网易云音乐在我看来在各方面都是较为出色的音乐APP，网上也有各种体验报告、产品分析，但都比较偏向交互和前端。所以，我决定对其靠后端大功能“推荐音乐和算法”稍作一些探讨。也是因为个人喜好问题，包括我做PD的时候，也喜欢接一些靠后端的项目，所以本文也不太涉及到界面交互方面的东西。

网易云音乐希望面向的受众为85后到90后的年轻听众，且分布于经济发达地区。这类人对新生事物的学习和消费需求较为高涨，也是网易云音乐为何直接将“发现音乐”置于Tool Bar第一位，且大力投入的原因。

在我看来，网易云音乐使用了3个维度向人们推荐音乐：朋友推荐、人工推荐、智能推荐。

朋友推荐

在这三种推荐维度中，先来简单说说朋友推荐。这个功能虽然目前还没有特别火，但并不能否定“朋友推荐”是网易云音乐在音乐APP领域里最大的前沿性尝试，如果真的做起来了，威力不可小觑。我想，这也许是微信要封杀网易云音乐的正真原因。众所周知，让自己的朋友知道自己的品味，甚至得到认可，给予人的成就感激励是巨大的，这也是腾讯没有想到的，所以QQ音乐也立刻在社交方面奋起直追，不过目前仍让人觉得属于仓促之作，期待之后的发力。

人工推荐

而“人工推荐”则是网易音乐编辑人员人工推荐的歌单和电台。人工推荐在网易云音乐中，仍然占着较为主导的作用。原因很简单，私人艺术偏好属于非常感性的问题，有些事情没有专业编辑做推荐确实会略显单调。也许大数据时代是来了，但在人类较感性的问题上，计算机也许还没有什么太好的办法。但“人工推荐”仍有瓶颈，因为编辑这个职业的工作导向，必然导致推荐的歌单非常的大众化，满足的是大部分人，而偏小众品味的用户，则就需要智能推荐来支撑了。

智能推荐

纯算法的“智能推荐”，我们并不能说它是一个伪需求，“豆瓣FM”的出现，证明了依托大数据的智能推荐方式并非没有市场。这也是为什么从那以后，类“猜你喜欢”功能也逐渐在各种音乐APP中出现。

而推荐的算法方面，目前主流的有两种方式，一种是以“豆瓣FM”为代表的“以人为本”方式，一种是以“虾米歌曲漫游”为代表的“以歌为本”方式。两种算法拥有互补性，网易云音乐自然也都用在了APP里：“以人为本”算法在“个性化推荐”的“私人FM”和“每日歌曲推荐”中展现，“以歌为本”算法在“个性化推荐”的其余歌单中展现。

这两种算法也各有优缺点，而网易云音乐则聪明地避开了几乎所有缺点。我们先来梳理一下这两种算法及他们的优缺点：

“以人为本”算法

“以人为本”最早的应用场景来自于亚马逊的购物推荐，也就是俗称的“喜欢这个商品的人，也喜欢XX”。后来，这个算法被“豆瓣FM”拿来，用在了音乐推荐上。

那么，这个算法到底是怎样的呢？举个非常简单的例子：  

A喜欢x,y,z三首歌。

B喜欢x,y。那么我可以推断，B一定也喜欢z这首歌。

当然，这也是最为简单的情况了。

还有非常多的case，比如“喜欢”如何定义？用户“不喜欢”怎么办？

也许“喜欢”下的用户行为包括：点击“喜欢”、评论、下载、收藏到歌单、点击“相似推荐”、分享、查看MV、听这首歌的频率、是否播放整曲等。

而“不喜欢”的用户行为有可能包括：5秒内切换、扔进垃圾桶、移出歌单、删除等。

在维度特别多的情况下，我们就需要对用户的每个行为引入权重机制。

“以人为本”的好处是非常明显的，这种算法不需要特别大的人力成本，只需要写好一个基础算法，并不停优化就可以了。而缺点显而易见：

第一个缺点是用户在使用初期会碰到的情况，在用户刚来的时候，对于算法来说用户是一张白纸，那么算法首先会给他一些大部分人喜欢的歌曲，因为这些歌曲喜欢的几率大于其他，但恰巧此用户的品味较为奇葩，左试右试没有匹配到，那么这个用户也许会陷入烦躁，甚至流失。

第二个缺点是用户在使用较久之后会碰到的情况，听到的歌曲风格越来越极度的同质化，就拿我本人来举一个极端的例子，我的品味比较奇怪，又喜欢民谣，又喜欢金属核。那么在算法知道了我喜欢民谣了以后，给我推荐了海量的民谣，我也一一点击了“喜欢”，然后我会在风格方面越来越专一。致使我永远无法听到我喜欢的金属核。这种情况在“豆瓣FM”中尤为明显。

第三个缺点是对一个人的品味转移响应速度较慢。再举个极端的例子，比如我初中的时候还喜欢蔡依林，高一的时候忽然爱上了工业金属。而积累了海量“类蔡依林歌曲”曲库的我，在登录后一定会不知所措，也同样会造成我烦躁地一遍一遍的切换着歌曲。

依托于网易云音乐现有的歌曲搜索和收藏功能，“以人为本”的前2个缺点被网易云音乐轻松克服。

至于第三个缺点如何克服呢？我们从生成机制上可以看出，“个性化推荐”下的“私人FM”和“每日歌曲推荐”的这两个歌单的做法略显不同，“私人FM”和“豆瓣FM”的工作原理几乎一致，是在用户切换歌曲的一瞬间，通过用户的听歌历史来决定播放的歌曲，所以在“私人FM”下，无法切换回上一首。

而“每日歌曲推荐”里有一句文案暴露了实现方法，“根据你的音乐口味生成，每天6：00更新”。这说明这个歌单的工作方法，一定是每天在后台数据库通过用户最新的歌曲喜好和相应公式，来生成歌单。并在每天早上的6点放到线上数据库中，呈现给用户看。这种实现方法，也就避免了“以人为本”的第三点缺点-个人品味转移响应速度较慢这个缺点。

“以歌为本”算法

我们再来看以“虾米歌曲漫游”为代表的“以歌为本”的推荐方式。这种算法是将每首歌曲打上Tag：

歌曲A拥有Tag:X,Y

歌曲B拥有Tag:Y,Z

你喜欢歌曲A，因为他有TagY，所以也许你也会喜欢歌曲B。

“以歌为本”这种算法的优点是避免了“以人为本”几乎所有的缺点。但是缺点也同样凸显：

第一个缺点是歌曲推荐同质化较为严重，这也是我经常在虾米使用“歌曲漫游”时碰到的情况，我喜欢同一风格的两首歌，那么，在分别漫游这两首歌的时候，生成的歌单几乎是一模一样的。

第二个缺点是工作量非常巨大，这个世界上所有的歌曲有3500万首，虽然大多数人听的歌都集中在一起，但既然使用了这种算法，你不得不得考虑到小众品味用户的需求。

而网易云音乐对“以歌为本”的算法缺点克服，则做的更为聪明，也非常具有前沿性。

对第一个缺点，也就是歌曲推荐重复情况，网易云音乐的做法是：不像虾米一样在“歌曲”这个维度上进行推荐，转而全部使用“歌单”这个歌曲集合进行推荐，大大增加了容错率。这种聪明做法也立刻被其他音乐APP竞相模仿。

对于第二个缺点，也就是打Tag的工作量巨大问题。网易云音乐也有自己的解决方法：在用户建立歌单时，网易云音乐会让用户自己给自己的歌单打Tag，不得超过3个，且禁止自建Tag，这两个限制也可能暴露了这套机制的实现方法。我认为歌单上的3个Tag会被分配到歌单下的每首歌上，而一首歌经常会被不同的用户分配到不同的歌单中，那么剩下的事情就变得简单了，只要取在这首歌上被分配得最多的几个Tag来参与算法即可。所以我们可以看到“个性化推荐”下，网易云音乐可以通过歌单和歌曲两个纬度来给我们推荐歌曲。这么做不但减轻了工作量，也使歌曲Tag更科学，更具时效性。

其他优化建议

这么看来，网易云音乐确实在算法上下足了功夫。是否还有地方值得优化？

我抛砖引玉一下，先说第一点，也是我经常碰到的烦恼问题，我想大家也一定碰到过。当使用任何一款音乐APP一段时间后，“我喜欢的音乐”里一定塞了上百首上千首风格各异的歌曲，有一天我走在街上，使用随机播放功能播放“我喜欢的音乐”歌单，此时心情是安静的，非常想听一些安静的曲子，但是事与愿违。我不停的切歌，却总是找不到自己想听的歌曲，于是将手机从口袋中掏出，找了半天终于找到了那首我最想听的歌曲，播放完全曲后，没想到随机跳到的下一首歌又是我不想听的暴躁歌曲，不停切换后仍然如此。那么也许此时我的心情便没有刚开始时安静了。我推荐的做法是，在大型歌单中，随机播放模式下，使用“以歌为本”算法，当用户显露出明显的对某些Tag的歌曲表现出不喜欢时，短时间内不再播放这些Tag的歌曲。而对于听完全曲的歌曲，可以把这首歌的类似歌曲，大大提高随机播放到的几率。不过这实现起来可能会比较困难，因为需要把算法和Tag从服务端下载到本地才能实现，但也许还有别的实现方法我没想到。

第二个需要优化的地方相信大家也会碰到，在较大歌单中，我们经常保有一些已经老掉牙早已听腻的歌曲，只是忘记删除，但总是会被随机播放出来，对于这种歌一般都会被立即切换。我们是否能在这一点上进行优化？比如，当网易云音乐发现一首歌已经到达相当的重复播放次数（具体次数可从大数据中分析），并在最后几次播放中被快速切换，就减少随机到该歌曲的几率。也许就可以解决这个问题。

归根结底，对用户体验的追求是永无止尽的，我相信网易云音乐仍然会在用户体验上继续下足功夫，让我们拭目以待吧。