網易雲音樂是如何做到和那些妖艷賤貨不一樣的

來自專欄三節課40 人贊了文章

2018年上半年，三節課就曾做出過一個預言——

出於互聯網低端人才人力成本的上升，以及整個行業的競爭要點全面轉向數據和策略驅動的精細化運營，我們認為未來2-3年內，「策略」類人才必將成為整個互聯網業內的普遍剛需。

那種一個產品內，依靠少數幾個「策略」就幹掉了諸多人力勞動成本，極大提升了效率的現象將會越來越多見。

因而，我們認為，「策略」能力將會是成為最值得互聯網從業者們學習的能力。

然而，到目前為止，我們也發現，「策略」這個詞對絕大部分互聯網從業者來說，仍然是抽象、模糊的，很多人都不知道它意味著什麼，即便有人多少理解一些「策略」兩個字背後的意義，也不知道自己該如何學習它。

因此，我們希望通過一系列真實案例的解讀，以定期連載的形式來向大家進行普及：到底策略是什麼，它能解決哪些問題及帶來哪些價值，以及其背後的底層思考方法是怎樣的，希望可以藉此讓更多人可以走入「策略」的大門。

作為網易雲音樂的忠實用戶，最近我就發現，網易雲音樂的發展過程，策略起到了很大的幫助。這一次，我們就把目光放在網易雲音樂的歌曲推薦功能，來看看策略是如何在其中發揮作用的。

01

眾所周知，在音樂播放器市場中，網易雲音樂完完全全是一個新人。

目前幾個主流音樂播放器，酷狗音樂成立於2004年，QQ音樂成立於2005年，酷我音樂、蝦米音樂成立於2006年，天天動聽成立於2008年，百度音樂的前身千千靜聽更是成立於2003年……

而且在2016年，伴隨著BAT大幅併購，市場上主流音樂應用，除了網易雲音樂，幾乎都已經歸入到BAT旗下。面對巨頭環伺，無論是資本還是歌曲版權，網易雲音樂都不佔優勢。即便如此，網易雲依舊在不到四年時間裡，實現了註冊用戶超過2億，月活用戶超過7000萬（數據來源於易觀）的成績，成為音樂播放器市場的一線玩家。

在談及網易雲音樂高速增長背後的原因時，一定會提到的三點是——

1，精準推薦，時常會給用戶帶來驚喜的歌曲推薦功能；

2，良好的社區氛圍和UGC內容產出帶來的用戶黏性；

3，內容豐富，十分戳人的歌單；

在這三點中，歌曲推薦功能的實現，與策略之間天然有著密不可分的關係。

今天，我們就一起來看看網易雲音樂最受好評的「歌單推薦」功能中，策略都起了哪些作用。

02

在討論歌曲推薦的策略之前，我們有必要先對音樂行業有一個基本的了解

網易雲音樂副總裁王詩沐在混沌大學的一次分享中，講到了他對音樂行業的理解。

在他看來，人們想要聽歌，無非是兩種需求——

一種是用戶對音樂本身的訴求，說白了就是好聽。

另一種是尋求音樂和人的心靈、情感鏈接的需求，也就是尋求共鳴。

需求很清晰，但神奇的事情是，很長一段時間裡，人們對於音樂的需求並沒有被充分的滿足。最直觀的表現就是，很長一段時間，大多數人經常聽的歌可能就只有幾百首，小眾音樂和獨立音樂只能在很小的圈子內傳播。

而這個現象的出現，除了一些歷史因素，社會背景之外，與音樂，或者說歌曲這種產品本身的形態有關。

歌曲天然具有這樣三個特點——

1，時長短，體量小。一般而言，很少會有一首時長超過8分鐘，大多數都在3~4分鐘左右。

2，數量非常多。全世界有幾千萬甚至上億首歌曲。這使得用戶在面對各式各樣的曲目時，很難做出明確的判斷，即使他們很有可能對某一類型的音樂非常感興趣。

3，音樂本身在不斷發生變化。音樂是不斷革新的內容載體，民族，地區，文化，時代背景的不同都會帶來不同的音樂形式。也就是說，在市場上，始終存在有潛力流行，但是尚未被發掘出來的小眾音樂。

這帶來兩個現象。

一方面，在內容生產端，階段性的會有全新的音樂形式出現，諸如前幾年大熱的民謠，這幾年十分流行的嘻哈，都是近幾年形成併流行的。

另一方面，在內容消費端，除非音樂本身極具傳播性，否則只能依靠權威性的媒體或平台發布才有可能被聽眾接觸到，最典型的是過去的電台排行榜。這種推薦模式使得，小眾音樂天然不具有優勢，這也是為什麼我們經常聽的歌只有幾百首。

這就意味著，如果有一款產品，能夠幫助用戶發現ta可能喜歡，但是之前沒有機會接觸的歌曲，將會是市場中很大的機會點。

更進一步，如果能夠讓用戶在聽完歌曲之後，產生一種「驚喜」感，或者說，讓ta產生真的「懂」他的感覺，那麼，很有可能帶來用戶自發分享，形成產品的自增長。

網易雲音樂正是發現了這個機會點，並藉此實現了高速增長。

但是，傳統上，想要實現上述效果，單純依靠的人力幾乎不可能，這個時候，正是「策略」大顯身手的地方。

03

所謂「策略」，是一套由數據驅動，存在於產品當中的一套規則與機制。

再換個角度解釋，在實際業務當中，我們常常會遇到一些人力無法完成，或者僅僅依靠人力，成本極高的需求，這個時候，我們會希望利用機器來幫助我們完成，而指導和規範機器完成工作的規則，就是「策略」。

當我們面臨海量的需求和信息需要處理，又積累了足夠多的數據，我們就可以藉助於策略幫助我們解決許多依賴人力難以解決的問題。

而對於網易雲音樂來說，要解決的問題就是將數以億計的用戶與數以千萬計的歌曲之間，通過演算法和策略進行匹配。

具體到「推薦」的演算法當中，策略的實現路徑可能是這樣的。

首先，我們需要藉助數據分析和挖掘，分別對用戶和曲庫中的歌曲進行分類打標籤。比如說，我們將三億用戶，分為A、B、C、D、E五類用戶，將歌曲分為F、G、H、I、J等。這個過程我們可以稱之為「建模」。

接著，對用戶分類之後，需要對不同的用戶和歌曲之間制定分類規則，確保能夠進行有效地匹配。比如說，用戶A可以和歌曲G進行匹配，用戶B可以和歌曲F匹配。按照一定的方法，我們逐個將用戶和歌曲之間進行匹配。最後的效果可能如下圖所示,，我們稱之為「建立規則」。

最後，則是根據用戶在實際過程中的行為和數據，通過機器學習，演算法優化等，不同的優化和改良二者之間的匹配規則。這個實現過程，相對來說比較複雜，這裡我們就不再贅述。

基本上，網易雲音樂想要實現精準推薦，流程大致如此。在具體場景中，根據推薦想要實現的效果不同，對於如何打標籤，以及用戶和歌曲之間如何匹配的規則，也會各有不同。

接下來，我們就來看，具體實踐中，網易雲音樂是如何利用策略實現歌曲推薦的「精準」與「驚喜」的。

04

現在，我們就可以結合剛剛提到的思考方式，假想幾個場景，試著來還原一下音樂推薦的策略是如何制定出來的。需要提醒一下的是，我們接下來描述的場景，只是基於邏輯的一些假設，真實的業務邏輯一定是遠比這要複雜的。

如前所述，在制定策略的過程中，我們第一步要做的是，先藉助數據挖掘和分析，通過某種邏輯先對用戶和音樂進行分類。

歌曲的分類，相對來說比較容易。這裡我們直接參照雲音樂對歌單的分類標準，包含語種、場景、風格、情感、主題等五大類，每一類有可能依據各自的特點，繼續劃分，具體如下圖所示

當然，實際操作過程中，每首歌還可以繼續細分，比如說，同樣類型的歌曲，歌手的不同也會影響到它的分類。這裡我們不再具體解釋。

接著，我們需要對用戶進行分類。相對來說，可能會稍顯複雜。

這裡我們假設一個規則，連續聽三首同一類型歌曲的用戶，我們就定義該用戶為這一類型歌曲的愛好者，反之，則不是。

比如說，我特別喜歡聽動漫音樂，連續使用網易雲音樂聽了10首動漫音樂，同時我還聽古典音樂和英文流行歌曲，也至少聽了三首，那我就被標記為這三類音樂的愛好者。並且依照聽歌的數量得出一個我的聽歌的興趣值，比如說，動漫5分，古典和英文都是2分，最後的結果如下——

之後，推薦給我的歌曲當中，動漫、古典和英文流行類型的音樂數量就會增加。並且，動漫最多，古典和英文較少。

當時，如果只是這個邏輯，顯然是做不到精準的，如果雲音樂一直給我推這幾種歌曲，我肯定也會審美疲勞。而且，我喜歡的音樂類型肯定不止三種，這個時候，就更不能這麼簡單分類了。

這個時候，就需要更加精確地給用戶打標籤。

比如說，我同時聽動漫，古典和英文流行歌曲，但是我喜歡的這三類音樂節奏都偏歡快，並且以女性歌手居多。

這個時候，雲音樂對我可能喜歡的音樂類型有一個「預測」，比如說下圖所示——

這個時候，雲音樂就可以據此推薦一些我可能喜歡的音樂。比如說，一些中文女聲歌手的歌曲，一些中文的流行音樂等等。

當然，我們上述其實還只是很簡單假設，實際情況，是要比這個複雜得多。 對於如何給用戶「打標籤」，可以參考的維度可能還包括，我在社交軟體上都討論了哪些話題，我聽歌的過程中，哪些歌曲單曲回放了？哪些歌曲直接跳過了？這些行為，都構成了雲音樂對我的可能音樂愛好的評估。

最簡單講，假如說雲音樂給我推薦了《最炫民族風》，這個符合了中文、女聲、流行的要素。但是我聽的時候，聽了兩句就直接跳過了，那麼，系統就會判定我對這首歌，或者這一類型的歌都不太喜歡，就會重新調整我對中文女聲的興趣者的評分。

最終，在我不斷的使用雲音樂之後，最終得出我對各種類型音樂的數值，實現精準推薦。

剛剛這個過程，可以很大程度上解釋網易雲是如何實現精準推薦，但是如果像要實現「驚喜」的，這個程度可能還不太夠。

就我個人而言，「驚喜」是指，發現一些你不曾了解過，但是可能會喜歡的音樂，比如說，你可能曾經聽過某個旋律，但是不知道這首歌是什麼，雲音樂能夠幫助發現這首歌，這也算是一種「驚喜」。

而這件事的實現過程，也有策略的作用。

想要實現這個效果，路徑還是我們剛剛提到的路徑，主要發生變化的是給歌曲和用戶打標籤的維度。

前面我們提到，雲音樂最受好評的三個功能是，推薦、歌單、評論區。而「驚喜」效果的實現，就和歌單還有用戶評論有關。

實際上，對於雲音樂的平台來說，歌單和用戶評論，相當於人工給這些歌曲打標籤。其中，歌單相當於是PGC標籤，評論是UGC標籤。這些標籤，也會作為評估用戶對某一類歌曲興趣愛好的標準。

舉個最簡單的例子，有一個和我很類似的用戶，就叫他小明吧。

小明也和我一樣，喜歡動漫、古典和英文流行。同時，他還製作了一個自己喜歡的歌單。並且，數據顯示，收藏這個歌單的用戶，很多也和我的興趣愛好類似。

這個時候，雲音樂就會認為，我也很有可能會喜歡這個歌單，這個時候，就會把這個歌單，或者歌單中最受歡迎的幾首歌推送給我，我也很有可能會喜歡其中的音樂。

如果這個時候，這裡面的音樂是我們曾經沒有聽過，但是我很喜歡的音樂，可能就會產生我們剛剛所說的「驚喜」感。

以上，就是關於網易雲音樂推薦機制的一些介紹，不知道看了上面幾個的分析，你對於策略是如何制定出來的，並且策略是如何在歌曲推薦這一功能中如何發揮作用的，會不會有更加清晰地理解和認知。

基本上講，我們剛剛提到的思考方式，在面對需要進行「匹配」，並通過匹配驅動增長的產品功能時，都是通用的。包括我們已經熟悉了的今日頭條，抖音等產品的推送機制，底層都是上面這套方法論，並且，應用相似的思考方式，我們都可以制定出行之有效的規則。

當然，我們需要反覆強調的一件事是，我們說的更多的是基於邏輯一些假設的理想情況，具體的實踐中，複雜程度要遠超我們的描述。而且，網易雲音樂推薦策略的成功，其實也離不開許多運營動作的支持。

拋開網易雲音樂不談，放在更大的視角來看，在互聯網業內，理論上，任何一個產品達到一定用戶體量的時候，都一定會產生一些問題需要通過策略手段來解決。

換句話來說就是，在當下互聯網行業中，無論你是做什麼產品，策略都是無處不在的。

比如說，如下這些典型的業務問題和場景中，就是互聯網業內「策略」最常發揮價值的地方——

1.一個產品，隨著用戶體量增加，需要考慮做精細化運營；

2.一個產品，可能涉及到搜索、推薦、供需匹配等功能模塊需要完成；

3.一個產品，擁有大規模交易、成交數據，需要提升成交率，優化利潤空間；

4.一個產品，需要考慮通過數據來驅動用戶增長；

5.一個成長期的產品，需要考慮通過補貼來規模化拉動用戶增長，並希望自己的補貼方式、形式等能夠變得儘可能高效；

等等等等。

作為一個產品經理，如果你可以掌握制定「策略」的能力，你將有很大可能能夠跳脫出依賴於「人肉」的怪圈，而開始可以做到能夠依賴於「機制」和「機器」來幫助自己提升業務效率；同時，你將比之前有能力能夠去解決一些複雜度更高的問題，從而讓自己更值錢，以及能找到對自己更好的職業機會。

同樣，作為一個自身運營，如果你可以擁有思考「策略」的能力，你也有更大概率將運營動作規範化，實現依賴於「機器」進行精細化的運營的工作，幫助你能夠面對更大規模，更多維度的挑戰，成為市場上更加不可替代的存在。

因此，我們才說，「策略」能力將會是成為最值得互聯網從業者們學習的能力。

以上，就是今日三節課為你帶來的內容，希望對你能有所啟發。如果可以有個小贊，就很感謝了：）

最後，送你一份學了就能用的實戰乾貨，關注公眾號三節課服務號，回復「3」即可免費獲得：

• 一套完整可復用的結構化思維，能幫你提升邏輯能力，可用於溝通協作、寫作和解決問題
• 一套OKR思維，能幫你制定清晰的可執行可落地的目標
• 小白也能學會的數據爬蟲方法（各大網站均可爬）
• ...

三節課，每天為你推送「運營案例復盤＋熱門產品分析＋運營&產品實戰技巧」

讓你能比同行的人獲得更高速的成長，且這個成長真實可見！