Spotify作为全球最大的正版流媒体音乐服务平台之一，在产品发展过程中，最深得用户喜爱的大多归功于其音乐推荐系统，每次都能让用户听到自己喜欢的歌曲。那么Spotify是如何做到如何了解用户的？今天我就用超级产品战略方法论为大家进行分析。

对于Spotify的用户来说，每周收到Spotify的Discover Weekly早已成为习惯，这其中包括了30首不同风格，但用户却从未听过的歌曲，神奇的是每一首歌曲都能够让用户感到满意。

“Spotify是我最喜欢的音乐应用软件，尤其是Discover Weekly，我觉得它是那么的了解我，比任何人都了解我的音乐品味，每周推荐的音乐都让我十分满意，我甚至感觉不到它的存在，却又觉得它无处不在。”这是一位Spotify的忠实用户所说的话。

根据数据显示，大部分Spotify的用户都沉迷于 Discover Weekly，它有着大量的粉丝，甚至Spotify一位这个功能太过于受欢迎而重新思考企业的商业模式，投入大量资源目的就是为了让每周推荐更加精准。

从2015年Spotify推出 Discover Weekly后，使用Spotify的用户数量与日俱增。那么 Spotify是如何向每位用户精准地推荐那30首音乐的？

在这之前，我们可以将Spotify和其他音乐公司进行对比。

说到推荐音乐的功能，大家肯定都不陌生，早在2000年，Songza这家企业就开始做起了音乐推荐，不过那时是通过人工筛选歌曲推荐给用户，Songza也会邀请业内人士制作歌单。然而，无法避免的是那些业内人士在选择歌单时都会偏向于自己的音乐品味，并不是以用户的音乐品味进行选择的。

随着时间的推移，前者已经做出了错误的示范，后者则是进行改进，身为音乐推荐领域的早期企业 Pandora ，它根据用户关键词来描述每一首歌，将这些歌曲打上对应的标签，随后通过代码筛选歌曲，让相似的音乐组成一组歌单推荐给用户。

就在这时，来自麻省理工媒体实验室的一家音乐企业The Echo Next诞生了。

它的出现颠覆了整个音乐推荐领域，将满足用户个性化需求迈进一大步。利用算法来分析歌曲的文本和旋律，识别音乐、个性化推荐、创建歌单以及分析音乐。将用户可能喜欢的歌曲进行筛选。

综上所述，我们会发现这些音乐软件的推荐功能，越来越完善，那么Spotify是如何构建自己的音乐推荐系统，并脱颖而出的？

其实，Spotify并不是只采用了一种音乐推荐的方法，它结合了其他音乐软件的推荐模式造就了自己独一无二的推荐系统。

在Discover Weekly背后的三大超级产品战略方法论：

1）分析用户，挖掘用户需求

2）处理音乐源文件和声道

3）自然语言处理，分析文本

分析用户行为，挖掘用户需求的灵感取决于Spotify的竞争对手Netflix，这是第一家运用协同过滤技术来搭建音乐推荐系统的企业，它们采用评分制度来了解用户，便于企业推荐给用户和他们喜好相似的内容。

自从这家企业获得成功后，几乎所有应用软件都采用了这项技术。

和Netflix不同的是，Spotify并没有采取评分制，而是进行隐性反馈对用户进行分析，举个例子，在用户听完一首歌时，Spotify会提示是否需要将它收藏起来，或者用户在听完一首歌后是否有浏览该歌手的主页。

通过这些分析对用户的喜好进行判断，假设A和C两位不同的用户，他们喜欢的五首歌曲中，有三首的相同的，那么他们很有可能是品味相似的用户，因此，他们会有很大的几率喜欢对方喜欢，自己却没听过的歌曲。

于是，将A喜欢的歌曲，但C却没听过的歌曲推荐给C，将C喜欢的歌曲，A没听过的歌曲推荐给A。

通过上述分析，我们会发现Spotify的超级产品战略所做的只是满足了最基础的用户需求，满足了用户的好奇心，同时发现了音乐之间的相似性，为用户推荐和他们历史记录中相似的音乐，让他们听到想听的音乐。

如果你想更深层次了解Spotify，学习它如何打造产品，请关注“艾老思”公众H