Escoltes jazz i rock indie. Apple Music et segueix suggerint aquell album d'EDM que vas afegir fa tres anys i una llista de K-pop que va compartir un amic. La seccio 'Per a tu' sembla d'una altra persona.

No es casualitat. Les teves recomanacions son dolentes per raons concretes - i pots arreglar-les.

Com funcionen realment les recomanacions d'Apple Music

Apple Music crea un perfil de gustos basat en tres senyals: el que escoltes, el que tens a la biblioteca, i el que explicitament t'agrada o no. Cada canco que reprodueixes, saltes o afegeixes ensenya alguna cosa a l'algoritme sobre les teves preferencies.

El problema es que l'algoritme te en compte tota la biblioteca, no nomes les escoltes recents. Cancons afegides fa anys encara influeixen en el que et recomana avui. Si el 40% de la teva biblioteca es musica que ja no t'agrada, el 40% del senyal que rep l'algoritme es soroll.

Tres coses que arruinen les teves recomanacions

Primer: les cancons que has superat. Els teus gustos canvien, pero la biblioteca no es neteja sola. Aquella fase de reggaeton, la llista del gym de 2020, l'album de la banda sonora que vas escoltar un cop - tot segueix murmurant a l'algoritme.

Segon: les cancons que mai vas escoltar. Son les pitjors culpables. Vas afegir un album per un sol tema, una llista per l'ambient, o l'opcio 'Afegir cancons de llistes' d'Apple Music va importar centenars de cancons automaticament. Les cancons amb zero reproduccions segueixen comptant com a 'coses que vas triar tenir a la biblioteca'.

Tercer: les importacions massives. Cada llista que afegeixes, cada album compartit que acceptes - tot dilueix el teu perfil de gustos. Deu cancons d'un amic, be. Dues-centes cancons d'una llista col·laborativa es un problema.

L'arranjament rapid: Amar i Suggereix menys

Comenca per les cancons que t'importen. Obre Apple Music, troba cancons que de veritat t'encanten, i toca el cor. Es el senyal positiu mes fort que pots enviar. Fes-ho amb 20-30 cancons que realment gaudeixis.

Despres fes el contrari. Mantingues premudes les cancons que no t'agraden o que has superat i toca 'Suggereix menys d'aquest tipus'. Aixo li diu a l'algoritme que afluixi amb recomanacions similars. Fins i tot fer-ho amb 10-15 cancons marca una diferencia notable.

El repte: funciona genial per a unes poques cancons, pero si la teva biblioteca te centenars de temes problematic, fer-ho d'un en un no es practic.

L'arranjament a fons: neteja la teva biblioteca

La manera mes efectiva d'arreglar les recomanacions es netejar la font. Recorre la teva biblioteca sistematicament i descarta les cancons que ja no representen els teus gustos. Quan l'algoritme te dades netes, dona recomanacions netes.

SongSweep ho fa practic. Els Smart Filters troben cancons que mai vas escoltar o que havies oblidat. La interficie de lliscar et permet processar centenars de cancons en minuts. Cada canco que descartes es marca automaticament com a 'Suggereix menys' - arreglant les recomanacions en bloc.

La majoria nota recomanacions molt millors en pocs dies despres d'ordenar la biblioteca. La seccio 'Per a tu' torna a semblar teva.