本文分为三部分：
1.了解云音乐
2.了解个性化推荐
3.个性化推荐功能分析
1.云音乐发展现状
前阵子网易云音乐团队干了件轰动杭州人的事，杭州市地铁1号线和整个江陵路地铁站印满了云音乐精选热门乐评，网易云音乐一夜之间成为了媒体们关注的聚焦点。（赶个新潮，用指数搜索“网易云音乐”，不难发现网易云音乐因为这次营销活动使得热度激增。）
（数据源自指数）
网易云音乐作为音乐产品的后起之秀，2016年用户量就突破了2亿，云音乐有别于传统音乐产品作为曲库和播放器的工具形象，以帮助用户发现音乐，分享音乐为核心搭建了一个有独特氛围的音乐社区，吸引了众多高端年轻体的青睐。
2.产品功能分析（发现音乐）
为了让同学们进一步了解产品，此处应该上个功能架构图。（虽然图片打开率几乎为0）
梁朝伟为什么爱刘嘉玲（产品功能架构图）
2.1先了解一下个性化推荐到底是什么？
云音乐个性化推荐功能：私人FM、每日歌曲推荐、推荐歌单。
互联网时代是懒人时代，人们越来越倾向于使用智能化的产品来减少选择成本和时间成本，个性化推荐的商业价值也就显现了出来。
而个性化推荐在音乐领域的应用场景有哪些，用户有哪些需求？我们就以云音乐为例，分析其目标用户，看看个性化推荐解决了哪些痛点。
2.2需求分析
用户需求：
云音乐用户为追求音乐品质的的85后-95后的年轻体（年龄段），其中有音乐人、作词作曲人、音乐发烧友以及普通音乐爱好者（身份）。
情景模拟：
光头佬麦嘉用户A：赵欢，26岁，音乐人
场 景：作为音乐人需要听大量的音乐到创作灵感以及获得音乐技巧上的借鉴，通过搜索和排行榜很难到冷门且适合自己曲风的音乐，点开私人FM，系统根据她的口味推荐了一首她从未听过的新歌，赵欢兴奋极了。
用户B：陈佳佳，27岁，家庭主妇
场 景：在做家务的同时需要音乐的陪伴来愉悦自己的心情提高工作效率，但是无法做到做家务的同时还思寻着听什么歌好，于是点开私人FM，系统推荐了一首她大学时代最喜欢的歌，陈佳佳突然有种云音乐很懂自己的感觉。
以上两个用户用例（但不局限于以上两个场景）很好地说明了个性化推荐在音乐产品上的应用场景，为专业音乐人提供灵感为普通用户节省时间获得优质推荐，个性化推荐功能能带给用户惊喜，让用户有产品很懂自己的感觉，从而拉近用户与产品之间的距离，增加用户粘性。
平台方、音乐人需求：
随着科技的发展，音乐制作成品的门槛越来越低，每天都会有许多新歌诞生，而个性化推荐很好地解决了冷门歌曲无人问津的问题，小众音乐人的作品也有机会被推荐给适合的人提高自身知名度，作为平台方也能盘活曲库资源使得长尾音乐作品得以曝光获取更多的收入。
2.3个性化推荐算法
个性化推荐功能早已成为众多音乐产品的核心功能，如豆瓣FM、虾米音乐等，各个产品的算法不尽相同，但基本原理还是一致的，只是不同产品会根据自己用户不断进行算法优化。本文由于篇幅原因简单介绍一下应用最广的协同过滤算法。
协同过滤在音乐产品应用上分为两类，一类是Base用户，一类则是Base音乐本身。
Base用户：
如果用户A和用户B相似性高，那么用户A喜欢的很可能用户B也喜欢。举个栗子，用户A喜欢听周杰伦的《告白气球》、薛之谦的《演员》、赵雷的《成都》，而用户B喜欢薛之谦的《演员》、周杰伦的《告白气球》、李荣浩的《模特》。那么由于两个用户音乐口味相
近，就可以将《成都》推荐给用户B，将《模特》推荐给用户A。
Base音乐：盗将行歌词是什么意思
根据音乐众多因子（节奏、感情基调、歌词、歌手等）判别不同音乐之间的相似性，如果用户喜欢一首歌，则将这首歌相似性较高的音乐推荐给他。
对个性化推荐系统有了一定了解后进入正题 ↓
3.云音乐个性化推荐功能分析
云音乐面向的用户体不局限于高端且年轻化的人，并不排斥其他特性的用户使用云音乐，从而扩大市场，但众口难调，云音乐是如何把个性化推荐功能设计得尽可能完美呢？云音乐打出了私人FM+每日歌曲推荐+推荐歌单的组合拳。
2010南非世界杯歌曲（功能界面图）
1.组合功能低风险高收益
∙问：网易云音乐个性化推荐功能为什么要设计三个？
放开手让你走
发布评论