Spotify作为全球最大的正版流媒体音乐服务平台之一，在产品开发过程中赢得了最多用户的青睐，这得益于其音乐推荐系统，用户每次都能听到自己喜欢的歌曲。那么Spotify是如何认识用户的呢？今天我就用超级产品策略方法论给大家分析一下。

对于Spotify用户来说，每周都会收到Spotify的DiscoverWeekly，里面收录了30首用户从未听过的不同风格的歌曲，已经成为一种习惯。令人惊讶的是，每首歌都能让用户满意。

“Spotify是我最喜欢的音乐应用，尤其是DiscoverWeekly。我想它比任何人都更了解我，更了解我的音乐品味。我对每周推荐的音乐非常满意。我甚至感觉不到。它存在，但我觉得它无处不在。”这是一位忠实的Spotify用户说的。

数据显示，大部分Spotify用户都沉迷于DiscoverWeekly，而且它拥有大量粉丝。即使是Spotify也太受欢迎了，无法重新思考企业的商业模式。投入大量资源的目的是为了让每周的推荐更加精准。

自2015年Spotify推出DiscoverWeekly以来，使用Spotify的用户日益增多。那么，Spotify是如何向每个用户准确推荐这30首音乐的呢？

在此之前，我们可以将Spotify与其他音乐公司进行比较。

说到推荐音乐的功能，大家肯定都很熟悉。早在2000年，松扎就开始推荐音乐，但当时是通过人工选歌推荐给用户，松扎还邀请业内人士制作歌单。但不可避免的是，业内人士在选歌时往往更倾向于自己的音乐品味，而不是用户的音乐品味。

久而久之，前者做了错误的示范，后者做了改进。音乐推荐领域的早期企业pandora根据用户关键词对每首歌曲进行描述，对这些歌曲进行相应的标注，然后通过代码对歌曲进行过滤，让相似的音乐形成一组歌曲推荐给用户。

此时此刻，麻省理工媒体实验室的音乐公司TheEchoNext诞生了。

它的出现颠覆了整个音乐推荐领域，将在满足用户个性化需求方面向前迈进一大步。该算法用于分析歌曲的文本和旋律、识别音乐、个性化推荐、创建歌曲列表和分析音乐。过滤用户可能喜欢的歌曲。

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是如何打造自己的音乐推荐系统并脱颖而出的呢？

其实，Spotify并不只是采用一种音乐推荐方式，它结合了其他音乐软件的推荐模式，打造了自己独特的推荐系统。

DiscoverWeekly背后的三大超级产品战略方法论；

1)分析用户并挖掘他们的需求

2)处理音乐源文件和声道

3)自然语言处理和文本分析

分析用户行为、挖掘用户需求的灵感来源于Spotify的竞争对手网飞，该公司是第一家利用协同过滤技术构建音乐推荐系统的企业。他们使用评分系统了解用户，方便企业推荐与自己喜好相似的内容。

自从这家企业成功以来，几乎所有的应用都采用了这项技术。

与网飞不同，Spotify不采用评分系统，而是使用隐性反馈来分析用户。比如用户听歌时，Spotify会提示是否需要收藏，或者用户在听歌后是否浏览歌手主页。

通过这些分析来判断用户的喜好，假设A和C这两个不同的用户，他们喜欢的五首歌中有三首是相同的，那么他们很可能是口味相似的用户，所以他们会有很大的机会喜欢上自己喜欢但以前没听过的歌。

所以A喜欢但C没听过的歌推荐给C，C喜欢而A没听过的歌推荐给A.

通过以上分析，我们可以发现，Spotify的超级产品策略只满足了用户最基本的需求和好奇心，同时发现了音乐之间的相似之处，推荐与自己历史记录相似的音乐，让用户听自己想要的音乐。

如果你想对Spotify有更深入的了解，学习如何打造产品，请关注“艾老思”公众h。