Como funciona o mecanismo de recomendação do Spotify?

Captura de Tela 2019-10-01 às 19.09.56.png

SPOTIFY PARA ARTISTAS

Alou!

Tudo certo por aí?

Hoje vou falar mais uma vez sobre o Spotify, como ele funciona, e como podemos usa-lo a nosso favor na hora em que formos divulgar nossa música.

O tal “The Spotify Recommendation Engine” é uma tecnologia muito maluca, complexa PRA CARALHO, e grande parte da nossa indústria desconhece.

E o pior:

Não sacam absolutamente nada sobre como o tal mecanismo de recomendação funciona e cagam uma puta regra em reuniões de marketing por aí…

Temos que ir um pouco mais fundo, mesmo que seja difícil entender em um primeiro momento…

Eu mesmo fico perdido quando me defronto com esse tipo de informação mais complexa mas minha missão aqui é clara:

Evoluir como ser humano, amadurecer como profissional, e compartilhar com você esse meu processo.


COMO O MECANISMO DE DE RECOMENDAÇÃO DO SPOTIFY FUNCIONA??

Vamos lá:

Já aviso logo que vamos entrar no incrível mundo onde a inteligência artificial dita as regras com seus algoritmos. Ta?

By the way…

Um baseado, um vinho ou um café podem ajudar na hora de cair dentro desse tipo de viagem algorítmica.

rs

 
 

O tal “Spotify Recommendation Engine” é construído em cima de três pilares, mas hoje vou falar sobre o mais complexo e importante:

1. Filtro Colaborativo do SPOTIFY

Esse é o principal Machine Learning dentro da plataforma e o O CARA que dita as recomendações da maior plataforma de streaming do planeta! Tudo isso acontece dentro de um mega data set chamado de "matrix”.

Pra mim que nunca fui um primor com números esse trem é complicado demais… PRONTO FALEI! LOL

Na imagem abaixo temos uma representação simplificada do tal matrix factorization.

 
Captura de Tela 2019-10-01 às 18.49.47.png
 

Na tal "matrix”, a linhas representam os IDs dos usuários, e as colonas os IDs das músicas.

Imagine 217 milhões de linhas e 50 milhões de colunas…

Ô LOKO!

Se um certo user ID (linha) tocar uma determinada canção (coluna), um 1 vai aparecer na intercessão entre a linha do ID do usuário e a coluna do ID da canção. Se um usuário não tocar a canção um 0 vai parecer.

Dessa forma o perfil de consumo de casa usuário vai sendo construído dentro na matrix, assim como o de cada canção.

Nesse processo complexo chamado matrix factorization, o Spotify é capaz de calcular o vector (VETOR) de casa canção ID, de cada usuário ID, e são esses vetores que descrevem como determinadas canções e usuários se relacionam uns com os outros. Assim o Spotify usa esses vetores para calcular a posição de cada usuário ID e cada canção ID relativa uma a outra dentro do chamado “latent vector space".

Entendendo o relacionamento correlativo entre usuários e músicas, o Spotify pode mapear fisicamente as músicas, artistas e usuários que são mais relevantes uns para os outros. Isso permite que o Spotify faça recomendações com base nas semelhanças.

Então…

Se uma canção ID é bem próxima de uma outra canção ID que um determinado usuário já escutou na plataforma, ela é uma séria candidata a ser recomendada a esse usuário. Da mesma forma, se um determinado usuário tem hábitos musicais bem próximos de outro usuário ID, o Spotify pode buscar canções escutadas pelo primeiro usuário ID para o segundo usuário ID. A plataforma também pode recomendar canções próximas no latent space as canções que você tem escutado.

E ai?

Entendeu alguma coisa ou ficou perdido tipo eu na primeira vez que li sobre

 
Captura de Tela 2019-10-01 às 18.50.00.png
 

Nos próximos texto vou falar sobre os outros 2 pilares do mecanismo de recomendação do Spotify e falar mais sobre Vector Space.

Me diz se curtiu tá?


 
Captura de Tela 2019-10-01 às 23.31.57.png
 

Beijos

Clê!