网易云音乐APP分析（从产品设计流程的角度）
以下为《网易云音乐APP分析（从产品设计流程的角度）》的无排版文字预览，完整内容请下载
”网易云音乐”APP分析（从产品设计流程的角度）
1. 产品定位
网易云音乐的定位是“移动音乐社区”，并以歌单为核心的组织方式强化用户UGC（用户原创内容）社交属性。个性化推荐让用户找到合适的音乐并分享，让用户不在孤单。
2. 目标用户
1）消费者：
年龄：年轻用户。
喜好音乐程度：中等偏上。
2）音乐生产者：
原创音乐作者，业余音乐作者等。
/
3. 满足需求
1）听音乐
快速切换音乐，快速显示歌词
可以查看某一音乐详情
可以听相似的音乐
创建私人歌单
从其他媒体导入音乐
正版音乐购买
找音乐
定制化歌单某某
私人fm，并支持每日歌曲推荐
支持排行榜找音乐
音乐社交
支持查看附近的人的听的音乐，发现志同道合的人
支持加好友，听好友歌单
支持对音乐、歌单的评论、分享
4. 核心功能
/
5. 个性化推荐
云音乐个性化推荐功能：私人FM+每日歌曲推荐+推荐歌单
云音乐面向的用户群体并不局限于高端且年轻化的人，不排斥其他特性的用户使用云音乐，从而扩大市场。
需求：
个性化推荐使得云音乐曲某某中的长尾音乐得以曝光，盘活了整个产品曲某某，也为用户减少了选择成本，成为最懂Ta的音乐产品。
算法：
协同过滤在音乐产品应用上分为两类，一类是Base用户，一类则是Base音乐本身。
Base用户：
如果用户A和用户B相似性高，那么用户A喜欢的很可能用户B也喜欢。
举个栗子，用户A喜欢听周杰伦的《告白气球》、薛之谦的《演员》、赵雷的《XX》，而用户B喜欢薛之谦的《演员》、周杰伦的《告白气球》、李荣浩的《模特》。
那么由于两个用户音乐口味相近，就可以将《XX》推荐给用户B，将《模特》推荐给用户A。
Base音乐：
根据音乐众多因子（节奏、感情基调、歌词、歌手等）判别不同音乐之间的相似性，如果用户喜欢一首歌，则将这首歌相似性较高的音乐推荐给他。
功能：
私人FM基于个性化推荐算法，为用户推荐符合其口味的歌曲，由“删除、喜欢、下一首”来判断用户对推荐结果的喜好程度。
云音乐给出的官方功能介绍“根据你的音乐口味生成，媒体6：00更新”，说明每日推荐歌曲是根据近期听歌习惯每24小时生成一次的。
将UGC歌单进行分类打上标签（欧美、日韩、轻音乐、影视原声等），再把用户听歌习惯进行分析获得三个最倾向的标签类型，用户可点击自己所属标签快速获得UGC歌单。
综述：由于推荐算法存在较多缺陷，需要靠多元化的个性化推荐功能来弥补，云音乐用私人FM+每日歌曲推荐+推荐歌单的功能组合在一定程度上解决了不同用户对于个性化推荐的不同需求。因为音乐是无法精准定性的文化产物，一个人可能喜欢这首歌的歌词，另一个人却只是喜欢这首歌的曲调。所以音乐的个性化推荐算法优化仍有待提高。
私人FM还能给用户带来惊喜感，由于完全没有进行选择歌曲的操作，系统推送出一首很久之前听过却再也找不到的歌的时候，你会有惊喜的感觉，觉得云音乐很懂自己——能激发用户情绪的产品更能获得用户芳心。
而UGC歌单是云音乐个性化推荐和社交的复合物，它是云音乐曲某某利用率高达80%的重要因素之一，创建属于自己的歌单不仅能获得关注，还能展现自己独有的音乐品味，获得成就感和装逼的感觉。是云音乐口碑较好的功能之一。
6. 音乐社区（分享）
需求：
社交需求一直是市场上永恒的需求，社交形式有很多，像基于熟人社交的QQ、微信，基于KOL社交的微博，基于陌生人社交的陌陌、探探，还有基于垂直领域的社交如赤兔、豆瓣等，如何结合自身根据用户切入社交市场形成用户沉淀就显得尤为重要。
云音乐以音乐为兴趣基点加入了社交元素，有别于其他音乐产品，云音乐的社交做得 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 的歌单、歌手、DJ节目等形成一个匹配系统，在“朋友”页面根据匹配程度给用户推荐朋友；歌单的收藏者页面，可以查看用户之间的匹配度
13. 讨论
关于个性化推荐目前还存在哪些问题？
1.面对新用户如何快速获知用户兴趣所在？（冷启动问题）
根据跨平台数据整合，提前获知用户阅读偏好、购物偏好和观影偏好等从而预测用户的音乐口味。
2.如何判别用户当下状态有选择的推送音乐？（伤心的时候别听慢歌、睡前别听快歌）
根据时间、GPS定位获知用户当下状态进行推送。
3.如何避免特殊情况下音乐加入用户口味的判别数据库？（跑步不得不放快歌、读书不得不放轻音乐）
设计一个隔离模式，一切操作不影响系统对用户的口味判别。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]
以上为《网易云音乐APP分析（从产品设计流程的角度）》的无排版文字预览，完整内容请下载
网易云音乐APP分析（从产品设计流程的角度）由用户“coffeelovesnow”分享发布，转载请注明出处