本文來源：TechInsider譯文創見首發由TECH2IPO/創見花滿樓編譯轉載請註明出處

Spotify上有一個播放歌單「每週新發現 (Discover Weekly)」。這個列表每週一就會收錄各式各樣的歌曲，做全面的更新.有一些歌也許耳熟能詳，有一些也許從來沒聽過，但是它們無一例外的全部打中每一個用戶的內心。人們紛紛表示這個歌單裡面每一首都要值得收藏！Spotify似乎有著一種洞悉每一個人內心喜好的魔力，對每一個人的音樂品味都瞭如指掌！

擁有如上類似感慨的人還有很多，這也是現在人們越來越願意在Spotify 上面享受聽歌服務的重要原因。

這家已經9歲的線上串流媒體服務運營商在過去的一年中，已支付的訂閱戶數量已經躥升到了2000萬！另外還有5500萬的免費用戶。（免費用戶就不得不聽一些偶爾跳出來的廣告，同時也沒有拖拽功能，所以他們也就相應地失去了在一個專輯或者播放列表裡面主動控制歌曲進度的權限。）

Spotify取得上述的成績固然值得喝彩，但是讓所有人咋舌的主要原因是，這本來應該是Apple Music統御的一塊領域，硬是讓它另辟疆土，自成格局。它是怎麼做到這一點的呢？今天就請走進Spotify位於紐約的辦公室，看看這家從瑞典走出來的公司是如何一步步抓住每一個聽眾的內心，了解他們的訴求的。

人們聽歌的真正方式

Spotify之所以能夠在3500萬首歌曲的曲庫中做到有效篩選，找出符合每一個用戶口味的曲子來，這得多虧了The Echo Nest公司。這是一家音樂智慧篩選公司，十年前從麻省理工學院的Media Lab（媒體實驗室）中誕生。在去年三月，Spotify收購了The Echo Nest，據報導稱這次交易的金額為1億美金。

The Echo Nest的CEO Jim Lucchese在接受Tech Insider的採訪時稱：公司裡一支70個人的團隊每天琢磨的事情就是「將最正確的歌，在最正確的時間，遞送給最正確的客戶。」

他們是怎麼做的呢？

他們不斷分析每一首歌的類型、成分，去研究人們在網絡上是如何討論音樂的，以及大家每天享受音樂的方式是什麼。在該公司沒有被Spotify 收購前，它就與Rdio、Microsoft、Sirius 以及Vevo 公司展開合作，收購後這種合作關係一直存在，使得Spotify 逐漸擁有了世界頂尖的智慧音樂搜尋匹配能力。

在去年九月，於FiveThirtyEight網站上爆料，The Echo Nest最初的一批專案就是為每一個用戶的聽歌品味製作「檔案卷宗」，他們給取了個更加明確的名字：「taste profiles」（品味檔案）。負責這個專案的Ajay Kalia表示：他們很早之前就 ​​意識到了在「人們所聽的歌」和「人們真正喜歡的歌」之間是有著明顯區別的。

這句話需要解釋一下。舉個例子。一個人在工作環境下往往承擔著高度的壓力，周圍充斥著緊張的氣氛，很多人難免會在這個時候放一些帶來放鬆氣氛的「純音樂」來讓人們的神經繃的不那麼緊，但是這並不意味著那個人單從自己的個人品味上就特別喜歡純音樂；又或者是一個開車的人播放了大量的鄉村音樂，但這個音樂只是適合開車的時候聽，也並不意味著這個人本身就喜歡大量鄉村音樂。

Kalia對此補充道：「我們必須認識到一個重要的事實：一個單一的個體聽眾其實往往能代表很多聽眾。而一個聽眾的聽歌選擇很可能是由當下的情景，當下的時間段所決定的。這一點至關重要。我們的目標就是找出個人品味與情境需要的差別，不同生活情境下所享受不同歌曲的差別。」

Kalia 展示了筆者的「品味檔案」，讓筆者非常吃驚的是這個檔案上非常精準地列出了本人最喜愛的一些歌手。儘管這些歌曲屬於不同的曲風，但最後會被歸到一個組​​別中。整個檔案中有各種大小不一的組別。

最大的那個組中有98 名歌手，其中包括了最有名氣的hip hop 歌手Kanye West, Drake,Miguel 以及Jay Z。令人吃驚的一點是，這個組別裡面每位歌手的歌幾乎都得到我同等程度的喜愛，播放的頻率也近乎相同。

這一組的歌主要針對的是筆者主動自發去搜尋的歌，不管它是經由播放表單獲取到，還是通過搜尋欄獲取到，這些都是單從個人品味上最為鍾愛的歌曲。而第二組的歌曲就筆者僅僅想讓它成為背景音樂的歌，那是一種你完全可以輕鬆地靠在椅背上，完全不用在意歌詞內容，或者去做其他事情時所聽到的歌。

針對筆者的這第二組歌曲中，一共有20 名歌手，其歌曲往往都是輕音樂，比如「This Will Destroy You」又或者「Explosion in the Sky」，再比如「Caspian」。這些歌往往都是筆者工作的時候才聽到的。The Echo Nest 專門將其列為一組，跟第一組歌曲完全區分開來。

那麼Spotify是怎麼將第一組歌曲和第二組歌曲加以鑑別區分開來的呢？這主要是觀察用戶在聽歌的時候，是如何找到這些歌曲的。一般來說，在聽輕音樂，或者其他背景音樂的時候，用戶往往不會主動自發地去按「下一首」這個鍵，它持久穩定地順序播放；而如果是屬於第一組的歌曲，那麼用戶會不斷地去按「下一首」，直到找到自己最心儀的那首歌才停止動作。

音樂資深評論團隊提供第二道保障

在Spotify 上筆者還訂閱了另外一個名叫「RapCaviar」的播放表單，它的官方介紹是「史上最酷炫的hip hop 表單，收錄最新出爐的50 首單曲」。

這個表單每個星期會更新一次，而它的創建人是Spotify 專門聘請的專家，hip hop 音樂資深DJ Tuma Basa。他在諸如BET 還有MTV 擁有長達幾十年的工作經歷。正是這些老道專業的音樂人不斷地在Spotify 創建專業、道地、最能引領潮流的歌曲表單，才使得Spotify 除過上述的智慧篩選之外的第二個保障。目前，Spotify 擁有一支32 人的專業團隊，這32 人是來自世界各地，音樂領域中專家中的專家，他們共創建4500 個表單，它們的名字包括了「空氣、性以及水」，又或者是「流行龐克躁狂症」。

將音樂敲碎成無數元素

除了這些專家團隊不斷創建表單之外，Spotify 還在去年引入了一款內部工具Truffle Pig，它大大提升了Spotify 在樂迷心目中的地位。這款工具曾經是The Echo Nest 拿來將音樂敲碎成數千個品類，比如「搖晃的」、「冰冷的」、「拍子很重，大聲呼喊的」、又或者是「緩拍電子樂」 。

Spotify 的音樂程式總監Doug Ford 進一步展示了Spotify 的歌單是怎麼組建起來的。

每一個歌單都會有尋找一個圖片來為它做品牌風格上的定位，然後Spotify 會專門用心寫出一段話來形容這個歌單，讓人們明確知道打開歌單的那一剎那他們會一頭砸進怎樣的世界裡。

比如，Ford會利用上述提到的工具Truffle Pig來對歌曲進行重新的分類，使得歌單成為了每個人「心目中最愛的咖啡館」。他選歌的標準就是看「它是否能夠給人以沖擊。」坦白講，如果沒有Truffle Pig，Ford是不可能從數千萬的歌曲中找出風格統一，迎合用戶興趣的同一組歌曲的。但他還表示：「這是一種建立在數據之上的『直覺』，憑藉這種直覺才能做出最終決策。」

Spotify的人氣最旺的一些歌單，比如「今日點擊最高」歌單中的歌曲全部都是人為手工將其放入歌單裡的，但是這些歌曲首先要過第一道關，就是Spotify複雜的演算法。系統大概會花幾秒鐘的時間將這些候選歌曲篩選出來，然後再由人工評定是否進入歌單。

Ford 表示：「每次一聽到人們評價Spotify 擁有的不過是演算法而已，我就想自殺！你這麼說把我們置於何處呢？我們可是有著一個專業素質極高的團隊的公司！」

但不可否認的是，數據真的在Spotify 公司扮演非常重要的作用，它不僅僅是篩選出來人們想要的歌曲，而且還能夠用來評定事後這些表單的迴響如何。Ford 稱：「你可以立刻根據數據判斷出來這個表單是否成功。所有的表單是否迎合人心，我們全從數據上來得到。」

Spotify 和The Echo Nest 的合作成果的最好體現就是今年夏天發布的Discover Weekly 。Discover Weekly 神奇般地將每個Spotify 聽眾的品味全部猜到，這個歌單推出還不到一個月的時間，社群網站上就已經是好評如潮了。

Discover Weekly 的負責人Matt Ogle 表示：「Discover 帶給人的感覺會很自然、更加貼近於人心，就像是你身邊的一個朋友一樣。這是它脫穎而出的最大原因。」

Ogle 曾經任職於Last.fm。該公司同樣也是分析音樂數據的行業頂尖釁創公司。今年早期加入Spotify 以來，Ogle 的工作方向就是不斷地將大數據結合到每個人的行為習慣上。

Ogle 打了一個很簡單的比方來闡明Discover Weekly 是如何工作的：你一直在播放A 歌和C 歌，但是如果別的聽眾也在播放A 歌和C 歌的同時還聽了B 歌，而B歌是你從來沒有聽過的，那麼Discover Weekly 就會將B 歌推送到你的耳朵前。」Spotify 就是要去尋找每個人音樂品味拼圖裡面丟失的那幾塊內容，不​​斷地拼湊出更加完整的圖像。

在最初團隊展開的測試中人們發現，大部分用戶在播放歌單的時候，如果這裡面沒有他們熟悉的歌手，他們就會覺得這個歌單完全不適合他們。於是現在Spotify 會有意識的將某些肯定聽過的歌，和一大堆新歌夾雜在一起，使得人們在接受一個歌單時更加容易，駐留的時間也會更長。

對於Spotify 而言，Discover Weekly 僅僅是一個開始

Ogle表示：「不管你是主流音樂聽眾，又或者是偏門的嬉皮士，我們都會努力讓Spotify成為最懂你的音樂服務商。它將是人力和電腦機的結合，只有這樣才能找出最符合人心的音樂。同時我認為Discover Weekly將是音樂私人客制化的開端。最終我們希望在Spotify的任何板塊，任何內容上面你都能察覺到自己留下的影子。」

線上音樂的未來

不管Spotify 和Apple Music 有著怎樣的區別，未來很明顯的趨勢已經呈現：線上串流媒體音樂將主宰市場！音樂下載獲得的收入（比如從iTunes 上下載），在2012 年到達頂峰，在接下來的兩年時間不斷下滑。

線上音樂產業的快速發展，並不意味著Spotify 未來的路上一帆風順。上個月，該公司鬧出了侵犯用戶個人隱私的負面新聞。一個付費用戶憤怒地揭露公司在未經同意的前提下，獲取用戶手機地理位​​置和瀏覽相冊權限。為了打消公眾對此產生的擔心，Spotify 的CEO Daniel EK 專門寫了一篇部落格文進行澄清：解釋這種訊息的獲取僅僅是為了更好地客製化屬於你的音樂服務而已。

Spotify 似乎並不會為即將競爭越來越激烈的線上音樂市場感到過度的擔心，尤其是要跟世界上最值錢的公司Apple 展開競爭。相反它還挺樂觀的。

Dsicover Weekly 的Matt Ogel 在談及Apple 對於Spotify 意味著什麼的時候表示：「其實​​競爭會帶來更多的創新，這對我們兩家公司來說都是好事。現在這個世界上最大的公司也開始朝著我們的方向發展，相信這就是未來人們消費音樂的主流方式，對此我們深感欣慰。」

This posting includes an audio/video/photo media file: Download Now

文●顏瓊玉

圖說：台北市長柯文哲可說是被社群力量拱起勝選，但波卡事件爆發後鄉民的反彈聲量，讓他悶著頭燒。 (攝影者．曾千倚)

「波卡事件」雖落幕，但台北市長柯文哲的麻煩卻未了，因為他不僅把朝野議員都惹毛了，婦女、兒童等公民團體也得罪光了。

明明鄉民在網路上力挺柯 P，網民的民意不是站在他這邊嗎？為何柯文哲最後決定出來喊話止血？從過去一連串食安危機到現在波卡事件，鄉民強大的影響力，該如何解讀，已經成了一門鄉民公關的新商機。

這個公關高手不是人，而是連美國總統歐巴馬都在用，國外稱為「社群傾聽」的社群口碑觀測系統。由電腦透過大數據技術，讓老闆一鍵按下去，就能在數秒到一小時內，從臉書、PTT、部落格、各公開論壇等，一天產出6億個繁體中文字的海量資訊，幫忙蒐集情報，了解鄉民在想什麼，便於決策與危機處理。

重點，不只是跑資料，問題在如何解讀！

「如果柯P來問我意見，我會告訴他，這次傷很大，」國內臉書最大的社群行為觀測系統Qsearch創辦人周世恩說。他在柯文哲競選期間，幫忙「算」出MG149事件的網路民意走向，進而讓柯陣營反擊致勝。

當周世恩看到波卡事件鬧得沸沸揚揚，他用系統幫柯P偷偷算，發現8月26日上午10點，東森新聞開出第一槍，「標題把極樂台北、 AV 和悠遊卡結合在一起，算是負面報導。」他持續觀測，「不到一個小時，其他媒體都跟進了，同樣都是偏負面報導，鄉民開始發表意見、轉貼。」

「分享」比讚更值得關注

再看東森新聞的報導在臉書粉絲團獲得1千多個讚，123個分享，他心想「不妙」。為什麼？他說，臉書上按讚意義不大，但分享代表認同或是有意見。根據周世恩經驗，以一個粉絲超過十萬的粉絲團來說，一則貼文通常若有100人按讚，這就表示有100萬人次看到了（因為有人看過不見得會按讚）；而100個讚中若超過5個分享，就代表事情大條了。

照理說，東森這則新聞若有50個分享，就足以代表紅色警戒，但其分享數居然是正常值的一倍之多。因此，周世恩光憑第一天第一則新聞的社群反應就判斷：柯P前景堪憂。

三步驟，六小時搞定危機

在鄉民載舟覆舟時代，公關的危機處理能力與速度更顯重要。現在，鄉民公關可以在黃金6小時幫你危機處理。

以前，公關公司可能需要24小時，甚至2、3天，但鄉民的怒氣和串聯，已不容老闆拖拉。一天的時間差，就足以毀滅一家公司。

「危機處理最耗時的就是蒐集與分析情報，」周世恩和國內另一家社群行為觀測公司意藍創辦人楊立偉異口同聲的說。

第一步，只要一個按鍵，就可以在6秒到一個小時之內，把6億個中文字的網路社群掃過一遍，呈現在老闆面前的，是一張張曲線圖，讓你看見危機事件在社群聲量上的成長幅度與速度。

楊立偉說，傳統危機處理，光是找出問題所在而進行的電話訪問，就要耗去2天。

第二步，它再花3至4小時產製報告。以意藍為例，擁有人工智慧的系統，會對鄉民意見進行語意和情緒分析，告訴你鄉民為什麼說我壞話？酸民的「酸度」有多高？是哪些人說得最兇？這些壞話已經擴散到什麼程度？

第三步，也就是第6小時，即老闆依據上述情報召開策略會議，決定公司態度與回應方案。後續就回歸傳統公關做法：公司出面或發新聞稿道歉、接受退貨或是賠償等。

然而，數據不是萬能的，真正的公關，是人；只是在鄉民當道時代，要從海量資訊中挖出正確情報，回應策略才能先對一半。

This posting includes an audio/video/photo media file: Download Now