Spotify의 최신 음악 추천 시스템 연구와 사용자 경험

🧐 Summary

1️⃣ 사회적 가치를 고려한 음악 추천이 사용자에게 더 큰 가치를 제공할 수 있습니다.

2️⃣ 새로운 음악을 추천할 때는 새로운 음악에 대한 꾸준한 관심이 있는 사용자를 대상으로 해야 효과적입니다.

3️⃣ 젊은 층에서 로컬 음악 추천의 효과가 크게 나타났습니다.

안녕하세요, 구독자님, 노래 듣는거 좋아하시나요? 저는 YouTube Music이나 Spotify로 음악을 듣는데요, 시스템이 추천해주는 음악을 듣다보면 이걸 어떤 기준으로 나에게 추천해주는건지 궁금해질때가 있어요. 그래서 오늘은 Spotify의 음악 추천에 대한 최신 연구를 가지고 왔습니다. Spotify의 핵심 기능은 개인화된 음악 추천입니다. Spotify Research에서는 이를 위해서 사용자 행동 분석, 음악 추천 알고리즘, 사용자 경험 최적화, 데이터 분석 등을 포함하는 다양한 주제를 연구하고 있어요. 이번에는 이 중에서 사용자 경험과 관련된 3가지 추천 연구를 함께 알아보려고 합니다.

기본적인 음악 추천 방식

음악 뿐만이 아니라 모든 콘텐츠의 기본 추천 방식은 아래와 같이 3가지로 나눌 수 있습니다.

정리하면, 나랑 비슷한 사람들이 듣는 음악을 추천해주거나 내가 듣는 음악과 비슷한 음악을 추천해주거나, 이 두가지 요소를 합쳐서 음악을 추천해줍니다. 하지만 시스템이 이렇게 정교하게 음악을 추천줘도 우리 마음에 들기는 쉽지 않습니다. 그래서 Spotify에서도 새로운 추천 방식에 대한 다양한 연구가 진행되고 있어요. Spotify의 아래 3가지 연구에 대해서 하나씩 살펴보겠습니다.

사회적 동기 기반 음악 추천 

사회적 가치를 고려한 추천 시스템

Socially-Motivated Music Recommendation

사람들이 음악을 듣는 이유는 개인적인 동기(자기 인식, 기분 조절)와 사회적인 동기(소속감, 친구와의 연결감)로 나눌수 있습니다. 기존의 음악 추천 시스템은 주로 개인적 동기에 초점을 맞추고 있어요. 하지만 우리가 혼자 음악을 들을 때도 사회적 동기가 작용하여 커뮤니티에서 인기 있는 음악을 듣고자 하는 마음이 있습니다. 이러한 동기는 집단주의 문화에서 특히 더 강하게 나타납니다. 그래서 이 연구는 특정 사회적 동기, 즉 자신이 속한 커뮤니티에서 인기 있는 음악을 추천하는 시스템을 개발하고 평가했어요.

이러한 연구를 위해서 커뮤니티 내에서 어떤 것이 트렌드 음악인지 판단하고, 그 음악을 추천할 커뮤니티를 분류하고, 트렌드 음악을 특정 커뮤니티에 추천했을 때 효과를 정량적으로 평가했습니다. 사용자의 청취 행동과 인구 통계(나이, 성별, 거주 국가, 언어, 장르)를 기반으로 커뮤니티를 나누고 추천의 정확도와 적시성을 평가하여 사용자가 커뮤니티 내에서 트렌드 음악을 더 빨리 알게 되는지 측정했어요. 그 결과는 다음과 같았습니다.

여기서 정확도(Precision)는 추천된 노래가 실제로 사용자들이 좋아할 가능성이고, 적시성(Timeliness)은 추천된 노래를 사용자가 빨리 알게 되는 정도입니다. 

트렌드를 오래 기다리는 경우를 생각해볼까요. 한 달 동안 데이터를 모아서 어떤 노래가 인기 있는지 정확히 알게 되지만, 이미 많은 사람들이 그 노래를 알고 있을 가능성이 높습니다. 추천의 효과가 낮아지겠죠. 반면에, 일주일 만에 인기 있는 노래를 파악하고 추천하면 아직 많은 사람들이 그 노래를 모를 수 있어서 빨리 알려줄 수 있지만, 그 노래가 진짜 인기 있는지 확신하기 어려울꺼에요. 그래서 정확도와 적시성 간의 균형을 맞추는 것이 중요합니다.

이 연구는 사회적 가치를 고려한 음악 추천 시스템이 사용자에게 더 큰 가치를 제공할 수 있다는 것과 문화적 차이를 반영하는 것이 중요하다는 것을 보여줬습니다. 그리고 연령, 거주 국가, 장르 선호도에 따라 사용자를 세분화하는 것이 추천의 효과를 높인다는 것도 발견했죠. 이것은 지리, 문화, 취향이 음악 커뮤니티를 정의하는데 중요한 역할을 한다는 우리의 일반적인 생각과도 같은 결과에요.

새로운 음악 추천 

반복 청취와 새로운 음악에 대한 꾸준한 관심을 고려한 추천 시스템

How do people stream newly released music?

요즘엔 다양한 음악 스트리밍 서비스로 사용자들이 끝없이 새로운 음악을 발견할 수 있죠. 이 연구에서는 사용자들이 새로 출시된 음악을 어떻게 스트리밍하는지 알기 위해 1백만 명의 Spotify 사용자 데이터를 분석했어요. 연구 질문은 두 가지였습니다.

Q1. 장르별로 새로 출시된 음악의 소비는 어떻게 다른가?

Q2. 사용자들의 장르 및 새로운 음악 선호도가 새로운 음악 스트리밍에 어떻게 영향을 미치는가?

결과적으로, 기능적 목적을 주로 하는 클래식 음악 등의 장르에서는 새로 출시된 음악의 소비가 적었습니다. 반면, 팝 음악은 예상외로 높은 소비율을 보이지 않았어요. 또한, 사용자의 새로운 음악에 대한 선호도는 전체 음악 선호도와는 달랐습니다. 새로운 콘텐츠에 대한 꾸준한 관심여부로 새로운 음악 소비를 예측할 수 있었어요. 결과를 좀 더 자세하게 살펴볼까요.

장르별 소비 패턴

사용자의 선호도와 새로운 음악 스트리밍

이 연구는 새로운 음악을 추천할 때 고려해야 하는 점들을 알려줍니다. 가장 중요한 것은 새로운 음악 추천은 일반 음악 추천과 별도로 취급해야 한다는 점입니다. 음악 추천 알고리즘은 반복 청취가 적은 장르의 새로운 음악을 사용자들에게 더 적극적으로 추천해줘야 합니다. 사람들이 덜 듣는 장르의 새로운 곡은 쉽게 잊혀지거나 발견되지 않을 수 있기 때문이죠. 신곡 발매 초기에는 새로운 음악을 탐색하는 사용자를 타켓으로 해당 신곡을 집중적으로 추천해야 합니다. 이 사용자들을 타겟으로 추천하면, 신곡이 더 빨리 알려질 수 있어요.

로컬기반 음악 추천

음악과 아티스트의 지역성을 반영한 추천 시스템

Exploring Local Music’s Place in Global Streaming

요즘은 전 세계 음악을 쉽게 접할 수 있죠. 그렇다면 지리적인 위치가 음악과의 관계에 어떤 역할을 할까요? 이 연구는 로컬 음악의 정의와 이것을 음악 추천에 어떻게 적용할 수 있는지 고민했습니다. 

먼저, 나이지리아 포트 하커트, 미국 텍사스 휴스턴, 브라질 바이아 살바도르의 음악 청취자와 아티스트를 인터뷰하여 ‘로컬’ 음악을 정성적으로 정의했습니다. 인터뷰 결과, 로컬 음악은 세 가지 특징이 있었어요. 

1. 음악이 해당 장소의 특성을 포함한다 (언어, 악기, 비트 등)

2. 아티스트가 해당 장소 출신이다

3. 아티스트가 해당 장소에서 접근 가능하다

그 지역에서 태어나지 않은 아티스트라도 그곳에서 오랜 시간을 보냈다면 로컬로 간주될 수 있습니다. 접근성도 중요한 요소였는데요, 아티스트를 쉽게 볼 수 있거나 접근할 수 있을수록 로컬로 느꼈습니다.

연구팀은 이런 정의를 바탕으로 로컬 음악 추천 시스템을 개발하고 실험했습니다. Spotify 홈 화면에 ‘로컬 아티스트’ 추천 섹션을 추가하여 사용자 참여도를 측정했어요. 그 결과, 로컬 아티스트 추천 섹션이 있는 경우 사용자 참여도가 유의미하게 높았습니다. 

이 연구 결과는 음악을 즐기고 발견하는 데 있어 ‘로컬’의 중요성을 강조합니다. 로컬 추천이 음악 추천 전략의 중요한 부분이 되어야 한다는 것을 알려주죠. 이러한 접근법은 덜 알려진 아티스트의 팬을 확대하고 청취자와 창작자를 연결하는데 도움을 줄 수 있습니다.

오늘 소개해드린 Spotify 추천 연구는 어떠셨나요? 저는 새로운 관점에서 추천을 해주는 방식들이 재밌었어요. 우리가 주변 사람들에게 음악을 추천해줄 때, ‘이거 좋아 들어봐’라고 단순하게 말하지만 그 문장에는 여러가지 복합적인 이유가 숨겨져 있구나라고 다시 한번 생각했습니다. 그 아래 있는 여러 이유들을 분석하고 엮어서 새로운 사용자 경험으로 만드는 것이 UX 리서처이자 디자이너인 우리가 해야할 일이 아닌가 싶네요.

추천 시스템을 연구하거나 콘텐츠 서비스를 디자인하시는 분들에게 이번 뉴스레터가 도움이 되었기를 바라면서, 우리는 다음주에 새로운 뉴스로 만나요! 

Reference

[1] Lacker, B., & Way, S. F. (2024, May). Socially-Motivated Music Recommendation. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 18, pp. 879-890).

[2] Jiang, J., Ponnada, A., Li, A., Lacker, B., & Way, S. F. (2024, May). A Genre-Based Analysis of New Music Streaming at Scale. In Proceedings of the 16th ACM Web Science Conference (pp. 191-201).

[3] Way, S., Mazur, D., Kupferman, R., Walsh, M., Tizé, A., & Lacker, B. (2024, May). Exploring Local Music's Place in Global Streaming. In Proceedings of the 16th ACM Web Science Conference (pp. 202-212).

Inspire X에 의견 보내기