Hur fungerar Spotifys personliga spellistor?

Hur fungerar Spotifys personliga spellistor?
Spotify skapar personliga spellistor utifrån din lyssningshistorik, låtar du hoppar över eller gillar, hur du använder spellistor och metadata som genre, tempo och stämning. Tjänsten jämför också din smakprofil med andras genom kollaborativ filtrering, analyserar låttexter och användarskapade spellistor och tar hänsyn till hur du lyssnar i realtid för att rekommendera musik som du sannolikt kommer att gilla.

Varför rekommenderar Spotify vissa låtar?
Spotify kombinerar ljudanalys, användarfeedback (gillningar, överhoppningar och sparade låtar), maskininlärning och bearbetning av naturligt språk för att matcha låtar med dina preferenser. Tjänsten prioriterar låtar du interagerar med och använder data från lyssnare med liknande smak för att hitta fler låtar – men det kan leda till upprepningar om du inte aktivt ger feedback eller utforskar ny musik.

Spotify är känt för sitt stora utbud av personliga spellistor. Alla med ett konto får uppdaterade spellistor varje dag. Och det handlar om mycket mer än vanliga låtrekommendationer.

Musiken hittar till dig på en mängd olika sätt:

• Personliga sökresultat
• En personligt anpassad avdelning för att bläddra bland musik
• Spellisteförslag och en funktion för att förbättra spellistor
• Artist- och låtradio samt automatisk uppspelning
• Personligt anpassade redaktionella spellistor
• Särskilda personliga spellistor (Your Time Capsule, On Repeat, Repeat Rewind med flera)
• Mixar utifrån artist, årtionde, stämning eller genre
• Dina Daily Mix-spellistor
• Spellistorna Discover Weekly och Release Radar

Bland musikstreamingtjänsterna är Spotify en av dem som använder algoritmer och data på många olika sätt.

Varje musikrekommendation bygger på flera typer av data:

• Demografisk profil och geografisk plats
• Tidsmönster i ditt lyssnande
• Hur populär och varierad musik du föredrar
• Dina preferenser för genre, stämning, stil och tidsperiod
• Sparade låtar och album samt artister du följer
• De låtar och artister du spelar mest och föredrar

Din smakprofil förändras när du söker efter och lyssnar på ny musik, så att de algoritmstyrda spellistorna kan anpassas efter dig. Ännu mer intressant är att spellistor som Blend också förändras utifrån varje deltagares lyssnande och hjälper er att upptäcka mer musik.

Vill du ändra hur musik för sömn, studier eller en viss säsong påverkar dina rekommendationer? Läs vår guide till Spotifys inställning Uteslut från din smakprofil.

Men vi tar det från början.

Handplockat av människor

Långt innan vi förlitade oss på kod och beräkningar skapades spellistorna på musikstreamingtjänsterna av människor.

Det tog förstås längre tid – hur skulle det kunna vara annorlunda? Men kunniga musikredaktörer letade upp låtar och satte ihop fantastiska spellistor.

På den tiden fick du inte 20 spellistor anpassade efter din musiksmak. Det fanns kanske en handfull för varje genre.

I början fick man upptäcka musik genom handplockade spellistor på streamingtjänster och musikprogram i tv och radio.

Med dagens enorma utbud av spellistor som uppdateras dagligen är det svårt att föreställa sig att människor skulle kunna sköta allt. Därför har de redaktionella spellistor som fortfarande sätts ihop för hand fått en särskild plats.

Hur fungerar musikrekommendationerna?

Spotifys musikrekommendationer fungerar som en matchningstjänst. Din smakprofil matchas med musiken som finns på plattformen. Det liknar hur TikTok visar videor som passar dina intressen.

Även om det har publicerats mycket information om hur det fungerar är detaljerna bakom kulisserna sällan lätta att hitta. Spotify är inte den enda streamingtjänsten som håller delar av sin algoritm hemliga. Deezer, Apple Music, Amazon Music och YouTube använder alla liknande beräkningar för att ta fram rekommendationer.

Användarnas musiksmak och algoritmen

Spellistorna innehåller favoritlåtar, album, artister och mycket annat, men de har också ett tydligt mål: att behålla användarna. De personliga musikspellistorna är utformade för att få dig att stanna på plattformen så länge som möjligt.

Att behålla användare ger intäkter. Ju mer du lyssnar, desto mer får skivbolagen, artisterna och Spotify betalt. Medan du lyssnar samlar Spotify in mer data om ditt lyssnande för att förbättra algoritmen ytterligare. Maskininlärningsmodellen väger samman Spotifys mål för att ge ett önskat resultat för både företaget och användaren.

Artistmetadata

Varje låt som Spotify får från skivbolag, musikdistributörer eller oberoende artister analyseras. Alla uppgifter finns inte alltid med, men när de är tillgängliga använder Spotify följande artistmetadata.

• Låttitel
• Utgivningens titel
• Artistnamn
• Låtskrivare
• Gästartister
• Producenter
• Skivbolag
• Utgivningsdatum
• Taggar för bland annat genre och undergenre, musikkultur, stämning, huvudspråk och stil
• Instrument som används i inspelningen
• Typ av låt
• Lokal marknad och hemort

Uppgifterna bearbetas sedan och läggs till i rekommendationssystemet, så att musiken kan nå relevanta marknader och användare som lyssnar på liknande artister och musik.

Data från ljudanalys

Samtidigt som metadatan ovan matas in i systemet analyseras själva ljudet. Även om stora delar av processen är hemliga har verktyget funnits tillgängligt för alla att experimentera med. Det är inte längre tillgängligt för allmänheten, men Spotify använder fortfarande någon version av det.

Tolv egenskaper används för att klassificera en låt. De hjälper systemet att avgöra vilka spellistor musiken passar i:

• Hur akustisk låten är
• Dansbarhet
• Längd
• Energi
• Hur instrumental låten är
• Tonart
• Ljudstyrka
• Dur eller moll
• Andel tal
• Tempo
• Taktart
• Hur positiv låten låter

Tillsammans skapar egenskaperna en profil för låten. Spotify kan sedan kategorisera den och rekommendera den till användare som lyssnar på liknande musik. Låten delas också upp i bryggor, solon, verser och andra betydelsefulla delar.

Informationen fanns på Spotifys offentliga API-sidor, men de här tolv ljudegenskaperna användes redan 2013.

År 2021 publicerade Spotify forskning om beräkningarna och ekvationerna bakom den fortsatta utvecklingen: Multi-Task Learning of Graph-based Inductive Representations of Music Content. Den är värd att läsa om du vill förstå hur tekniken fungerar på djupet.

När fokus under 2024 alltmer flyttades från innehåll till sammanhang inom musik blev det naturligt att även en modell för bearbetning av naturligt språk ingår i pusslet.

Här är tre centrala delar:

• Användarskapade spellistor: När personligt sammanställda spellistor och användarskapat innehåll får större betydelse blir de också värdefulla källor till insikter. Spellistornas namn, varje låts profil och låttexterna ger tillsammans ett sammanhang för musiken. Om en låt ofta finns med i användarskapade spellistor för en viss stämning är det värdefull information. Det hjälper till att bekräfta maskininlärningsmodellens antaganden.
• Låttextanalys: Låten Pumped-Up Kicks har en glad melodi men en betydligt mörkare text. Många år senare är det mindre sannolikt att samma feltolkning sker igen. Personer, stämningar, känslor, platser och annat som nämns i texten kan hjälpa till med kategoriseringen.
• Data insamlad från webben: Nyhetsmedier, sociala medier, bloggar och andra källor ger insikter i hur människor beskriver musik. De beskrivningarna kan hjälpa till att precisera musikens sammanhang ytterligare.

Det blir mer komplicerat än så, och det finns fler lager. Men redan de här delarna ger en övergripande bild av hur algoritmen fungerar. Din musiksmak och de spellistor du lyssnar på har alltså stor betydelse för vilka mixar Spotify skapar åt dig.

Vad är en smakprofil?

via GIPHY

Din smakprofil handlar lika mycket om vad du hoppar över och döljer som om vad du lyssnar på. Du hoppar förmodligen nästan aldrig över dina favoritartister. Det skickar en tydlig signal om att deras genre och liknande genrer hör hemma i din smakprofil.

Spotify och andra musikstreamingtjänster lägger särskild vikt vid två saker:

• Passiv eller implicit feedback – låtar du spelar om och om igen, lyssningsvanor som hur länge varje lyssningspass varar, hur länge du lyssnar på låtar och hur ditt musiklyssnande utvecklas över tid.
• Aktiv eller explicit feedback – gillningar, det du sparar i biblioteket, vilka typer av spellistor du skapar, musiken du lägger till i spellistor eller gillar, upprepade lyssningar och musik du försparar inför släpp.

Explicit feedback kräver att användaren gör något aktivt. Sådana handlingar väger tyngre i rekommendationerna än en vanlig lyssningssession. Att du har lyssnat på musik i tolv timmar betyder alltså inte i sig att du tyckte mer eller mindre om den än om annan musik. Att aktivt trycka på en knapp tyder däremot på en känslomässig reaktion.

I en av Spotifys egna studier samarbetade forskarna med tio personer som lyssnade mycket på musik och skapade smakprofiler utifrån deras lyssningshistorik:

Källa: Giving Voice to Silent Data: Designing with Personal Music Listening History

Intressant, men mest övergripande information av det slag du numera hittar i Spotify Wrapped. Smakprofilerna delas eftersom uppgifterna bekräftar användarens musikupplevelse och stärker kopplingen till plattformen.

Hur kommer kollaborativ filtrering in i bilden?

Det är inte bara dina egna lyssningsvanor som påverkar vilka låtar du får rekommenderade. Andra användare som lyssnar på samma eller liknande artister har smakprofiler som delvis överlappar din. Samtidigt har varje användare artister och musik som de andra inte lyssnar på.

De låtar som inte överlappar kan ändå passa smakprofilerna hos andra som lyssnar på samma artister. Därför dyker de upp som rekommendationer. Här finns dock vissa problem med rättvisan i vilka låtar som får synas, eftersom samma rekommendationer lätt återkommer i olika spellistor.

Det skapar en återkopplingsloop: ju mer du lyssnar på en viss genre, desto större är risken att du bara får rekommendationer inom den. Det gör också att populära artister dyker upp oftare, vilket är en del av ett större problem med hur synligheten fördelas på streamingplattformarna.

Spotify väger samman vad du lyssnar på, vad användare med liknande smakprofiler lyssnar på, hur ni interagerar med musiken och stickprov från över 700 användarskapade spellistor.

Problem med Spotifys algoritm

Den sista punkten, återkopplingsloopen, förklarar delvis ett av de största problemen med systemet bakom personliga spellistor. Det har fått en hel del klagomål och förbättringsförslag från människor som får flera nästan identiska spellistor.

Det kan vara härligt att lyssna på välbekanta låtar, men att fastna i en oändlig loop med samma 20 låtar blir lätt tröttsamt.

Det främsta problemet är kanske att rekommendationssystemet är alltför effektivt. Det är så inriktat på att ge dig musik som det vet att du gillar att det sällan slänger in något oväntat.

Hur kan du få bättre rekommendationer från Spotify?

• Att använda tjänsten aktivt är ett av de bästa sätten att förbättra det Spotify tar fram åt dig. Det fungerar dock inte alltid: vissa gillar och hoppar över låtar aktivt men får ändå ibland tillbaka låtar de har hoppat över.
• Så här kan du få mer variation i dina personliga Spotify-spellistor:
• Skapa varierade spellistor med många olika typer av låtar – ge dig ut på upptäcktsfärd och blanda genrer.
• Använd sökfunktionen för att hitta spellistor som andra har skapat.
• Ge tydligare feedback: gilla oftare, besök artistsidor och var mer aktiv när du lyssnar.
• Kolla in Discover Weekly. Där har du störst chans att hitta musik du inte har hört förut men som du förmodligen kommer att gilla.
• Använd verktyget Artist Explorer för att hitta artister du inte har hört talas om tidigare, och testa funktionen för att skapa spellistor.
• Ta dig tid att läsa musikbloggar som skriver om ny musik.
• Skapa Blend-spellistor med vänner som har en annan musiksmak än du.

Dina spellistor blir inte helt förnyade över en natt, men om du använder Spotify mer aktivt får du en roligare och mer personlig lyssningsupplevelse.

För vissa användare har bristen på bra musikupptäckter fått dem att söka sig till andra plattformar. Känner du igen dig kan du överföra dina Spotify-spellistor till tjänster som fokuserar mer på att upptäcka musik, till exempel Deezer eller TIDAL. Dina första 600 låtar överför du gratis. Här hittar du hela listan över tjänster du kan byta till: Överför och synka ditt musikbibliotek.