Al entrar en una tienda de discos hace 15 años, la mayor personalización que probablemente hayas visto fuera un orden alfabético de artistas y géneros.
En estos días, los servicios de descarga y streaming implementan varios algoritmos desarrollados específicamente para adivinar de dónde podría venir tu próxima canción favorita.
¿Cómo funcionan estos algoritmos y cómo puedes usarlos para tu beneficio y conseguir nuevos fans?
Cojamos como ejemplo Spotify como ejemplo.
Cómo Spotify conecta a los usuarios con la música: datos de señal explícitos, implícitos y contextuales
Al observar la experiencia de escucha del usuario, Spotify busca tres tipos diferentes de datos: señales explícitas, señales implícitas y señales contextuales.
- Las señales explícitas son gustos o disgustos de canciones.
- Las señales implícitas son tasas de salto de canciones, listas de reproducción, etc.
- Las señales contextuales son en qué tipo de dispositivo está (móvil, computadora de escritorio, Alexa, etc.) o cosas como qué hora del día es, qué día es, etc.
Para Spotify, la adquisición de usuarios es muy importante porque su sistema de personalización mejora con la llegada de más usuarios. Sin embargo, para ellos el desafío es que inicialmente Spotify no sabe nada sobre sus usuarios. Por esta razón, tienen un sistema integrado como Netflix, cuando abres la aplicación por primera vez, la aplicación te pide que selecciones 3 o más artistas que te gusten. De esa manera, Spotify comienza a comprender nuestros gustos y comienza a hacer sugerencias.
Spotify también utiliza regularmente el aprendizaje automático. Por ejemplo, si escribes «fr» en la barra de búsqueda, podría aparecer para ti Frank Ocean, pero para otra persona podría ser Frank Sinatra. Si escribes j, podrías obtener «Jessie J» según tu historial de escucha, mientras que otra persona podría obtener «J Balvin» según lo que escuche.
Sistemas de voz: Personalización de solicitudes de canciones de usuario
Además de las señales implícitas y explícitas mencionadas anteriormente, Spotify también analiza las señales contextuales, donde entran los sistemas de voz.
Especialmente con el surgimiento de dispositivos como Alexa, muchas personas hoy día usan sistemas de voz en sus hogares mientras realizan tareas domésticas, cocinan, cenan, juegan, hacen amigos, etc.
Muchas veces, las personas dejarán esta selección a Spotify, donde pueden hacer solicitudes vagas como «reproducir música de ajedrez» o «reproducir música para hacer pasta». Otras veces serán más específicos, como «reproducir a Ariana Grande» o «reproducir algo tranquilo».
Para la personalización del sistema de voz, también hay un nivel de desafío para Spotify en términos de localización, porque «reproducir algo tranquilo» puede significar estilos de música muy diferentes para personas de diferentes culturas. Pero cualquiera que sea el caso, la personalización podría ayudar a los artistas a conectarse con sus oyentes y viceversa.
Proyecto «Fans First» y Superfans
En este sentido, los esfuerzos de Spotify también llegan más lejos con el proyecto «Fans First«, que tiene como objetivo conectar a los artistas con sus superfans.
Cada vez que hay un evento especial de Spotify Live en una ciudad, Spotify envía correos electrónicos a los fans más grandes de los artistas con ofertas únicas o exclusivas, proporciona acceso a productos exclusivos, etc. Además de los datos regulares, Spotify determina estos fans combinando señales implícitas y explícitas, como saltos, reproducciones, me gusta, listas de reproducción guardadas, seguidores y demás.
En resumen, la personalización de la música parece ir más allá de los algoritmos y parece transformar el mundo de la música.
En la actualidad, los oyentes se preocupan menos por los estilos y más por los estados de ánimo. Inherentemente, muchos artistas están haciendo música que va mucho más allá de las descripciones de los géneros tradicionales. Para bien o para mal, el streaming está impulsando un nuevo modelo de experiencia musical tanto para artistas como para oyentes.
¿Te gustó el artículo?
(1 Votos, Promedio: 4,00 de 5)
Cargando...
