Ricordo chiaramente l’emozione delle serate in compagnia della radio in attesa delle ultime novità d’oltreoceano, scelte da un conduttore/DJ con una cultura musicale più ampia della mia. Un tempo la scoperta di nuova musica passava necessariamente attraverso le onde a modulazione di frequenza, oggi arriva via internet, filtrata da un algoritmo. E a me, nostalgia a parte, non dispiace, anzi, lo trovo molto efficace ed efficiente. Un metodo adatto alla sovrapproduzione sonora che caratterizza il nostro tempo.
Spotify, la piattaforma usata per lo streaming audio da oltre 320 milioni di persone, si differenzia dai suoi competitor proprio per l’uso esteso di algoritmi di raccomandazione (ma ci sono anche playlist decise da un team editoriale di esperti). L’intero sistema di Intelligenza Artificiale, indicato in alcuni documenti col nomignolo BaRT (Bandits for Recommendations as Treatments), ha il compito di farci usare per più tempo possibile la piattaforma. Per farlo deve riuscire ad individuare proprio quello che vogliamo ascoltare, in ogni momento della giornata, tra i 60 milioni di brani e i 2 milioni di podcast disponibili.
Le scelte dell’algoritmo
Il lavoro di BaRT (frutto della startup Echo Nest, acquisita nel 2014) si concretizza nella creazione dell’homepage di Spotify, che cambia nel tempo e a seconda dell’utente. Ad ogni apertura mostra diversi riquadri/playlist creati ad hoc per l’utente e ordinati per stimolare la nostra curiosità. In particolare le playlist algoritmiche sono:
- DailyMix: un massimo di 6 mix basati sui generi preferiti dall’utente. Include canzoni già ascoltate e qualche suggerimento. Vengono aggiornati frequentemente, se si ascolta molta musica;
- Release Radar: una playlist realizzata algoritmicamente ogni venerdì con la musica appena uscita;
- Discover Weekly: una selezione di brani soprattutto datati, ma in linea con i gusti dell’utente. Esce ogni lunedì;
- On Repeat e Repeat Rewind: una lista di canzoni che l’utente ascolta più frequentemente, aggiornata ogni cinque giorni;
- Daily Podcast: una selezioni di episodi che potrebbero piacere a chi ama questo genere.
Inoltre lo zampino dell’algoritmo c’è anche quando, alla fine di un brano o di un album scelti dell’utente, si avvia automaticamente un brano (autoplay).
Ma quali sono le tecniche usate dal dj matematico di Spotify?
Tecniche di analisi della musica
Prima di qualunque attività di raccomandazione, il sistema impara a “comprendere” e catalogare i suoni e la musica acquisiti in catalogo, giorno dopo giorno. Le tecniche utilizzate sono sostanzialmente tre:
- Natural Language Processing: è la tecnica attraverso la quale il sistema analizza i testi, il linguaggio, il contesto delle canzoni, i metadati con le informazioni di ogni brano (scritti dalle case discografiche o dall’artista)
- Raw Audio Analyzation: serve ad individuare il tempo, la tipologia di suono, il “mood” del brano (strumentale, parlato, upbeat, ecc.)
- Collaborative Filtering: si tratta di una tecnica, non nuova, che prova a prevedere cosa può piacere sulla base dei pattern di ascolto storici e quelli di utenti simili. Ad esempio, se due persone ascoltano uno stesso gruppo di canzoni, probabilmente hanno gusti simili. Dunque, un artista che piace ad uno dei due, ma non è stato ancora scoperto dall’altro, potrebbe essere suggerito.
I segnali dell’algoritmo
In modo molto simile al funzionamento degli algoritmi di Facebook, Instagram, TikTok, LinkedIn, Twitter, Pinterest, anche quelli usati da Spotify si nutrono di segnali, alcuni noti, altri segreti. Quelli più usati per ricostruire il profilo dell’utente riguardano:
- canzoni più ascoltate
- generi preferiti
- ritmi graditi
- interazioni col brano (like, aggiunta a playlist, condivisione)
- artisti seguiti
- playlist più apprezzate
- lingue ascoltate
- durata (i brani ascoltati per meno di 30 secondi vengono interpretati come un segnale di disinteresse)
- gli outlier, ossia i valori anomali, vengono individuati e scartati (ad esempio, le canzoni per bambini ascoltate da un figlio dall’account del padre).
Seguendo questi segnali, il sistema cerca di accontentare i gusti dell’utente, valutando ciò che gli è piaciuto in passato. Ma allo stesso tempo BaRT è programmato per intercettare e proporre artisti mai ascoltati prima, perché appena apparsi sulla scena musicale oppure semplicemente non ancora scoperti dall’utente.
Un segnale che sta facendo discutere è quello detto “Artist Input“. In pratica Spotify dà, ad artisti ed etichette discografiche, la possibilità di indicare al sistema di Intelligenza Artificiale il brano più importante da promuovere. In cambio di questa spinta, ossia l’inserimento nelle “radio” e negli “autoplay”, l’azienda svedese pagherà meno royalty.
Questa nuova pratica andrebbe monitorata con attenzione sia perché poco trasparente, sia perché potrebbe avvantaggiare solo chi accetta lo scambio (e se lo può permettere). Al di là di questo, Spotify racconta di una netta separazione tra il team editoriale, che cura alcune playlist, e il team delle partnership, che si occupa degli accordi con le etichette.
Difficile sapere se è vero, ma c’è da dire che le pratiche di marketing adottate dall’industria musicale nel mondo dei vecchi media sono sempre state poco trasparenti. Le canzoni che passano in radio sono spesso frutto di scambi commerciali dei quali l’ascoltatore è all’oscuro.
L’impatto che Spotify sta avendo sull’industria discografica è enorme e meriterebbe un’altra riflessione. Ha cambiato le logiche di promozione musicale ed è diventato una fonte di revenue importante per molti artisti. Qui ho voluto soffermarmi sull’influenza dei sistemi automatici di raccomandazioni sulla formazione dei nostri gusti musicali. Conoscere le logiche che li animano, per quanto possibile, può aiutarci a capire come rapportarci ad essi. Per come la vedo io, l’algoritmo può essere un pilota automatico per i pigri e un acceleratore di scoperte per i curiosi. Sta a noi decidere se essere pigri o curiosi.
