Slušaš jazz i indie rock. Apple Music ti stalno predlaže onaj EDM album koji si dodao prije tri godine i K-pop popis za reprodukciju koji ti je prijatelj podijelio. Sekcija 'Za tebe' izgleda kao da pripada nekom drugom.

Nije slučajnost. Tvoje preporuke su loše iz konkretnih razloga - i možeš ih popraviti.

Kako Apple Music preporuke zapravo rade

Apple Music gradi profil ukusa na temelju tri signala: što slušaš, što imaš u biblioteci i što izričito voliš ili odbijaš. Svaka pjesma koju pustiš, preskočiš ili dodaš uči algoritam nešto o tvojim preferencijama.

Problem je što algoritam uzima u obzir cijelu biblioteku, ne samo nedavno slušanje. Pjesme dodane prije godina još uvijek utječu na to što ti se danas preporučuje. Ako je 40% tvoje biblioteke glazba koju više ne voliš, 40% signala koji algoritam prima je šum.

Tri stvari koje uništavaju tvoje preporuke

Prvo: pjesme iz kojih si izrastao. Tvoj ukus se mijenja, ali biblioteka se sama ne čisti. Ona reggaeton faza, popis za reprodukciju iz teretane iz 2020., album s filmskom glazbom koji si jednom slušao - sve još šapće algoritmu.

Drugo: pjesme koje nikad nisi pustio. To su najgori krivci. Dodao si album za jedan track, popis za reprodukciju za atmosferu, ili ti je postavka 'Dodaj pjesme iz popisa' automatski uvezla stotine. Pjesme s nula puštanja i dalje se računaju kao 'stvari koje si izabrao za biblioteku'.

Treće: masovni uvozi. Svaki popis za reprodukciju koji dodaš, svaki podijeljeni album - sve razrjeđuje tvoj profil ukusa. Deset pjesama od prijatelja je ok. Dvjesto pjesama iz zajedničkog popisa za reprodukciju je problem.

Brzi popravak: Srce i Predlaži manje

Počni s pjesmama koje ti znače. Otvori Apple Music, pronađi pjesme koje iskreno voliš i klikni na srce. To je najjači pozitivni signal koji možeš poslati. Napravi to za 20-30 pjesama koje zaista voliš.

Onda idi u suprotnom smjeru. Dugo pritisni pjesme koje ne voliš ili si ih prerastao i klikni 'Predlaži manje ovakvih'. Ovo govori algoritmu da se povuče od sličnih preporuka. Čak i 10-15 pjesama čini primjetnu razliku.

Izazov: ovo odlično funkcionira za par pjesama, ali ako tvoja biblioteka ima stotine problematičnih skladbi, raditi to jednu po jednu nije praktično.

Temeljiti popravak: očisti biblioteku

Najučinkovitiji način za popravljanje preporuka je čišćenje izvora. Prođi sustavno kroz biblioteku i razvrsti pjesme koje više ne predstavljaju tvoj ukus. Kad algoritam ima čiste podatke, daje čiste preporuke.

SongSweep to čini praktičnim. Smart Filters pronalaze pjesme koje nikad nisi pustio ili si ih zaboravio. Sučelje za swipeanje omogućuje obradu stotina pjesama u minutama. Svaka razvrstana pjesma automatski se označava kao 'Predlaži manje' - popravljajući preporuke masovno.

Većina ljudi primijeti zamjetno bolje preporuke unutar par dana od sortiranja biblioteke. Sekcija 'Za tebe' opet počinje izgledati kao tvoja.