本文转载自 放大灯，作者 陈颖、杨景诒
在中国，几家头部互联网音乐平台的曲库规模共计超过7000万首（如果计算重复），假设每首歌平均时长3分钟，一个人需要连续收听400年才能听完。
普通人一辈子往往只会听三五千首歌曲。穷极一生，你也不可能遍历这庞大的曲库——不仅是你不能，甚至音乐平台的编辑也做不到。
所以，谁能为你推荐下一首歌？谁来给你惊喜？
今天，听歌似乎简单又容易，但从前并非如此。
早期互联网音乐播放器比较原始，用户需要主动搜索并点歌。1999年上线的九天音乐，与后来的百度MP3、酷狗等，起初都是点播平台。
与点播相对的，则是电台音乐（Radio）——它由专业的编辑或算法决定用户听什么歌。
2009年，豆瓣基于推荐算法，推出豆瓣FM。中国互联网音乐平台从此进入算法时代，QQ音乐、虾米音乐、网易云音乐等也纷纷效仿。
这项功能颇有前瞻性——在国外，以推荐算法成名的Spotify，其电台功能的上线时间，也比豆瓣FM晚两年[1]。至于推荐算法在其它领域大杀四方，还要等到2012年才上线的今日头条。
国内互联网音乐平台发展历程 | 放大灯团队制图
为什么互联网音乐平台对算法这么积极？
算法不仅革新了产品体验，更能决定平台的生死存亡——你能想到，仅仅把“搜歌”变成“推歌”，平台就能省下一大笔钱吗？
豆瓣FM做电台的主要原因是——穷。
音乐行业有一套细致的版权定价规则。点播版权、配乐版权、下载版权的价格均有不同。其中，电台播放的版权费用比点播的版权费更低。
现实条件是，豆瓣手里只有电台播放的版权，于是因陋就简做了一款纯电台产品。“在豆瓣FM里，你不能重听前一首歌。”前豆瓣FM技术总监赵凌告诉放大灯团队（ID：guokr233），这也是因为版权的限制。
算法推送不仅降低了版权单价，也改变了音乐平台向唱片公司付费的逻辑。
此前，互联网音乐平台以预付费模式，花钱批量“租下”唱片公司的版权曲库（租期2~3年），吸引用户听。但这种简单粗暴的模式有明显漏洞，像传统磁带A面录热门歌，B面录充数的“水歌”一样，唱片公司也会把热门歌和“水歌”打包售卖，导致一部分歌曲播放量极高，一部分播放量又奇低，因此，预先支付给唱片公司的费用，本质是为热门曲库买单。
低效的预付费模式浪费了版权资源利用率，互联网音乐平台自然不能忍——如果不能单买热门曲库，那就必须改变计费规则。
如今，国外音乐平台如Spotify、Google、苹果、亚马逊等公司已开始尝试按播放量支付版权费（如 Spotify 定价0.00331美元/次，Google 定价0.0054美元/次，Apple Music 定价0.00495美元/次，Amazon 定价0.00395美元/次）[2]。就匠音乐创始人张昭轶告诉放大灯团队，按播放量付费未来会成为行业标准。
计费方式改变后，算法会在很大程度上影响唱片公司的收入。
一方面，算法面前，曲库与曲库并不平等。
通过播放量，算法将轻易分辨出热门/冷门音乐，并将其经济价值分为三六九等。以早年虾米音乐的独家曲库为例，滚石音乐的曲库规模只有几万首，但都很热门，所以很快被网易云音乐抢走；BMG的曲库规模超过250万首，但多数冷门，所以迟迟无人争抢，几乎到了虾米关闭前夜才转给网易云音乐。
接下来，算法分发将引发马太效应，热门曲库会给唱片公司带来更多收入，而曲库冷门的唱片公司就讨不到什么好处。通过按需付费，互联网音乐平台可以将经费用在刀刃上——购买消费者真正喜欢的歌曲。
另一方面，算法本身并非完全中立，它更能体现出平台的意志。
算法不仅能决定推什么歌，还能决定推谁的歌。虾米音乐的算法，就更倾向于向用户推荐小众音乐人和他们的作品[3]。这也意味着，唱片公司在虾米音乐得到的推荐量会更少，其版权收入也会因此缩水。张昭轶表示：“这样一来，传统唱片公司的地位会变得十分被动。”
算法给互联网音乐公司带来的不止是经济效益，还有更好的用户体验。
Spotify研究总监莫妮亚·拉玛斯·罗列克称，Spotify的“灵魂”是一个名为BaRT的算法系统。这个系统能分析每一个用户的特点，选出用户感兴趣的音乐，生成“千人千面”的推荐歌单[4]。莫妮亚还表示，BaRT能够帮助提高用户的使用体验——让用户更久、更频繁地使用算法推荐（wanting to use the technology longer and often）。
此外，随着算法不断迭代，互联网音乐平台推荐的内容越来越准，用户还会对产品产生依赖。而算法留住的用户越多，用户停留的时间越长，他们为内容付费的可能性也就越大。“这件事有难度，但如果能做好，它会给音乐平台带来很大收益。”赵凌认为。
但早期的推荐算法，不像现在的那么“高级”。
“推荐算法刚在音乐行业火起来的时候，大家用的都是协同过滤算法。”赵凌告诉放大灯团队。
举个例子，如果有两个用户a和b，他们都听了A歌和B歌，那协同过滤算法就会把a、b当作两个相似用户，会把用户a听到的另一首C歌推荐给用户b，这就是简单的“用户协同过滤”逻辑。
用户协同过滤算法工作原理
事实上，协同过滤算法诞生于上世纪80年代，在本世纪初，亚马逊将其用于商品推荐，而它的确也比较适和推荐复杂内容，不仅仅是豆瓣FM，网易云音乐也用过这种基础算法。
就在2020年底，还有一位新消费圈的创业者曾发文总结自己一年来的朋友圈，其中就有一条提到音乐推荐算法，她将Spotify基于行为的协同过滤算法称为高级的，并认为国内的音乐App算法“好弱哦”。
我们现在知道了，国内音乐App们也在用协同过滤，豆瓣FM甚至比Spotify还早做出来两年。
然而，协同过滤是一条简单粗暴的算法路线。它的优势在于，机器不需要理解内容，仅凭用户行为数据就可以完成推荐。而这也是它最大的问题，协同过滤算法无法判断歌曲的特点，只知道其中的相关性，但这个相关性往往不那么准确。
协同过滤算法的精确度与行为数据的积累量有关，它的确越用越好用，但新用户初来乍到、新歌曲刚刚上线，都是协同过滤算法的处理盲区。但新用户的体验又至关重要——每一个增长黑客理论中，“新用户留存”都是重要的环节。
随着技术的发展，机器也逐渐学会“理解”内容——简单来说，算法会抽取歌曲的音乐和歌词特征，给每首歌都打上数个“标签”。通过标签理解歌曲内容，再将其匹配给最合适的听众。
于是，互联网音乐平台纷纷抛弃协同过滤，把希望寄托在基于标签簇的个性化推荐算法上。
网易云音乐算法团队告诉放大灯团队，推荐算法不仅会给歌曲、歌单打标签，还会盘点用户的群体特征，“如果系统判定你喜欢‘旅行’标签的歌单，就可能把这群用户偏好的其它标签歌单也推给你。”
基于标签簇的推荐算法工作原理 | 放大灯团队制图
如今看来，基于标签簇的推荐算法比协同过滤算法更先进。它是主流在线音乐平台的标配，但不包括Apple Music。
苹果现任CEO库克认为，相比起冷冰冰的算法，由真人进行运作的Apple Music更懂它的听众。
虽然路线一致，但不是所有在线音乐平台都能把算法做到尽善尽美。用户在使用时，会感到明显差异，而这又涉及公司之间不同的推荐策略，以及它们在算法细节上不同的处理方式。
对于普通用户而言，评价音乐播放器算法的维度非常简单：它推的歌适合我的口味吗？
豆瓣FM是国内最早启动纯算法推荐机制的音乐电台。在豆瓣FM上线10年后、几乎没有什么市场份额的2019年，还有人在知乎回答：豆瓣最大的优势在于其强大的算法，它“总会找到我喜欢的歌曲”[7]。
豆瓣FM的初始定位是一款后台产品，在用户聊天、工作、居家时播放背景音乐。
豆瓣FM由豆瓣孵化，后者是以兴趣为核心的社交网站，用户会产生并积累大量书、影、音等标记和偏好数据，可供豆瓣FM作更精准的音乐推荐。
用户在豆瓣FM上能进行的交互行为不多：点红心、跳过、暂停、下一首……但所有这些行为都会被豆瓣FM收集起来，用来分析用户的喜好。
早期豆瓣FM还尝试过用一些新奇的办法来优化算法。比如，采取人机赛马的方式，分两组、按照歌词情感属性对音乐进行分类。在这次尝试里，人类胜出了——机器只能分出几个大类，再细分其准确度就会下降。
不过，豆瓣还是通过几十个推荐引擎，日以继夜地为用户推送音乐。赵凌表示，这些推荐引擎也并非一成不变，会随着产品的运行不断修正。
除了豆瓣FM，虾米音乐的推送品质也为人称许。
与豆瓣FM的定位不同，虾米想要建立起高质量的音乐社区。成立初期，为了完善曲库，虾米音乐“从全球范围内召集了300多个音乐爱好者，用社区的方式去做”[8]。
虾米音乐充分动员了用户——它鼓励用户自由上传曲目，修改音乐分类、编辑歌词、专辑信息。这些用户们“调教”算法的行为数据，成为算法完善数据库、提高推送精度的帮手。
得益于用户众包，虾米建立起全网音乐曲风分类最全、流派分类最细的音乐库。在2020年7月举办的上海国际独立音乐季（IMS）活动中，虾米音乐产品及用户运营负责人龙吉就表示，虾米音乐拥有超过3000万首曲库[9]。而根据虾米音乐用户2021年初的整理，虾米音乐曲风流派共有24个大类，566个小类[10]。
从豆瓣FM和虾米音乐的案例中，我们可以看到，算法想“随我心意”，需要产品定位、曲库规模、用户行为、运营策略等因素的共同参与。
算法在努力推送用户喜爱的歌曲，但推荐歌单里用户喜欢的歌越多，就越好吗？
并非如此。我们可以假设一个极端的状况——如果一个用户只收听某个特定类型的歌曲，会发生什么？
事实是这个用户很快会进入“听歌茧房”：算法不再推荐新的音乐类型，用户也对新音乐类型不感兴趣，同时对已收藏的歌曲感到烦腻。音乐App用户的黏性和使用时长也会降低。
是推送用户喜爱的特定歌曲，还是探索用户的兴趣边界？是选择低风险的大众流行，还是冒更高的风险尝试给用户一些惊喜？算法必须做出权衡。
网易云音乐算法团队向放大灯团队介绍，为了规避“听歌茧房”现象，网易云音乐会推荐用户平时不太接触的歌曲，增加用户听歌类型的多样性。
扰动因素的作用
在推送中加入扰动因素——用户比较陌生的歌曲，也已经成了在线音乐播放器的标配。
算法运转之下，数千万首歌曲从曲库中出发，被推荐到用户耳边。在这个过程中，用户对音乐App推送算法有了朦胧认知：虾米的推送很有品位、豆瓣FM的推送很准、QQ音乐更喜欢推流行歌……
还有网友脑补网易云音乐“算法小哥”的小剧场：“我还不知道你好那一口？”“你以为歌单80%都会是日语POP？呵呵，我知道这个时候你需要一首后摇来调整回丧的氛围。”[11]
网易云音乐是在故意推荐特定情绪类型的音乐吗？
网易云音乐算法团队向放大灯团队表示，网易云音乐的“情感”歌单一共有怀旧、清新等13个类型。根据2020歌单年度报告的统计，平台歌单的高频词第1名正是“治愈”，超过75%的用户听过治愈相关的歌单。
推荐算法风格的差异也导致用户群进一步分化。
赵凌向放大灯团队介绍，2013年，QQ音乐曾试图和豆瓣FM合作，将QQ音乐的用户行为数据导入豆瓣FM，改进各自的算法。可该项目在开始不久后，就被叫停了。
原因是，两方用户行为之间的差异实在是太大了。QQ音乐的用户呈现出偏低龄、爱听流行歌的整体特征，这和豆瓣FM的用户特征发生了剧烈冲突。
但音乐App的竞争维度不只是算法，产品、社区和最基本的核心版权曲库规模也非常重要，正是由于这些短板，豆瓣FM和虾米在版权大战中相继失势。
虾米音乐创始人王皓在接受播客《坏蛋调频》采访时表示，不认可互联网音乐平台打版权战。恶性竞争之下，版权价格会越抬越高。但王皓也进行了反思：“当时真的很天真地以为，我们可以在互联网时代找到更透明、更直接的方法帮到所有音乐家。”
虾米没有找到更好的方法，优秀的推荐算法没能挽救虾米。2021年2月，虾米正式停止运营。
推荐算法的初衷，是用技术手段帮用户挖掘“好歌”。但实际上，无论推荐音乐还是流量变现，15秒的短视频都比动辄三四分钟的单曲更高效。
QuestMobile发布的《2020中国移动互联网半年度报告》显示，至2020年6月，短视频行业MAU已经达到8.52亿。而同期，中国在线音乐行业的MAU为6.55亿。同时，短视频App占据用户的时长份额接近20%，成为了仅次于即时通讯的第二大互联网行业[13]。迅速崛起的短视频App正成为不折不扣的流量黑洞。
这些短视频App带火了众多“一夜爆红”的神曲。从《学猫叫》到《绿色》再到《酒醉的蝴蝶》，历代“抖音神曲”不光影响了听众的音乐品味，也带来其它改变。
借由神曲们的崛起，短视频App的推荐算法也开始影响音乐制作。
张昭轶向放大灯团队介绍，在没有算法的时代，“1645”“4536251”和“卡侬”这三套和弦已是“大歌”要素，而算法将这几套和弦体系的显著性继续放大。为了追求效率，算法倾向于推荐与热门神曲相似的音乐。除了和弦体系，短旋律重复、反拍副歌这些刺激性更强的音乐特征，同样被算法强化。
对于音乐制作人来说，如果想让自己的歌曲得到算法的青睐，那么就必须迎合算法的口味。“事实上，很多音乐人、经纪团队和MCN已经开始这样做了。”张昭轶告诉放大灯团队。
从这个角度来说，推荐算法已经在迫使上游的音乐制作行业，去生产符合算法口味的歌曲。
在虾米音乐宣布停止运营之际，有人在知乎上提问：“虾米能不能把个人推荐算法公开？”但即便这套算法被公开，但它能帮某个小而美的播放器杀出重围吗？或者，某个巨头把它买下来，就能改善用户体验吗？
从互联网音乐到短视频，算法的形态、作用和影响看似发生了变化，但有一点确定无疑：算法不断更迭，但它终归要服务于互联网音乐产品的核心定位，以及背后公司的意志。
算法不是音乐行业唯一的神，但它让音乐App更有神采。
