Spotify उपयोगकर्ताओं को अपने अनुशंसा इंजन को स्टीयरिंग व्हील सौंप रहा है। स्ट्रीमिंग दिग्गज ने हाल ही में एक स्वाद प्रोफ़ाइल संपादक का अनावरण किया है जो ग्राहकों को डिस्कवर वीकली, डेली मिक्स और यहां तक कि साल के अंत में रैप्ड सारांश में जो दिखाया जाता है उसे सीधे आकार देने देता है। SXSW में घोषित, यह कदम एल्गोरिथम रैबिट होल्स के बारे में उपयोगकर्ताओं की वर्षों की शिकायतों को संबोधित करता है और संगीत स्ट्रीमिंग में पारदर्शी, उपयोगकर्ता-नियंत्रित वैयक्तिकरण की ओर एक बदलाव का प्रतीक है।
Spotify बस एक साहसिक शर्त लगाई है कि उपयोगकर्ता अपने एल्गोरिथम भाग्य पर अधिक नियंत्रण चाहते हैं। कंपनी ने SXSW में अपने स्वाद प्रोफ़ाइल संपादक का अनावरण किया, जिससे ग्राहकों को वरीयता डेटा तक सीधी पहुंच मिलती है जो उनके संपूर्ण सुनने के अनुभव को आकार देता है।
यह सुविधा उपयोगकर्ताओं को शैली प्राथमिकताओं, कलाकार के वजन और मूड झुकाव को मैन्युअल रूप से समायोजित करने देती है जो Spotify के अनुशंसा इंजन में फीड होती है। के अनुसार टेकक्रंचडिस्कवर वीकली, डेली मिक्स, रिलीज़ राडार और यहां तक कि साल के अंत में रैप्ड फीचर जैसे वैयक्तिकृत प्लेलिस्ट के माध्यम से संपादन तुरंत तरंगित हो जाता है जो आम तौर पर प्रत्येक दिसंबर में सोशल मीडिया उन्माद को भड़काता है।
यह अधिकांश स्ट्रीमिंग प्लेटफ़ॉर्म द्वारा अपनाए जाने वाले ब्लैक-बॉक्स दृष्टिकोण से एक महत्वपूर्ण विचलन है। कहाँ एप्पल संगीत और यूट्यूब संगीत पूरी तरह से निष्क्रिय श्रवण डेटा पर भरोसा करते हुए, Spotify उपयोगकर्ताओं को एल्गोरिदम को स्पष्ट रूप से बताने देता है कि वे कम या ज्यादा क्या चाहते हैं। इसे एक मैन्युअल ओवरराइड के रूप में सोचें जब आपकी दोषी आनंद वर्कआउट प्लेलिस्ट आपकी इंडी रॉक अनुशंसाओं को प्रदूषित करने लगती है।
समय आकस्मिक नहीं है. Spotify वर्षों से एल्गोरिथम आलोचना से जूझ रहा है। उपयोगकर्ता नियमित रूप से अनुशंसा चक्रों में फंसने की शिकायत करते हैं, जहां एक गीत सुनने का दोषी व्यक्ति हफ्तों तक समान ट्रैक उत्पन्न करता है। अन्य लोग इस बात पर शिकायत करते हैं कि रैप्ड सारांश में बेतरतीब बेतुकेपन की अधिकता है, जिससे उनका संगीतमय वर्ष ख़राब दिखता है। स्वाद प्रोफ़ाइल संपादक सीधे दोनों दर्द बिंदुओं को संबोधित करता है।
हुड के तहत, Spotify की अनुशंसा प्रणाली अरबों श्रवण सत्रों के आधार पर यह अनुमान लगाने के लिए सहयोगी फ़िल्टरिंग और तंत्रिका नेटवर्क का उपयोग करती है कि आप क्या आनंद लेंगे। लेकिन मशीन लर्निंग मॉडल एक बार की जिज्ञासा क्लिक और वास्तविक नई रुचि के बीच अंतर नहीं कर सकते। यहीं पर मैन्युअल संपादन आता है – उपयोगकर्ता अनिवार्य रूप से एल्गोरिदम को “उसे अनदेखा करें” या “इस तरह और अधिक” बता सकते हैं, सिस्टम को केवल व्यवहार से इरादे का अनुमान लगाए बिना।
