网易云音乐是如何做到和那些妖艳贱货不一样的

会员服务 ·

网易云音乐是如何做到和那些妖艳贱货不一样的

2018 年 9 月 9 日 互联网er的早读课

来源：三节课（ID：sanjieke01）

编辑：妮子小菇凉

2018年上半年，三节课就曾做出过一个预言——

出于互联网低端人才人力成本的上升，以及整个行业的竞争要点全面转向数据和策略驱动的精细化运营，我们认为未来2-3年内，“策略”类人才必将成为整个互联网业内的普遍刚需。

那种一个产品内，依靠少数几个“策略”就干掉了诸多人力劳动成本，极大提升了效率的现象将会越来越多见。

因而，我们认为，“策略”能力将会是成为最值得互联网从业者们学习的能力。

然而，到目前为止，我们也发现，“策略”这个词对绝大部分互联网从业者来说，仍然是抽象、模糊的，很多人都不知道它意味着什么，即便有人多少理解一些“策略”两个字背后的意义，也不知道自己该如何学习它。

因此，我们希望通过一系列真实案例的解读，以定期连载的形式来向大家进行普及：到底策略是什么，它能解决哪些问题及带来哪些价值，以及其背后的底层思考方法是怎样的，希望可以借此让更多人可以走入“策略”的大门。

作为网易云音乐的忠实用户，最近我就发现，网易云音乐的发展过程，策略起到了很大的帮助。这一次，我们就把目光放在网易云音乐的歌曲推荐功能，来看看策略是如何在其中发挥作用的。

一、网易云四年成一线玩家

众所周知，在音乐播放器市场中，网易云音乐完完全全是一个新人。

目前几个主流音乐播放器，酷狗音乐成立于2004年，QQ音乐成立于2005年，酷我音乐、虾米音乐成立于2006年，天天动听成立于2008年，百度音乐的前身千千静听更是成立于2003年……

而且在2016年，伴随着BAT大幅并购，市场上主流音乐应用，除了网易云音乐，几乎都已经归入到BAT旗下。面对巨头环伺，无论是资本还是歌曲版权，网易云音乐都不占优势。即便如此，网易云依旧在不到四年时间里，实现了注册用户超过2亿，月活用户超过7000万（数据来源于易观）的成绩，成为音乐播放器市场的一线玩家。

在谈及网易云音乐高速增长背后的原因时，一定会提到的三点是：

1.精准推荐，时常会给用户带来惊喜的歌曲推荐功能；

2.良好的社区氛围和UGC内容产出带来的用户黏性；

3.内容丰富，十分戳人的歌单；

在这三点中，歌曲推荐功能的实现，与策略之间天然有着密不可分的关系。

今天，我们就一起来看看网易云音乐最受好评的“歌单推荐”功能中，策略都起了哪些作用。

二、网易云发现市场机会点

在讨论歌曲推荐的策略之前，我们有必要先对音乐行业有一个基本的了解。

网易云音乐副总裁王诗沐在混沌大学的一次分享中，讲到了他对音乐行业的理解。

在他看来，人们想要听歌，无非是两种需求：

一种是用户对音乐本身的诉求，说白了就是好听；

另一种是寻求音乐和人的心灵、情感链接的需求，也就是寻求共鸣。

需求很清晰，但神奇的事情是，很长一段时间里，人们对于音乐的需求并没有被充分的满足。最直观的表现就是，很长一段时间，大多数人经常听的歌可能就只有几百首，小众音乐和独立音乐只能在很小的圈子内传播。

而这个现象的出现，除了一些历史因素，社会背景之外，与音乐，或者说歌曲这种产品本身的形态有关。

歌曲天然具有这样三个特点：

1.时长短，体量小。一般而言，很少会有一首时长超过8分钟，大多数都在3~4分钟左右；

2.数量非常多。全世界有几千万甚至上亿首歌曲。这使得用户在面对各式各样的曲目时，很难做出明确的判断，即使他们很有可能对某一类型的音乐非常感兴趣；

3.音乐本身在不断发生变化。音乐是不断革新的内容载体，民族，地区，文化，时代背景的不同都会带来不同的音乐形式。也就是说，在市场上，始终存在有潜力流行，但是尚未被发掘出来的小众音乐。

这带来两个现象。

一方面，在内容生产端，阶段性的会有全新的音乐形式出现，诸如前几年大热的民谣，这几年十分流行的嘻哈，都是近几年形成并流行的。

另一方面，在内容消费端，除非音乐本身极具传播性，否则只能依靠权威性的媒体或平台发布才有可能被听众接触到，最典型的是过去的电台排行榜。这种推荐模式使得，小众音乐天然不具有优势，这也是为什么我们经常听的歌只有几百首。

这就意味着，如果有一款产品，能够帮助用户发现ta可能喜欢，但是之前没有机会接触的歌曲，将会是市场中很大的机会点。

更进一步，如果能够让用户在听完歌曲之后，产生一种“惊喜”感，或者说，让ta产生真的“懂”他的感觉，那么，很有可能带来用户自发分享，形成产品的自增长。

网易云音乐正是发现了这个机会点，并借此实现了高速增长。

但是，传统上，想要实现上述效果，单纯依靠的人力几乎不可能，这个时候，正是“策略”大显身手的地方。

三、网易云的推荐机制

所谓“策略”，是一套由数据驱动，存在于产品当中的一套规则与机制。

再换个角度解释，在实际业务当中，我们常常会遇到一些人力无法完成，或者仅仅依靠人力，成本极高的需求，这个时候，我们会希望利用机器来帮助我们完成，而指导和规范机器完成工作的规则，就是“策略”。

当我们面临海量的需求和信息需要处理，又积累了足够多的数据，我们就可以借助于策略帮助我们解决许多依赖人力难以解决的问题。

而对于网易云音乐来说，要解决的问题就是将数以亿计的用户与数以千万计的歌曲之间，通过算法和策略进行匹配。

具体到“推荐”的算法当中，策略的实现路径可能是这样的。

首先，我们需要借助数据分析和挖掘，分别对用户和曲库中的歌曲进行分类打标签。比如说，我们将三亿用户，分为A、B、C、D、E五类用户，将歌曲分为F、G、H、I、J等。这个过程我们可以称之为“建模”。

接着，对用户分类之后，需要对不同的用户和歌曲之间制定分类规则，确保能够进行有效地匹配。比如说，用户A可以和歌曲G进行匹配，用户B可以和歌曲F匹配。按照一定的方法，我们逐个将用户和歌曲之间进行匹配。最后的效果可能如下图所示,，我们称之为“建立规则”。

最后，则是根据用户在实际过程中的行为和数据，通过机器学习，算法优化等，不同的优化和改良二者之间的匹配规则。这个实现过程，相对来说比较复杂，这里我们就不再赘述。

基本上，网易云音乐想要实现精准推荐，流程大致如此。在具体场景中，根据推荐想要实现的效果不同，对于如何打标签，以及用户和歌曲之间如何匹配的规则，也会各有不同。

接下来，我们就来看，具体实践中，网易云音乐是如何利用策略实现歌曲推荐的“精准”与“惊喜”的。

四、网易云音乐的推荐策略

现在，我们就可以结合刚刚提到的思考方式，假想几个场景，试着来还原一下音乐推荐的策略是如何制定出来的。需要提醒一下的是，我们接下来描述的场景，只是基于逻辑的一些假设，真实的业务逻辑一定是远比这要复杂的。

如前所述，在制定策略的过程中，我们第一步要做的是，先借助数据挖掘和分析，通过某种逻辑先对用户和音乐进行分类。

歌曲的分类，相对来说比较容易。这里我们直接参照云音乐对歌单的分类标准，包含语种、场景、风格、情感、主题等五大类，每一类有可能依据各自的特点，继续划分，具体如下图所示↓↓↓

当然，实际操作过程中，每首歌还可以继续细分，比如说，同样类型的歌曲，歌手的不同也会影响到它的分类。这里我们不再具体解释。

接着，我们需要对用户进行分类。相对来说，可能会稍显复杂。

这里我们假设一个规则，连续听三首同一类型歌曲的用户，我们就定义该用户为这一类型歌曲的爱好者，反之，则不是。

比如说，我特别喜欢听动漫音乐，连续使用网易云音乐听了10首动漫音乐，同时我还听古典音乐和英文流行歌曲，也至少听了三首，那我就被标记为这三类音乐的爱好者。并且依照听歌的数量得出一个我的听歌的兴趣值，比如说，动漫5分，古典和英文都是2分，最后的结果如下——

之后，推荐给我的歌曲当中，动漫、古典和英文流行类型的音乐数量就会增加。并且，动漫最多，古典和英文较少。

当时，如果只是这个逻辑，显然是做不到精准的，如果云音乐一直给我推这几种歌曲，我肯定也会审美疲劳。而且，我喜欢的音乐类型肯定不止三种，这个时候，就更不能这么简单分类了。

这个时候，就需要更加精确地给用户打标签。

比如说，我同时听动漫，古典和英文流行歌曲，但是我喜欢的这三类音乐节奏都偏欢快，并且以女性歌手居多。

这个时候，云音乐对我可能喜欢的音乐类型有一个“预测”，比如说下图所示

这个时候，云音乐就可以据此推荐一些我可能喜欢的音乐。比如说，一些中文女声歌手的歌曲，一些中文的流行音乐等等。

当然，我们上述其实还只是很简单假设，实际情况，是要比这个复杂得多。对于如何给用户“打标签”，可以参考的维度可能还包括，我在社交软件上都讨论了哪些话题，我听歌的过程中，哪些歌曲单曲回放了？哪些歌曲直接跳过了？这些行为，都构成了云音乐对我的可能音乐爱好的评估。

最简单讲，假如说云音乐给我推荐了《最炫民族风》，这个符合了中文、女声、流行的要素。但是我听的时候，听了两句就直接跳过了，那么，系统就会判定我对这首歌，或者这一类型的歌都不太喜欢，就会重新调整我对中文女声的兴趣者的评分。

最终，在我不断的使用云音乐之后，最终得出我对各种类型音乐的数值，实现精准推荐。

刚刚这个过程，可以很大程度上解释网易云是如何实现精准推荐，但是如果像要实现“惊喜”的，这个程度可能还不太够。

就我个人而言，“惊喜”是指，发现一些你不曾了解过，但是可能会喜欢的音乐，比如说，你可能曾经听过某个旋律，但是不知道这首歌是什么，云音乐能够帮助发现这首歌，这也算是一种“惊喜”。

而这件事的实现过程，也有策略的作用。

想要实现这个效果，路径还是我们刚刚提到的路径，主要发生变化的是给歌曲和用户打标签的维度。

前面我们提到，云音乐最受好评的三个功能是，推荐、歌单、评论区。而“惊喜”效果的实现，就和歌单还有用户评论有关。

实际上，对于云音乐的平台来说，歌单和用户评论，相当于人工给这些歌曲打标签。其中，歌单相当于是PGC标签，评论是UGC标签。这些标签，也会作为评估用户对某一类歌曲兴趣爱好的标准。

举个最简单的例子，有一个和我很类似的用户，就叫他小明吧。

小明也和我一样，喜欢动漫、古典和英文流行。同时，他还制作了一个自己喜欢的歌单。并且，数据显示，收藏这个歌单的用户，很多也和我的兴趣爱好类似。

这个时候，云音乐就会认为，我也很有可能会喜欢这个歌单，这个时候，就会把这个歌单，或者歌单中最受欢迎的几首歌推送给我，我也很有可能会喜欢其中的音乐。

如果这个时候，这里面的音乐是我们曾经没有听过，但是我很喜欢的音乐，可能就会产生我们刚刚所说的“惊喜”感。

以上，就是关于网易云音乐推荐机制的一些介绍，不知道看了上面几个的分析，你对于策略是如何制定出来的，并且策略是如何在歌曲推荐这一功能中如何发挥作用的，会不会有更加清晰地理解和认知。

基本上讲，我们刚刚提到的思考方式，在面对需要进行“匹配”，并通过匹配驱动增长的产品功能时，都是通用的。包括我们已经熟悉了的今日头条，抖音等产品的推送机制，底层都是上面这套方法论，并且，应用相似的思考方式，我们都可以制定出行之有效的规则。

当然，我们需要反复强调的一件事是，我们说的更多的是基于逻辑一些假设的理想情况，具体的实践中，复杂程度要远超我们的描述。而且，网易云音乐推荐策略的成功，其实也离不开许多运营动作的支持。

抛开网易云音乐不谈，放在更大的视角来看，在互联网业内，理论上，任何一个产品达到一定用户体量的时候，都一定会产生一些问题需要通过策略手段来解决。

换句话来说就是，在当下互联网行业中，无论你是做什么产品，策略都是无处不在的。

比如说，如下这些典型的业务问题和场景中，就是互联网业内“策略”最常发挥价值的地方：

1.一个产品，随着用户体量增加，需要考虑做精细化运营；

2.一个产品，可能涉及到搜索、推荐、供需匹配等功能模块需要完成；

3.一个产品，拥有大规模交易、成交数据，需要提升成交率，优化利润空间；

4.一个产品，需要考虑通过数据来驱动用户增长；

5.一个成长期的产品，需要考虑通过补贴来规模化拉动用户增长，并希望自己的补贴方式、形式等能够变得尽可能高效；

等等等等。