Con oltre 30 milioni di brani disponibili, Spotify è ormai leader indiscusso nel settore musicale, sopratutto per ciò che concerne l’ascolto in streaming. Il primato internazionale del software svedese continua ancora oggi grazie ad alcune chicche per i propri utenti, tra cui la “Discover Weekly”, attraverso cui il sistema, in automatico, consiglia 30 nuovi brani che, con ogni probabilità, soddisfano i gusti musicali di ciascun utente.
Anche in questo caso qualcuno ha voluto cimentarsi nello svelare l’arcano che si cela dietro questa funzione assai gettonata: a renderlo noto è infatti Hackernoon, che in maniera abbastanza dettagliata ha dimostrato quali sarebbero i tre metodi utilizzati per elaborare la playlist settimanale proposta dal sistema. Il primo di questi, già noto per altre piattaforme collaudate – come Netflix – è il filtraggio collaborativo: in maniera indiretta, come se avvenisse uno scambio di informazioni tra utenti, Spotify mette a confronto le scelte musicali degli ascoltatori, basandosi sui brani salvati, numero di riproduzioni di uno stesso brano, sino all’ascolto più o meno frequente di uno stesso artista. Trovati in tal modo utenti con interessi simili, il sistema effettua uno “scambio”, consigliando ad uno dei due ciò che è piaciuto al primo – ad esempio – ma che il secondo invece non ha ancora ascoltato.
Il secondo criterio di selezione prevede invece l’uso del NPL, ovvero l’elaborazione del linguaggio naturale. Svolgendo continue ricerche in rete, l’azienda riesce a captare una serie di parole chiave – poi tradotti come “tag” – che il pubblico musicale è solito associare a gruppi ed artisti nelle proprie ricerche sul web; con lo stesso sistema, i tag verrebbero ulteriormente raccolti da pagine ed articoli che trattano di musica. Anche nel caso del NPL avviene una successiva comparazione: assodato che ciascun artista sia contraddistinto da specifici tags, si cerca di proporre all’utente brani musicali di artisti che presentano tag affini o in comune con quelli già ascoltati nelle proprie playlist.
Altamente tecnologico ed avveniristico è invece il terzo criterio di selezione, più sofisticato e che non si avvale solamente dei brani conosciuti o ricercati dall’utente. La comparazione è anche qui presente ma abbastanza complessa, se si pensa che il sistema rintraccia una qualche similarità sovrapponendo i frame audio di ogni traccia musicale, fino ad individuare sequenze affini tra loro. Questo processo, da alcuni definiti come “machine learning”, è certamente svolto da software specializzati per questo tipo di scansione e può essere considerato come l’equivalente di una minuziosa analisi di una fotografia, tenendo conto di ogni singolo pixel che la compone.
