Spotify меняет один из своих самых заметных алгоритмических продуктов: еженедельный Release Radar Spotify теперь можно не просто слушать, а подстраивать под себя. У пользователей появятся до пяти опций тонкой настройки плейлиста, и это важный сигнал не только для слушателей, но и для всех, кто строит продукты на рекомендациях: эпоха «алгоритм сам лучше знает» понемногу дает трещину.
О нововведении сообщает The Verge: Spotify начала разворачивать новые элементы управления для Release Radar в мобильных и десктопных приложениях. Речь идет об одном из самых популярных еженедельных плейлистов сервиса, который собирает свежие релизы на основе музыкальных предпочтений пользователя. Теперь поверх этой логики появится ручная корректировка: можно, например, сузить выдачу до конкретного жанра, сделать акцент на незнакомых исполнителях или выбрать редакторскую селекцию.
По описанию Spotify, пользователю будут доступны до пяти вариантов настройки. Среди примеров, которые называет компания, есть Discover new artists, Editors’ picks и Pop. То есть сервис не отказывается от персонализации, а добавляет к ней слой управляемости. В переводе с продуктового на человеческий это выглядит так: если раньше алгоритм приносил «что-то новое, что должно вам понравиться», то теперь слушателю дают возможность уточнить, какое именно новое ему нужно на этой неделе.
На этом изменение не заканчивается. Spotify также заявила, что подкрутила сам алгоритм Release Radar, чтобы выдавать «более персонализированные рекомендации», а заодно обновила визуальную часть плейлиста: обложку и оформление шапки. Формально это косметика, но в цифровых продуктах такие детали редко идут отдельно от более крупного обновления. Когда сервис меняет и механику, и упаковку одновременно, он обычно хочет, чтобы пользователь заметил: продукт не просто жив, а переосмысляется.
От чистого алгоритма к управляемой персонализации
Для Spotify это не единичный жест, а продолжение линии, которую компания ведет в последние месяцы. The Verge напоминает, что сервис уже запускал рекомендации новых релизов, отобранные редакцией. Тогда это выглядело почти как осторожная уступка слушателям, уставшим жить под диктовку бесконечных систем ранжирования. Теперь та же идея пришла и в Release Radar: машинная логика остается в центре, но рядом с ней появляется ручка управления.
Это хороший маркер для всей индустрии рекомендаций. Последние годы крупные платформы продавали пользователю удобную мысль: «ничего не выбирайте, мы сами соберем вам ленту, плейлист, каталог, карьерный трек и, если повезет, даже круг общения». На практике выяснилось, что полностью автоматическая персонализация часто производит странный побочный эффект: пользователь вроде бы получает релевантный контент, но все хуже понимает, почему именно ему показывают именно это. А как только исчезает ощущение контроля, падает и доверие к продукту.
Release Radar Spotify в этом смысле удобный полигон. Это не главная домашняя страница сервиса, где любое резкое вмешательство может сломать привычный сценарий, а регулярный плейлист с понятным ритуалом использования. Раз в неделю пользователь приходит за новыми треками, и тут ему предлагают не перепридумать опыт целиком, а чуть точнее задать рамку: хочу поп, хочу новых артистов, хочу отбор редакции. Маленькая настройка, но именно такие маленькие настройки часто оказываются сильнее, чем очередная «магия AI» без переключателей.
Для российских продактов, разработчиков рекомендательных систем и CPO здесь есть довольно практичный урок. Если продукт уже умеет хорошо предсказывать интерес, следующий шаг не обязательно в том, чтобы сделать модель еще менее объяснимой и еще более самостоятельной. Иногда рост удержания и удовлетворенности приходит с другой стороны: дать пользователю несколько простых и понятных рычагов, не превращая интерфейс в кабину самолета. Не полный отказ от алгоритма, а аккуратная схема human in the loop для массового B2C-сервиса.
Что это меняет для бизнеса и платформ
У такой модели есть и вполне прикладной бизнес-смысл. Во-первых, она помогает переупаковать уже знакомую механику без запуска отдельного продукта: тот же Release Radar получает новый повод для возвращения аудитории. Во-вторых, фильтры работают как сборщик намерений. Когда пользователь сам выбирает «новых артистов» или, наоборот, конкретный жанр, платформа получает не только implicit-сигналы из прослушиваний, но и прямое указание контекста. Для любой рекомендательной системы это подарок: меньше гаданий, больше данных о том, чего человек хочет именно сейчас, а не в среднем за последние полгода.
Есть и третья причина, почему за этим ходом стоит следить. Гибрид редакторской и алгоритмической логики становится для платформ все более удобным компромиссом. Алгоритм дает масштаб и персонализацию, редакция добавляет чувство вкуса и избавляет продукт от ощущения конвейера, а пользовательские фильтры возвращают контроль. Вместе это выглядит не так эффектно, как громкие обещания «идеальной рекомендационной модели», зато обычно работает лучше в реальном интерфейсе, где людям важен не только результат, но и ощущение, что они участвуют в выборе.
На уровне отрасли шаг Spotify читается довольно ясно: крупные сервисы больше не спешат прятать механику рекомендаций за черным ящиком. Они начинают понемногу открывать крышку и выдавать пользователю минимум инструментов влияния. Вопрос теперь не в том, откажутся ли платформы от алгоритмов, а в том, сколько контроля они готовы вернуть человеку, чтобы персонализация перестала ощущаться как навязанная забота и снова стала полезным сервисом.