Spotify แก้ปัญหาคนที่ชอบฟังเพลงเดิมๆ ไม่ยอมมูฟออน ด้วย AI อย่างไร?

เคยสงสัยมั้ยว่า Spotify เดาใจคนฟังได้อย่างไร ควรเล่นเพลงไหนเป็นเพลงต่อไป? ด้วยจำนวนเพลงประมาณ 100 ล้านเพลง และสมาชิกผู้ใช้มากกว่า 600 ล้านคน การช่วยให้ผู้ฟังค้นพบเพลงที่พวกเขาจะชื่นชอบ เป็นความท้าทายสำหรับ Spotify เป็นอย่างมาก ทำให้การสร้างประสบการณ์การใช้งานเฉพาะตามพฤติกรรมของผู้ใช้งาน และคำแนะนำที่มีความหมาย เป็นภารกิจหลักของ Spotify

คอนเทนต์แนะนำ

ดับแล้ว 5 ศพ! นักท่องเที่ยวต่างชาติสังเวยชีวิตให้เหล้าผสมเมทานอลในลาว

ทำถึง! ทีมเชียร์ลีดเดอร์ขอนแก่นวิทยายน จากไวรัลชุดบอดี้มนุษย์และเปรต

รมช.คลัง แนะเข้าเว็บ Welfare.mof.go.th ยืนยันสิทธิบัตรสวัสดิการแห่งรัฐ

Spotify สตรีมมิ่งยักษ์ใหญ่ที่ได้รับความนิยมทั่วโลก และเติบโตขึ้นมากในช่วงหลายปีที่ผ่านมา จากฟีเจอร์ที่สร้างความแตกต่างจากสตรีมมิ่งอื่นเช่น Spotify Home feed, Discover Weekly, Blend, Daylist และ Made for You Mixes ทำให้ทั้งผู้ฟังและผลงานของศิลปินเพิ่มขึ้นอย่างต่อเนื่อง

ตามข้อมูลที่เผยแพร่โดย Spotify จากงาน 2022 Investor Day การค้นพบศิลปินบน Spotify ทุกเดือน มีจำนวนมากถึง 2.2 หมื่นล้านครั้ง เพิ่มขึ้นจาก 1 หมื่นล้านในปี 2018

ในช่วงทศวรรษที่ผ่านมา Spotify ได้ลงทุนใน AI และ machine learning มูลค่ามหาศาล เพื่อเก็บข้อมูลจากพฤติกรรมการใช้งานของสมาชิก รวมไปถึงการเก็บข้อมูลจากโลกออนไลน์ที่มีการพูดถึงเพลงหรือศิลปินคนนั้นๆ และนำชุดข้อมูลทั้งหมดมาป้อนให้ AI สามารถสร้างเพลย์ลิสต์โดยเฉพาะสำหรับผู้ใช้งานแต่ละคน

โดยสอดคล้องกับเป้าหมายของ Spotify ที่ต้องการนำการ personalization มาใช้เพื่อเสิรมสร้างประสบการณ์การฟังเพลงที่น่าประทับใจให้ผู้ใช้งานทุกคน

‘AI DJ’ ฟีเจอร์ที่ทำให้ผู้ใช้งาน ออกจากการฟังเพลงเดิมๆ แต่ยังได้อรรถรส

Spotify มีจุดแข็งในการแนะนำเพลงที่เล่นต่อให้คนฟังได้อย่างดี แต่จากปัญหาที่มีอยู่สำหรับอัลกอริธึม AI เดิม พบว่า อัลกอริธึมสามารถเล่นเพลงที่ผู้ฟังรู้อยู่แล้วว่าชอบได้อย่างดีเยี่ยม นำมาร้อยเรียงเป็นเพลย์ลิสต์อย่างไพเราะ

แต่หลายครั้ง ผู้ฟังไม่ได้ออกจากคอมฟอร์ทโซนซักที และได้ฟังแต่เพลงเดิมที่ตัวเองชื่นชอบ และอาจไม่มีโอกาสได้รู้จักเพลงใหม่ๆ มากขี้น ทำให้เมื่อไม่นานมานี้ Spotify เปิดตัวฟีเจอร์ AI DJ นวัตกรรมสุดล้ำที่ช่วยให้ผู้ใช้งานปรับเซสชันการฟังในแบบของตัวเองและค้นพบเพลงใหม่ๆ เพื่อช่วยให้ผู้ฟังออกจากคอมฟอร์ทโซนของตัวเอง

ฟีเจอร์ AI DJ เป็นการผสมผสานของเทคโนโลยี personalization, Generative AI, และ dynamic AI voice โดย AI DJ เลียนแบบบรรยากาศของวิทยุที่มีดีเจ AI ประกาศชื่อเพลง ซึ่งผู้ฟังสามารถแตะปุ่ม DJ เมื่อพวกเขาต้องการได้ยินสิ่งใหม่ๆ

โดยเบื้องหลังโทนเสียงของ AI DJ นั้นมีทั้งคนทั่วไป ผู้เชี่ยวชาญด้านเทคโนโลยี และผู้เชี่ยวชาญด้านดนตรี ที่ต้องการจะปรับปรุงความสามารถในการแนะนำเพลงของ Spotify โดยบริษัทมีบรรณาธิการเพลงและผู้เชี่ยวชาญหลายร้อยคนทั่วโลก

ส่วนเบื้องหลังฟีเจอร์การเลือกเพลงที่ถูกเล่นต่อ มาจากการรวบรวมข้อมูลเกี่ยวกับเพลงและศิลปิน แนวเพลง ปีที่ออก อารมณ์ของเพลง จังหวะ คีย์ เครื่องดนตรีที่ประกอบเพลง เพลงไหนหรือศิลปินคนใดที่ถูกจำคู่ให้เล่นต่อกันบ่อย ซึ่งมาจากเซสชันการฟังนับล้านครั้งและการตั้งค่าของผู้ใช้รายอื่น

โดย Spotify เผยว่าตั้งแต่เปิดตัวฟีเจอร์ DJ ผู้ใช้งานเต็มใจที่จะลองฟังเพลงใหม่ๆ มากขึ้น หรือฟังเพลงที่พวกเขาอาจกดข้ามไป จากคำวิจารณ์ที่ควบคู่ไปกับการแนะนำเพลงส่วนตัวของดีเจ AI ซึ่งวิธีที่ AI จะหาเพลงที่ผู้ฟังชอบ

ยกตัวอย่างเช่น ผู้ใช้งาน A ที่ชื่อชอบเพลง Y ก็ชอบ Z เพราะฉะนั้นผู้ใช้งาน B ที่ชื่นชอบเพลง Y ก็อาจจะชอบเพลง Z เช่นกัน สุดท้ายแล้ว ไม่ใช่แค่ผู้ฟังเท่านั้นที่จะได้รับประโยชน์ แต่ยังเป็นประโยชน์ต่อศิลปินที่ต้องการสร้างความสัมพันธ์ หรือขยายฐานแฟนๆ หน้าใหม่ด้วย

ฟีเจอร์ ‘Daylist’ ที่มาเขย่าวงการเพลง สร้างเสียงฮือฮาบนโลกออนไลน์

ส่วนอีกหนึ่งฟีเจอร์ ล่าสุด Spotify ที่มีการใช้ Generative AI ก็คือ Daylist เพลย์ลิสต์ที่เป็นเอกลักษณ์สำหรับผู้ใช้งานแต่ละคน รวบรวมเพลงเฉพาะกลุ่มและแนวเพลงที่ผู้ใช้งานแต่ละคนมักจะฟังในช่วงเวลาเฉพาะของวันหรือวันใดวันหนึ่งของสัปดาห์ เสริมสร้างความแปลกใหม่ที่ผู้ฟังต้องการ

การเปิดตัวของ Daylist ได้สร้างเสียงฮือฮาบนโซเชียลมีเดียมากมาย ทำให้บริการนี้ได้รับความนิยมมากขึ้นนับตั้งแต่เปิดตัว ชื่อเพลย์ลิสต์ที่สร้างโดย AI มีพื้นฐานมาจากคำอธิบายหลายพันรายการที่เกี่ยวข้องกับแนวเพลง อารมณ์ และธีม และเป็นผลงานของทีมที่ประกอบด้วยนักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญด้านดนตรีของ Spotify

Spotify ใช้ machine learning เพื่อรวบรวมคำอธิบายนับพันที่สร้างชื่อเพลย์ลิสต์ประจำวันที่ไม่ซ้ำใคร โดยผู้ใช้งานจะมีชื่อเพลย์ลิสต์ที่ต่างกันออกไปอย่างสิ้นเชิงในช่วงเช้า บ่าย และกลางคืนด้วย นอกจากนี้ ฟีเจอร์นี้ยังผสมไปด้วยเพลงที่ผู้ใช้มักไม่ค่อยได้ฟังหรือไม่รู้จัก รวมกับเพลงที่ถูกชื่นชอบฟังบ่อยครั้งในเพลย์ลิสต์เดียวกัน

ที่มา CNBC, Outside Insight, NY Times