Esh Kumar New Yorkban és Stockholmban dolgozik a Spotify ajánlási rendszerén. Az interjú a budapesti Crunch konferencián készült, ahol Esh is előadott.
Van olyan playlist a Spotify-tól, amit emberek raknak össze, vagy mindegyik automatizált?
Persze, minden Spotify playlist-et a cég zenei részlegének alkalmazottai állítanak össze.
A Te munkád az ajánlási rendszer optimalizálása, ez miről szól?
Megnézzük, hogy mit hallgattál korábban, és az ott meghallgatott/átugrott dalok alapján ajánlunk más zenéket. Vagy épp az alapján, hogy más felhasználók milyen sorrendben hallgatják a zenéket, a zene és előadó stílusa alapján. Azt is nézzük, hogy saját playlisten belül hallgattad az adott dalt, vagy tádión keresztül, egy csomó dolgot. Az ajánlási rendszerekben az a kihívás, hogy mindenkinek tök egyedi a stílusa - a pop teljesen mást jelent más embereknek. Én például New Yorkban és Stockholmban is dolgozok - ha azt mondod az USA-ban, hogy szereted a popzenét, az emberek Katy Perry-re vagy Taylor Swiftre fognak asszociálni. Svédországban ugyanerre mindenki azt hinné, hogy a nyolcvanas évekért vagy oda.
Hogyan állapítjátok meg, hogy két dal hasonló?
Egy csomó dolog segít. A Spotify-nak 1.5 milliárd felhasználók által készített playlistje van, mi megnézzük, hogy ezekben milyen számok szerepelnek közösen. Például, ha látjuk, hogy Freddy Mercury és a Beatles dalai sokszor jelennek meg egy playlisten, feltételezhető, hogy szeretik az emberek egymás után hallgatni őket. Azt is megnézzük, minek nevezik el a lejátszási listákat - pl. "hatvanas évek" -, ez segít megállapítani, hogyan kategorizálják a zenét. Plusz használjuk a Google word2vec eszközét, ami úgy állapítja meg, hogy 1-1 szó hasonló-e, hogy a szövegkörnyezetét nézi meg. Például meg tudod nézni vele, hogy a "ragyogás" szó milyen gyakran jelenik meg a "nap", "csillagok" és "uborka" szavak közelében, látod, hogy hopp, a nap és csillagok gyakran ragyognak, míg az uborka kevésbé, és már tudod, ha valaki egy csillagokról szóló dalt hallgat, érdemesebb egy napról szóló számot ajánlani utána, mint egy uborkáról szólót.
Meg tudod mondani, hogy hányszor hallgattam meg privát módban az új Adele számot? Mert ha kiderülne, tönkretenné a jó híremet.
Nem, nagyon komolyan vesszük a beállításokat, ne aggódj, a titkod velünk biztonságban van. Én nem használom a privát módot, szóval minden kollégám rögtön látja, éppen mit hallgatok. "Esh, azt hittük, a technót szereted! Mi ez az új szám Ellie Goulding-tól?" Komolyan, ez a munkám egyetlen hátránya.
Oké, de megfigyelési listáitok vannak, nem? Például ha túl sok Nicki Minaj-t hallgatok, akkor kiadjátok a nevem a kormánynak, hogy hé, valaki a patriarchátus lebontására készül, vagy ha mondjuk három órán át Radiohead-et hallgatok, küldtök nekem egy lelkisegély-hívószámot, nem?
Nem, semmi ilyesmi nincsen. Nyugodtan hallgass amit szeretnél.
Te mit hallgatsz?
A listák közül a Discover Weekly a kedvencem. Mostanában sokat hallgatom Gui Borrotto-tól a No Turning Back-et. Futáshoz viszont a poposabb számokat szeretem.
Én mindig Tina Turner-re futok! Remélem erről sem fog soha, semmilyen infó kikerülni.
Az irodában van egy világtérképünk, amin fények gyulladnak ki, ha bárki a világon egyszerre hallgatja ugyanazt a számot. Szóval ha bármikor Tina Turner-t hallgatsz, csak emlékezz, hogy nagy valószínűséggel valaki, valahol, abban a pillanatban épp ugyanazt a számot hallgatja.
Ez elég megnyugtató gondolat. Gondolkodtatok már azon, hogy a Spotify-t online randi applikációval egészítsétek ki?
Még nem. Pitcheld az ötletet a főnökeimnek!
Mindenképpen. Milyen a Spotify-nál dolgozni?
Szuper. Már 1500-an dolgozunk a cégnél, de még mindig megőrizte a startup-jellegét. Például félévente leülünk, és megmutatjuk, milyen fejlesztéseken dolgozunk a mindennapi munkánk mellett. Egy csomó funkció, amit ma látsz az applikációban, innen indult.
Van egy elképesztően tehetséges barátom, akinek a dala az új magyar HBO sorozat főcímdala lett. Van arra mód, hogy ezt a számot minden lejátszási listába berakd? Mert mindenkinek hallania kellene.
Mindig vannak emberek, akiknek nagyon erős elképzeléseik vannak a lejátszási listákról. Volt, hogy azt kérték, hogy egyetlen Justin Bieber szám se legyen egyik listában sem. Bizonyos előadókat már ki tudsz szűrni, de nem tudjuk berakni a barátod számát minden playlistre.
Szomorú.
(Tóth Zoltán, a Crunch konferencia szervezője átveszi a szót.) Volt már valami igazán nagy fail-etek? Például klasszikus zene rajongóknak ajánlottatok Bieber-t, vagy kínai népzenét valakinek, aki addig csak német nacionalista zenéket hallgatott.
Ilyesmi már régóta nem fordult elő.
Szerinted a big data csak hype? (Tóth Zoltán a Crunch - Practical Big Data szervezőjének kérdése.)
A big data nagyon hasznos, de egy csomó olyan esetben is alkalmazzák, ahol alapvetően felesleges.
Mit viszel magaddal Magyarországról?
Egy üveg pálinkát. Azt hittem, a svédek nagyivók, de a pálinka… meglepett, főleg másnap reggel.
Utolsó kommentek