Platform-platform besar seperti Spotify, Apple Music, YouTube Music, dan nyaris sempurna dalam menggunakan algoritma untuk memberikan rekomendasi musik yang akurat bagi penggunanya. Algoritma-algoritma ini mengaburkan batas antara musik yang ditemukan secara alami dan musik yang dipilih secara strategis untuk pendengarnya. Ini mengapa dalam teknologi, mesin harus terus diajari agar bisa memahami manusia.

Dengan terus mendengar musik yang spesifik, maka platform streaming musik dapat menciptakan rekomendasi yang tepat. Ketika industri musik masih berpusat pada media fisik, pemilik label mencari artis baru, mempromosikan artis baru, dan meramalkan hits baru berdasarkan data terbatas: termasuk penjualan singel dan album, penjualan tiket konser, dan word-of-mouth.

Meski demikian sejak booming streaming, industri ini memiliki banyak data yang tersedia, dan semuanya memberi makan algoritma pembelajaran mesin yang kuat di balik layanan streaming kami. Algoritma-algoritma ini jauh lebih mendalam daripada hanya jumlah streaming yang diterima oleh seorang artis atau lagu. Kita sebagai pendengar hanya jadi objek bagi mesin.

Spotify sendiri mengungkapkan bahwa mereka melacak ratusan metrik yang berbeda dari pengalaman mendengarkan pengguna, termasuk: "apa yang kita dengarkan dan kapan, lagu-lagu apa yang ditambahkan ke daftar putar, kebiasaan mendengarkan orang dengan selera serupa," dan banyak lagi.

Platform layanan streaming juga mempertimbangkan metrik yang kurang jelas, seperti waktu dalam sehari, urutan lagu atau podcast yang didengarkan oleh pengguna, dan tanggal rilis lagu tertentu. Bersama-sama, metrik-metrik ini menggantikan peran pembuat keputusan tradisional di industri ini, menentukan lagu mana yang masuk dalam chart, artis mana yang berhasil, dan genre musik yang didengarkan oleh kelompok demografis tertentu.

Lantas ketika kita menyelami model-model di balik algoritma-algoritma ini, menjadi jelas bagaimana mereka menghasilkan hasil yang begitu akurat. Algoritma yang digunakan oleh layanan streaming musik seperti Spotify, Apple Music, dan sejenisnya memiliki beberapa cara untuk membentuk selera musik pengguna. Apa saja itu?

Algoritma menggunakan riwayat mendengarkan pengguna untuk menganalisis preferensi musik mereka. Misalnya, jika seseorang sering mendengarkan lagu-lagu pop, algoritma akan merekomendasikan lagu-lagu pop yang serupa atau yang populer di genre tersebut.

Selain itu mesin pada layanan streaming menganalisis fitur-fitur musik seperti genre, tempo, melodi, dan instrumen yang digunakan dalam lagu untuk mencari kesamaan dengan lagu-lagu lain. Jika pengguna menyukai lagu dengan tempo cepat, algoritma akan merekomendasikan lagu-lagu dengan karakteristik serupa.

Algoritma juga menggunakan teknik collaborative filtering untuk membandingkan preferensi pengguna dengan pengguna lain yang memiliki kesamaan selera musik. Jika ada pengguna lain dengan selera musik serupa, algoritma akan merekomendasikan lagu-lagu yang disukai oleh pengguna lain tersebut.

Layanan streaming juga memperhitungkan popularitas lagu dan artis untuk memberikan rekomendasi. Jika ada lagu atau artis yang sedang tren atau populer, algoritma akan memasukkannya ke dalam rekomendasi. Algoritma juga memperhitungkan respons pengguna terhadap rekomendasi sebelumnya. Jika pengguna sering melewatkan atau melewati lagu-lagu tertentu, algoritma akan mengambil informasi ini dan menyesuaikan rekomendasi selanjutnya.

Melalui kombinasi algoritma ini, layanan streaming musik dapat menciptakan rekomendasi yang sangat personal dan akurat untuk setiap pengguna. Meskipun tidak selalu sempurna, algoritma ini terus berkembang dan belajar dari pola mendengarkan pengguna untuk meningkatkan keakuratan rekomendasi musik.