top of page

Shazam als Muziek-aanbevelingssysteem: Een Analyse

 

Er zijn dus meerdere en verschillende soorten muziek-aanbevelingssystemen. Shazam gebruikt verschillende manieren om aanbevelingen te doen. Ten eerste zijn er de aanbevelingen die in beeld komen nadat de knop is ingedrukt en ten tweede zijn er de aanbevelingen die worden gedaan via de news feed in samenwerking met Facebook.

           

Bij het opzoeken van een muzieknummer op Shazam verschijnen er een aantal dingen in beeld, zoals: titel en artiest, de optie om het gratis af te spelen of te beluisteren via de muziekdiensten Rdio of Spotify, een biografie en discografie, advertenties, een videoclip, aankomende concerten van de artiest, een optie om het te delen en twintig aanbevolen muzieknummers. Het zijn allemaal aanbevelingen die opties geven om iets met het getagde nummer te doen. Een deel hiervan komt uit de database van Shazam, zoals de titel en artiest. Daarnaast is een deel afkomstig van externe partijen waar Shazam mee samenwerkt, zoals de links naar Rdio en Spotify en advertenties. Op de samenstelling van de lijst van twintig aanbevolen muzieknummers ligt onze focus. Deze lijst wordt samengesteld op basis van een aantal kenmerken en via een bepaald algoritme. Zo maakt Shazam gebruik van high level kenmerken, zoals muzieknummers die in hetzelfde genre vallen als het getagde nummer en het gebruik van dezelfde instrumenten. Daarnaast maken ze gebruik van low level akoestische kenmerken, zoals ritme en toonhoogte (Song 396).  Verder maken ze gebruik van de voorkeuren en het luistergedrag van de gebruiker. Hoe meer muzieknummers een gebruiker dus tagt, des te beter de aanbevelingen die Shazam doet zouden moeten zijn. De uitkomst van lijst van aanbevelingen verschilt uiteraard per getagd muzieknummer. Bij nader onderzoek blijkt een getagd nummer van de Beatles een aantal opties te geven. Deze opties bevatten nummers uit dezelfde tijd en hetzelfde genre. Daarentegen blijft de lijst met aanbevelingen bij een Nederlands musicalnummer uit Soldaat van Oranje echter leeg. Uit deze analyse kunnen wij concluderen dat Shazam een aanbevelingssysteem is dat voornamelijk gebaseerd is op content. De app beveelt muziek aan die past bij het genre van het opgezochte nummer en houdt hierbij rekening met de eerder getagde muzieknummers. Dit zou gezien kunnen worden als likes.

 

 

De tweede aanbevelingsoptie waar Shazam gebruik van maakt, is de news feed. Content en activiteiten worden bewaard en getoond op de news feed van Shazam. Ook activiteiten van andere gebruikers kunnen hier worden bekeken. Het is een andere manier om aanbevelingen te vinden. Gebruikers kunnen op de news feed zien wat hun vrienden luisteren en taggen, waardoor ze nieuwe artiesten kunnen vinden. Daarnaast zijn er onder het tabblad ‘nieuws’ in de app nog meer aanbevelingen te vinden. Elke week wordt hier de Nederlandse top 100 geplaatst. Er wordt hierbij duidelijk alleen gebruikgemaakt van de locatie van de gebruiker in plaats van specifieke voorkeuren. Er zijn dus verschillende manieren voor gebruikers om nieuwe muziek en artiesten te ontdekken.

Printscreen: Getagde nummer Shazam op Android

Literatuur

 

Song, Yading en Simon Dixon en Marcus Pearce. “A Survey of Music Recommendation Systems and FuturePerspectives.” 9th International Symposium on Computer Music Modelling and Retrieval CMMR 2012): 395-410.

bottom of page