BART BEHIND THE PLAYLIST: ECCO COME FUNZIONA L’ALGORITMO DI SPOTIFY

Quante volte ti è capitato di seguire il consiglio di qualcuno in fatto di musica? Probabilmente tutti i giorni. Basta andare sulla home di piattaforme come Spotify per trovare, tra le playlist consigliate, i suggerimenti che stavi (o non stavi) cercando.

I servizi di streaming sono da qualche anno la fonte più utilizzata per la scoperta musicale, tanto che già nel 2020 – secondo il report Music 360 di MRC Data/Nielsen – il 62% delle persone si affidava più ad essi che ad amici e familiari. Ma chi c’è dietro tutto questo? Nel caso di Spotify troviamo BaRT (Bandits for Recommendations as Treatments), un recommender system basato sull’intelligenza artificiale. 

Cos’è un recommender system?

Il recommender system è la chiave del successo di molte delle piattaforme di streaming che operano nell’ambito dell’intrattenimento. È un algoritmo capace di suggerire all’utente dei contenuti in linea con i suoi interessi, offrendo così una guida personalizzata per orientarsi tra le tante opzioni offerte e contribuendo alla fidelizzazione del consumatore. La particolarità di questi sistemi è che obiettivo e mezzo coincidono: l’algoritmo è utilizzato per mantenere l’utente sulla piattaforma e questo porta a un miglior funzionamento dell’algoritmo stesso. Infatti, maggiore è il tempo passato sulla piattaforma, più accurati saranno i suggerimenti.   

Come funziona BaRT?

L’algoritmo di Spotify ha due funzioni: da un lato va incontro ai gusti dell’utente proponendo contenuti in linea con le serie storiche; dall’altro suggerisce novità che l’utente non ha mai ascoltato prima. Per raggiungere lo scopo vengono presi in considerazione diversi fattori (generi, interazioni, skip rate, tempo di ascolto). La combinazione di questi parametri origina il punteggio finale del brano, un valore che verrà utilizzato da BaRT per consigliare le canzoni e le playlist più adatte all’utente.  

Quali approcci utilizza per filtrare i dati?

L‘approccio messo in atto da BaRT per filtrare i dati e catalogare i brani si distingue in due metodi: 

  1. Content-based Filtering: esamina il contenuto della traccia;
  2. Collaborative Filtering: analizza i dati generati dagli utenti e li mette in relazione.

Il filtraggio basato sul contenuto è la tecnica più comune tra i sistemi di raccomandazione e permette di suggerire contenuti simili a quelli che l’utente ha già riprodotto. La somiglianza viene calcolata tenendo conto di alcuni parametri, ai quali può essere attribuito un peso diverso in relazione alla rilevanza (esempio: la variabile “artista” è solitamente più importante della variabile “lunghezza del brano”). Spotify utilizza questo metodo per realizzare il Discover Weekly, offrendo all’utente una playlist di nuove canzoni proprio grazie all’analisi dei suoi ascolti precedenti. In particolare, l’analisi è costituita da tre componenti:

  • Metadata Analyzation con cui studiare i metadati generali del brano forniti dall’artista e confrontarli con quelli specifici di Spotify; 
  • Raw Audio Analyzation per analizzare l’audio grezzo e individuare tempo, tipologia di suono e mood generale del brano;  
  • Natural Language Processing attraverso cui estrarre le informazioni primarie della traccia, come testi e linguaggio.

Oltre a ciò, BaRT mette in atto un tipo di filtraggio collaborativo attraverso cui realizza una previsione dei gusti dell’utente a partire dalle preferenze di utenti simili ad esso. L’algoritmo identifica e confronta le cronologie di ascolto di un soggetto A e di un soggetto B; se rileva una somiglianza, consiglierà ad A i brani che ascolta B. Questa tecnica si basa sull’idea che se due persone hanno interessi e comportamenti affini, è molto probabile che possano condividere gli stessi gusti musicali. 

I risultati di questi sistemi di raccomandazione sembrano già sorprendenti, ma la ricerca prosegue con l’obiettivo di individuare un numero maggiore di dettagli e raggiungere un’accuratezza ancora più profonda. Per continuare a sorprendere gli utenti, gli algoritmi dovranno fornire suggerimenti sempre più “umani” e chissà se arriveranno a conoscerci meglio di noi stessi… o se non ci stiano già riuscendo.

Sofia Ciccotta