編輯導語：如今，不少的音樂類軟件比如：QQ音樂、網易雲音樂，甚至短視頻類的抖音，都會向用户推薦可能喜歡的歌曲/背景音樂。在這個大數據時代，算法支配着受眾，因此歌曲的推薦也基於算法先行，這就導致了用户聽到的歌曲和喜好偏離，用户聽到的都是同質化的、略顯“枯燥”的音樂。
一個平常的工作日晚上，筱佳和往常一樣打開抖音，打算好好放鬆一下心情。過了幾分鐘，由於所看視頻的背景音樂都是那幾首熱門“神曲”，越刷越煩的筱佳很快就關掉了APP。
一、流量大的去前面這並不是筱佳第一次被持續重複播放的洗腦配樂成功勸退了，隨着使用時間加長，筱佳逐漸發現抖音視頻配樂同質化越來越高，連原本會精挑細選一些小眾歌曲當作背景音樂的幾個同事及好友，最近也開始使用“平台爆款”作為錄製影片的BGM。
“像我很喜歡看電影推薦類的短視頻，以前這些視頻的配樂還比較多樣，現在卻非常一致，都是那些節奏相似的洗腦旋律，聽多了真的頭疼。”筱佳有點無奈。
從芒種、野狼disco到鏡花水月、踏山河，這些不斷重複出現的配樂讓筱佳被迫單曲循環，對歌曲本身的看法也從一開始的無感到後來一聽見片段就十分厭煩，甚至影響了筱佳觀看視頻的興致。
造成筱佳困擾的“抖音神曲”來自於抖音平台所使用的信息流漏斗算法。用户上傳視頻並通過抖音平台審核後，系統將為此視頻進行冷啓動，分配一個內含200-1000個在線用户的初始流量池。
平台會根據這1000次曝光所產出的完播率、點贊、關注、評論、轉發、轉粉、遊覽深度等數據，結合使用者賬號的分值進行數據分析，決定是否給予加權。其中，點贊、評論、轉發、點擊率、完播率等指標決定是否進行第二輪的加大流量推薦與推薦力度。
抖音平台將數據好的短視頻進行更大的加權後，會根據用户羣體的標籤推送不同視頻，讓內容分發更加精準。類似“猜你喜歡”的打標，依照視頻本身的標籤和用户標籤，在兩者之間進行匹配、決定是否推送。
從抖音運用算法推薦視頻的整個過程可見，視頻內容與標籤對於播放量的影響至關重要。以流量為基礎的推薦算法加劇了賬號的“馬太效應”，為熱門視頻及熱門音樂擴大推薦，使它們的受眾更加廣泛。
許多主播為了增加粉絲與視頻傳播度，以“蹭熱點”的方式直接模仿、使用自帶流量與標籤、受眾覆蓋面廣的熱門內容和背景音樂。
如此一來，熱門音樂被多次引用後更加火爆，“抖音神曲”隨之誕生，相似的節奏與旋律充斥着整個抖音平台。困擾着像筱佳這類對背景音樂較為敏感且“觀看口味”較多元的用户。
“這樣真的很煩，一直都是那幾首歌重複播放。短視頻又不像音樂APP會顯示歌名，你不打開聽，還不知道都是一樣的歌；一打開就被算法標記了，又把類似的視頻推薦給我，簡直惡性循環。”筱佳不滿地説。
二、標籤一致的去前面無獨有偶，若紜在音樂平台上也有過類似的遭遇。被算法“得知”她具有關注古風歌曲的習慣後，首頁的推薦歌單便總是出現曲風、唱腔類似的古風歌單，多次點選“換一批”也揮之不去。
其中還包含多首她已收藏、下載的曲目，讓原本愛好古風歌曲的若紜徹底聽膩幾乎退圈。
“其實平台要是推薦不同風格的古風歌倒還好，畢竟古風也分婉轉抒情的小曲、雄壯豪放的戰歌等許多不同類型。但推薦的歌單裏總是同一個類型的歌曲，聽多了就很容易膩。”若紜表示。
不同於短視頻平台流量為王的推薦方式，音樂APP主要是依照用户偏好來進行歌單推薦。
除了能單純依靠音樂平台獲取的語言、歌手、流派等內容偏好；排行榜、歌單、本地歌曲等聽歌場景偏好；以及使用APP聽歌的時間段偏好之外，社交屬性標籤便是通過騰訊成熟的社交生態鏈，獲得用户的年齡、性別、職業、所在地區等資訊。
相應的，平台也會為所提供的音樂標記歌手訊息；音頻信號特徵；點播量、下載量、收藏量、分享量等熱度數據；搖滾、爵士、藍調等音樂流派；音樂情緒以及演奏樂器等標籤。
為用户和音樂分別繪製畫像後，根據各自的標籤，運用大數據統計分析，在用户與歌曲間建立標籤向量、在不同用户間建立偏好矩陣。藉由互相匹配音樂屬性，在龐大的歌曲數據庫中找到用户比較可能會喜歡的那些音樂。
這樣一種基於用户畫像的歌單推薦，本意雖然是依據使用者習慣與偏好，推薦更多用户偏愛的曲風類型，從而增加使用體驗。但在像若紜這類使用者身上，卻反而有些“弄巧成拙”。
“除了推薦的歌曲太像了，我最不喜歡的一點是，它推薦的歌單中經常包含我聽過、已收藏或甚至拉黑的曲子!有時候網易雲推薦的同一個歌單裏還會出現兩首重複的歌！就算那些歌再怎麼受歡迎也不用這樣重複推嘛。”
“聽歌單就是因為想聽沒聽過的歌，希望發現一些新的好聽的歌曲。總是出現聽過的歌根本失去了選聽新歌單的意義，還得一直跳過，有點麻煩。要是想聽我喜歡的歌，那我就播自建歌單或收藏歌曲不就好了?”。
“現在我很少聽古風歌了，太膩了。寧願自己去搜索不同風格的歌單，改變算法對我的印象。這樣能接觸到的歌曲類型更多，比較不容易聽膩。”
三、你想聽什麼，算法説了算雖然具體使用的算法規則不同，但通過筱佳和若紜的經歷可以發現，即使現在的互聯網公司與多媒體平台擁有先進的人工智能大數據分析技術，能夠記錄並分析用户使用習慣來推薦內容。
但用户的需求並非只有“個性化推薦”那麼單一，基於“用户畫像”標籤的歌單推送，反而讓部份用户追求不同的、更加具有差異化內容的需求卻越來越難被滿足。
在平台內容更加多元，音樂歌曲傳播成本更低更便捷的今天，從某些角度來説，我們所能接觸到的音樂面或許反而更加狹窄。對於生活繁忙的現代人而言，在音樂平台或短視頻平台自行搜索、挑選觀賞內容的次數並不多。
多半還是在打開APP後，隨意選取平台首頁的推薦歌單或影片。這些內容正是經由大數據算法對我們層層分析之後所挑選的那部份。
即便使用者自行搜尋想聽的歌曲類型，在搜索之前沒有聽過的曲目風格時，算法仍會依據用户畫像和標籤，找出匹配度較高的歌曲，再按照流量及熱門程度排序推薦。
我們以為是自己“選擇”了要聽要看的內容，其實依然被算法與流量所制約。這樣看來，在大數據時代，用户聽歌看視頻的自主選擇性可説是慢慢下降。
“現在就連網易雲上面都能時不時聽到抖音神曲了。”筱佳有些無奈地説。“我懷疑這些平台是不是互通的啊?想好好聽歌怎麼變得這麼難?”
“可能爆款歌曲到哪都是爆款吧。像我曾經拉黑過之前很紅的盜將行，但是在QQ推薦的歌單裏還是偶爾會出現。難道對算法來説，音樂本身的熱度比用户喜好的加權更重?”若紜對此感到疑惑。
無論是短視頻平台還是音樂平台的算法，視頻或歌曲本身的“熱度”都會影響被推薦的次數。從2018年開始，近半數的爆款歌曲是出自短視頻平台，而短視頻平台的算法最為看重流量。
隨着抖音快手等短視頻與直播的大受歡迎，近年這一比重被進一步放大，許多音樂平台的音樂排行榜都出現了短視頻音樂排行榜。
短視頻平台在音樂宣發環節有越來越多話語權的同時，音樂行業也逐漸被算法綁架，開啓了流量至上的瘋狂時代。
雖然短視頻平台為音樂提供了另一個有效的宣傳途徑，但藉助流量的加持與平台算法的主導，最終能被廣大用户聽見的經常是一些“洗腦神曲”，或是流量粉絲持續刷榜“捧紅”的口水歌。
這些歌曲的大量流通，在潛移默化中影響着市場的審美取向，最終形成用户審美的單一化。
目前大眾對於主流音樂的審美取向的確具有明顯的特徵，從歌唱類綜藝節目歷屆決賽的歌手特徵與選曲就可看出。
如《我是歌手》歷屆前三名中，林志炫、楊宗緯、韓磊、鄧紫棋、韓紅、李玟、張信哲、Jessie J、華晨宇、汪峯、劉歡、吳青峯、徐佳瑩、蕭敬騰等人的聲音都具有能飆高音或充滿爆發力的特點，其中大部份則是二者兼具。
但在更早以前的星光大道和超級女聲等歌唱節目中，進入決賽的歌手個人聲音特色與風格還是各有不同、彼此間的差異更加顯著的。
算法的本意是幫助我們在喜歡的音樂類型中，找到更多喜歡的歌曲。但在算法根據流量決定歌曲推薦順序的同時，也屏蔽了另一些用户想要嘗試接觸的音樂類型，即使用户本身並未發覺自己有這樣的需求。
“或許有些人覺得這種推薦很方便找到喜歡的歌曲，但對於我這種聽歌比較雜，沒有固定類型還特別看心情的人，網易雲和QQ音樂的歌單推薦都不是特別準確。”音樂愛好者凱雅告訴筆者。
“我還是比較懷念蝦米的隨機播放吧，至少感覺上是真的隨機，不像網易跟QQ的有固定風格類型。要不是蝦米的歌越來越少，我還會繼續用的。”
對於像筱佳、若紜、凱雅這樣的用户而言，他們真正需要的或許不是“個性化推薦”所帶來的“推薦歌單”，而是選擇是否屏蔽個性化推薦的自由與自主選歌的權利。
（注：文中筱佳、若紜、凱雅皆為化名）
作者：離離；公眾號：熔財經，城市商業新媒體，區域經濟鏈接者，產業趨勢發現地。
本文由 @熔財經 原創發佈於人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。