌很不符合用户口味，所以功能设计上要便于用户切换歌曲，于是在私人FM播放界面可以发现有【删除】、【下一首】两个按钮用于切歌。私人FM的关键字在于切换。
　　每日歌曲推荐（准确性高、多样性低）：准确性高使得每日推荐的20首歌曲不让用户觉得讨厌，为什么说是不讨厌而不是喜欢，因为喜欢是需要系统推荐结果超出用户期望，是更高层次的需求，那么20首推荐曲目组成的播放列表为什么能够成为这一算法缺陷的解决方案？播放列表代表着可浏览、可操作，给予用户一定的控制权来弥补推荐结果无法带来许多惊喜的不足无疑是最好的妥协。就好比如国债投资这种低风险低收益的投资，你能很好的控制投资退出时间，控制权带来的安全感弥补了低收益的低满足感。每日歌曲推荐的关键字在于可控。
　　推荐歌单（准确性中、多样性中）：推荐歌单有别于其他两个个性化推荐功能，它准确性多样性的阈值不只是由算法决定的，更多的是它功能形式所决定的，首先把功能的面向对象分为两类，一类是个体用户，一类是UGC歌单，系统将用户和歌单分别打上标签进行匹配这确保了一定的准确度，由于UGC歌单是由用户自己创建的，而人本身就具有多样性，所以UGC歌单就带有了多样性的特点，两者糅合便很好的保证了准确度和多样性共存。推荐歌单的关键字在于匹配。
　　技术上难以攻破的缺陷需要产品设计组合功能来弥补，云音乐的个性化推荐功能组就是很好的例子。（论PM重要性）
　　2。个性化体验由浅入深
　　问：网易云音乐个性化推荐功能为什么要设计三个？
　　答：这是引导用户不短深入产品的过程！
　　从操作流程上分析
　　三个功能从看见功能Button到最终获得推荐曲目的步骤是个由简至繁的过程：
　　看见私人FMamp；gt；【点击私人FM】amp；gt；获取音乐（2步）
　　看见每日歌曲推荐amp；gt；【点击每日歌曲推荐】amp；gt；看见推荐列表amp；gt；筛选中意曲目amp；gt；【点击中意曲目】amp；gt；获取音乐（5步）
　　看见推荐歌单amp；gt；【点击推荐歌单】amp；gt；跳转歌单页面amp；gt；发现三个口味标签amp；gt；筛选口味标签amp；gt；【点击口味标签】amp；gt；看见口味标签下的推荐歌单amp；gt；筛选歌单amp；gt；【点击歌单】amp；gt；浏览歌单列表amp；gt；筛选中意曲目amp；gt；【点击中意曲目】amp；gt；获取音乐（12步）
　　我们可以发现私人FM能较快的体验个性化推荐而每日歌曲推荐次之，推荐歌单则最为繁琐。
　　三个功能对应着三种用户阶段：
　　私人FM新用户：私人FM置于首页黄金位置，新用户初次体验的产品功能大概率是点击它，所以应该做到一点即用，较多的操作会造成一定量的用户流失，而用户在快速体验产品个性化推荐的魅力之后才了解其他功能的欲望。
　　每日歌曲推荐普通用户：新用户使用私人FM过后需要不一样的体验来满足个性化需求，每日20首歌曲推荐对用户来说是可预知的，20首上限的设定造成用户物以稀为贵的感觉，会珍惜每日的推荐，而每日更新无法回看以往推荐的设定，会让用户觉得一天不看就错过了什么的紧迫感。
　　推荐歌单深度用户：歌单是云音乐连接个性化推荐和社交的重要桥梁，推荐歌单是个性化推荐功能最后一环，在深度体验了推荐歌单之后，用户会得到歌单可被分享和推荐的认识，很可能会产生自建歌单的冲动，而歌单在云音乐中具有社交属性，用户可以互相收藏、评论、分享歌单，而且歌单在个人主页中也反映了个人音乐风格，让用户能够更好地展现自己给他人。
　　3。发现音乐的参与元素由少到多
　　问：网易云音乐个性化推荐功能为什么要设计三个？
　　答：这是满足不同用户对发现音乐的不同需求！
　　个性化推荐除了推荐用户喜欢的歌这一使命外，还肩负着发现新音乐的重任，而三个个性化推荐功能的推荐参与者却不尽相同，体验自然不同。
　　私人FM：系统
　　每日歌曲推荐：系统自己
　　推荐歌单：系统自己其他用户
　　前面有提到三个功能的发现音乐概率是私人FMamp；gt；推荐歌单amp；gt；每日歌曲推荐，而如果要算发现一个喜欢的新音乐的概率却不能得到很好的计算，因为这里面有个时间操作成本问题（见下图）。
　　图中反应了三种功能发现喜欢音乐的时间成本，私人FM由于只有系统参与推荐，有可能第一首歌就能够打动用户，也可能长时间推荐还是没让用户感到惊喜。而每日歌曲推荐由于自身可控可浏览的特点，用户及时未能在列表中发现喜欢的音乐也不会耗费较长时间。而推荐歌单由于参与推荐的元素复杂性，用户花的时间越长发现新音乐的概率也就越大，呈一定的正相关。
　　而这三种功能也对应着三种心理模型，也对应着三类职场人（来点趣味）：
　　私人FM：冒险型。这类人不顾旁人劝阻，始终相信自己愿景的创业者，不怕失败，坚守老子就是对的的信条朝着自己的目标不断前进，例如马云。
　　每日歌曲推荐：稳中求胜型。这类创业者的原则是不断试错，不行就撤即便失败了也不会造成较大的损失，还有精力进行下一次试错，直至找到属于自己的天地为止。
　　推荐歌单：脚踏实地积累型。而这类职场人更相信脚踏实地能获得最后的成功，加入公司从底层做起，一步一步往上爬，最终成为人生赢家。
　　所以，你属于哪一类职场人呢？