Cargo actual:Index > Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic

Actualizado:12-29Fuente: consolidación de la red
Advertisement

Gracias a MP3s e Internet, ahora tenemos millones de canciones disponibles para nosotros con el clic de un botón, pero, paradójicamente, esto a menudo ha hecho que sea aún más difícil de descubrir nueva música para escuchar. Cada tienda de música en línea y todas las redes sociales que se centra en la música en línea, sin embargo, ahora cuenta con algún tipo de sistema de recomendación de música, y algunos servicios como Pandora o Slacker Radio son de hecho nada más que los motores de descubrimiento de música altamente sofisticados. En este post, vamos a ver los diferentes enfoques detrás de algunos de los servicios de recomendación de música y de descubrimiento más populares.

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic


Actualmente, estamos viendo cuatro enfoques diferentes para dar recomendaciones de música en el mercado - aunque las líneas entre ellos a menudo son fluidos y algunos servicios que mash up de diferentes maneras. Por el bien de este post, sólo a ver una pequeña muestra de los servicios de recomendación de música y de descubrimiento que creemos que son representativos de un enfoque específico.

Sólo los seres humanos: Pandora

Pandora, uno de los servicios de recomendación de música y de descubrimiento más populares en el Internet hoy en día, basa sus recomendaciones en datos del Music Genome Project . El Music Genome Project asigna hasta 400 atributos a cada canción. Esto, sin embargo, tiene que ser hecho por músicos entrenados y el proceso puede tardar hasta media hora por canción. Si bien los resultados de este método a menudo son grandes, y nosotros mismos a menudo han descubierto interesantes nueva música a través de Pandora, este enfoque simplemente no escala muy bien y la biblioteca de Pandora menudo puede sentir algo limitado.

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic


Sólo Algoritmos: Mufin

Tal vez el más conocido defensor de un sistema de recomendaciones musicales que se basa puramente en algoritmos es Mufin . El software de Mufin analiza las propiedades fundamentales de una canción y hace recomendaciones basadas únicamente en la similitud musical entre canciones.

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic


Si bien el enfoque de Mufin generalmente funciona sorprendentemente bien, el problema con esta técnica es que el sistema es simplemente ajeno al contexto cultural de una canción. Gracias a este enfoque, es posible llegar a escuchar canciones de Navidad en febrero, por ejemplo, como los algoritmos, simplemente no puede entender el contexto cultural de la biblioteca de música.

A veces, sin embargo, ser agnóstico al contexto cultural de una canción también puede tener sus ventajas, ya que las recomendaciones del mufin menudo pueden ayudar a redescubrir la música que te habías olvidado. Mufin también funciona con cualquier canción, no importa si es de su propia banda, Kanye West, o un grupo local sin firmar.

Mientras que el servicio de Internet de Mufin resultó ser un poco de una decepción, nos gustó de la compañía plugin de iTunes , que analiza las canciones de la biblioteca.

Lala: Recomendaciones P2P explícitos

Otros servicios, como Lala , han decidido no presentar ninguna tecnología recomendación real en absoluto. En lugar de ello, Lala puramente basa en usuarios siguientes entre sí en el servicio y recomendando nueva música entre sí.

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic


Al menos por Lala, este enfoque parece funcionar muy bien. Cuando hablamos con el fundador de Lala y CEO Bill Nguyen semana pasada, señaló que el 70% de toda la música que escuchaba en Lala era nueva música que no estuviera ya en la música el casillero de un usuario, y que el 18% de la nueva música escuchada en el servicio se compra y se añade a las colecciones.

eMusic: Enfoque Híbrido

EMusic , la segunda mayor tienda de música en línea después de iTunes, introdujo un nuevo sistema de recomendación en su sitio a finales del año pasado. Este nuevo sistema está basado en la tecnología de MediaUnbound, uno de los proveedores más grandes de servicios de personalización y recomendación. MediaUnbound , por ejemplo, proporciona las recomendaciones para el Impulso de la MTV, Napster, y la brasileña Terra Sonora (eMusic, por cierto, dejó caer ChoiceStream como su servicio de recomendación a favor de MediaUnbound).

Cuatro enfoques de Recomendaciones Música: Pandora, mufin, Lala y eMusic


Como CEO y co-fundador Michael Papish de MediaUnbound nos explicó la semana pasada, la compañía cree que un enfoque híbrido, que utiliza dos algoritmos y la intervención humana de los expertos, proporcionará los mejores resultados para los usuarios.

Para eMusic, esto significa que las recomendaciones sobre el sitio constantemente afinados por sus propias acciones en el sitio, los algoritmos de MediaUnbound y editores de eMusic, que, junto con los equipos de alto nivel de MediaUnbound, constantemente evalúan los conjuntos resultantes de recomendaciones (Papish llamado a esto el enfoque de "mosh pit").

Genius: Caja Negro de Apple

Es difícil evaluar la forma característica Genius de Apple en iTunes realmente funciona, pero Apple tiene algunas ventajas. Debido a que los usuarios de iTunes menudo califica a las canciones en su biblioteca, Apple recibe una gran cantidad de información explícita sobre la popularidad de una canción. Los usuarios también transmiten regularmente información sobre la frecuencia con que jugaban y omiten una canción a los servidores centrales de Apple.

Además de esto, sin embargo, sólo podemos especular sobre lo que Apple mira para dar sus recomendaciones. Seguramente evaluar las listas de reproducción y las similitudes entre las bibliotecas de los diferentes usuarios, por ejemplo. Sólo podemos suponer que Apple utiliza un mashup de diversas técnicas de recomendación para llegar a sus propias sugerencias.

Los resultados son en general bastante buena, aunque a menudo sea muy predecible o completamente al azar.

La apertura de la caja Negro

En general, un enfoque cuadro negro similar a la de Apple todavía es común para la mayoría de servicios de recomendación. Muy pocos servicios ofrecen a los usuarios una idea clara de por qué se recomienda una determinada canción y la capacidad de afinar estas selecciones (Pandora es un buen ejemplo de un servicio que proporciona fácilmente este tipo de información). Estamos, sin embargo, viendo una tendencia hacia los usuarios obtener un poco más de control sobre estas recomendaciones. Slacker Radio , por ejemplo (ver nuestra revisión de su aplicación para el iPhone aquí ), permite a los usuarios elegir si quieren escuchar más golpes o artistas más oscuros en su estaciones de radio. Mufin, también ofrece a los usuarios un cierto control sobre lo similares que deben ser las canciones recomendadas.

¿Qué hace su Recomendación Ideal Music Engine Sound ¿Te gusta?

En general, creemos que cada uno de estos enfoques nos puede proporcionar sugerencias pertinentes, dependiendo de qué tipo de recomendación que estamos buscando. Por supuesto, a veces la forma más fácil de encontrar grandes canciones es simplemente olvidarse de los algoritmos y los editores y basta con ver lo que la gente que te rodea escuchan en un servicio como imeem .

¿Tiene un servicio favorito de recomendaciones musicales? ¿O usted tiene algunas recomendaciones para estos servicios que pueden ayudar a mejorar su servicio? Simplemente háganos saber en los comentarios.

Recursos para ReadWriteWeb Recomendación Tecnologías

Estaremos perfiles de otras empresas de recomendación en los próximos posts. También te invitamos a explorar nuestros recursos personalizados ReadWriteWeb:

RWW archivo alimentación Favoritos OPML Industria Recomendación (Guardar enlace)

Feeds RWW Industria Recomendación - Lo mejor de RSS (copiar y pegar a su lector)

Haga clic para obtener una vista previa de los alimentos por encima antes de suscribirse (ventana emergente)

RWW Recomendación sitio Search (Visita y Marcador)

Imagen del logotipo CC-licencia utilizada por cortesía de Flickr del usuario Shankar, Shiv .