个性化却非个人化：音乐流媒体服务中算法策划的听众体验

文献标题

Personalised But Impersonal: Listeners’ Experiences of Algorithmic Curation on Music Streaming Services

文献信息

• 主题领域: 用户体验与算法推荐（主要关注音乐流媒体平台）
• 关键词: 音乐流媒体, 音乐交互, 算法策展, 音乐推荐, 氛围（vibe）, 个性化, 用户体验, 算法控制, 音乐记忆, 社交听觉

研究背景与问题

• 发现的问题或挑战:
  音乐流媒体服务中广泛应用的算法推荐和策展功能对用户行为产生了深远影响。然而，尽管这些算法提供了便利，许多用户却将这些功能视为缺乏个性化、无法满足其特定需求，甚至偶尔显得"冷漠"或"不贴合"。

• 重要性:
  音乐对人们日常生活具有重要作用，从情绪调节到身份表达都是其核心功能。音乐流媒体服务试图用个性化推荐来优化用户体验。然而，这种优化在实践中可能带来潜在的透明性、偏见及用户控制问题。

• 研究动机与相关工作:

  • 研究着眼于了解用户如何看待基于算法的音乐推荐系统（如Spotify、Apple Music），并聚焦于这些功能对用户听歌习惯及体验产生的影响。
  • 参考已有研究，如Liikkanen的音乐交互范式研究（Curated模式和On-Demand模式）以及推荐系统中的透明性和用户控制性问题，试图更新和扩展关于音乐流媒体体验的理解。

解决方案

• 提出的解决方法或研究方法:

  • 作者采用"算法体验"（Algorithmic Experience, AX）作为分析框架，专注于用户与算法推荐的互动体验。
  • 研究包含两个阶段：第一阶段为用户访谈和观察，第二阶段则采用设计工作坊方法，邀请用户参与，进一步挖掘用户需求和想法。

• 创新之处:

  • 提出"氛围"（vibe）的概念，用于描述算法推荐中既需满足音乐内容的相似性，也需与用户当前的情绪、语境相符，使推荐更加"个人化"。
  • 探讨了音乐推荐系统中的"个性化与非个性化"张力，及如何通过设计实现更多用户控制的透明化算法。

• 实施步骤与方法:

  1. 访谈与观察: 采访15名年龄18-36岁的Spotify和Apple Music用户，探讨他们的听歌习惯、推荐功能的使用体验等。
  2. 参与式设计工作坊: 通过设计任务和对话模板，邀请用户设计他们理想化的音乐推荐系统功能，重点放在个性化、灵活控制及透明性功能上。
  3. 数据分析: 基于布朗与克拉克的主题分析法，对研究中收集的访谈和设计数据进行逐步归纳和分类。

研究成果

• 主要成果:

  1. 三类听歌模式: 用户在背景音乐模式（Background）、策展模式（Curation）和发现模式（Discovery）三类听歌场景中有不同的需求和体验。
  2. "氛围"（vibe）概念: 被提出为评估推荐内容是否与用户当前情境和内心感受相匹配的关键标准；"氛围"作为用户评价音乐推荐的核心指标，填补了以往过于注重冷硬技术指标的问题。
  3. 用户需求的张力: 用户渴望更多的个性化控制（如通过"滑块"调整风格、多样性等），但也希望减少日常交互压力（如常规的Lean-back模式）。

• 实验与评估:

  • 大多数用户希望从个性化推荐中获得更多控制权，不仅对于内容的多样性，还包括推荐算法本身操作和表现形式（如透明度或虚拟形象）。
  • 用户设计中提出将"透明控制"（如推荐来源的可见性）与"娱乐互动"（如定制化虚拟推荐者外观）结合的创新解决方案。

• 与现有解决方案的比较:

  • 当前的音乐流媒体服务显著缺乏用户控制机制。此研究不仅强调控制权，还引入"氛围"和"记忆唤起"（mnemonics）作为设计推荐算法的关键影响因子。

• 局限性与未来方向:

  1. 研究样本: 由于研究样本较小（15人），且集中于年轻用户，难以全面覆盖其他人口群体的多样需求。
  2. 未来工作:
     • 探讨音乐兴趣、年龄及听歌频率等变量对交互模式偏好的影响。
     • 扩展不同平台的比较研究。
     • 研究设计师的视角，探索如何以用户反馈为导向优化推荐算法。

总结

这项研究强调了音乐流媒体中"个性化"与"用户控制"之间的核心矛盾，显示用户期望平台能结合其情绪、语境和意图提供更灵活与透明的算法推荐。进一步，"氛围"提供了传统算法指标外的全新思路，呼吁研究界与行业在未来开发更具用户中心化、个性化的音乐推荐体验。