互联网产品 7.0 版本的意义,听网易云音乐的回答

0 评论 4282 浏览 16 收藏 16 分钟

7.0对于入口级的中文互联网产品来说,是一个重要节点。它是这个产品过往内功的集中体现,又是下一个世代这个领域产品大趋势的折射。这一次,网易云音乐给出了答案。

当大家还在社交媒体上发布和谈论2019年「在网易云音乐听了多少首歌」,「年度歌手是谁」时,网易云音乐在2020年开年更新了它的7.0版本。

7.0对于入口级的中文互联网产品来说,是一个重要节点。它是这个产品过往内功的集中体现,又是下一个世代这个领域产品大趋势的折射。

比如手淘的7.0版本,最大的改变是商品详情新增精选短视频合集、店铺首页和全部宝贝中看宝贝都支持短视频。这个版本更新发生在2017年,但显然,这是电商平台接近线下购物体感的一次预告。

5G时代,我们在淘宝发现商品更多以短视频和直播呈现,当我们发现短视频的时候,就是在发现商品。

微信的7.0版本界面变得更扁平,公众号文章的点赞变成了「好看」又变成了「在看」,短视频在各种维度嵌入微信。一开始用户吐槽不习惯,久而久之也就「真香」。

再比如应用宝的7.0版本,从应用分发转变到了「内容+服务」的分发,这个转变的大背景是移动互联网红利走到尽头,应用分发被重构。

从电商、社交到应用的入口,7.0的版本都意味着新的内容环境与产品环境。音乐也不例外。

在音乐大盘逐渐交到95后手上时,网易云音乐7.0版本的问世,在很大程度上体现了音乐发现效率的一次迭代,用户体验的再次升级,长尾音乐价值的充分释放。

一、网易云音乐7.0新增了哪些功能?

关于这次网易云音乐的改版,有不少彩蛋,用户可以自己去开掘。在这里我想先着重谈一谈此次改动对音乐发现效率来说意味着什么。

网易云音乐的发现主动权向来是给用户的,除了首页banner是重运营以外,其他全是产品和数据驱动,不同的用户的主页就有不同的「贝多芬」

在此前的版本里面,发现的功能主要由「每日推荐」以及「歌单」、「推荐歌单」来完成。网易云音乐的个性化推荐的确很精准,这已经是一个大面积共识,很多人甚至认为这比「男/女朋友还懂我」。推荐越准,也就意味着音乐曲库被激活的可能性越大。

不过,对于Z世代用户来说,需要的是一个泛娱乐乐园,比如迪士尼。一个好的年轻化的产品,都是一座线上迪士尼乐园。

图:首页首屏界面iOS版(左)和安卓版(右)

网易云音乐7.0增加了更多用户发现音乐的通道,比如「风格推荐」、「场景歌单」、「云村精选」、「大家都在听」等个性化音乐推荐板块。对于不满足每日推荐和推荐歌单的用户来说,音乐探索的入口更多了,游乐园的粘性更强了。

下面我想从一个网易云音乐重度用户的角度来看,这几个板块带来的变化。风格推荐,顾名思义,是根据用户听以往的听歌风格或歌手风格来推荐单曲,比如民谣、摇滚、电音。

事实上,没有这个功能之前,我也会去刻意搜索喜欢的民谣和摇滚音乐,通过关键词或者歌单库,这个过程稍显繁琐,且准确性不稳定。现在,我的发现首页,自动就有了「欢迎进入欧美圈」,再刷新依次出现了「相似艺人,根据纵贯线推荐」、「根据IF I Stay推荐」。

场景推荐则是考虑用户所在场景,针对性地推荐契合的官方歌单,场景涵盖的意义很多,比如通勤路上,比如睡前。

此刻一边写稿一边听歌的我刷新了两把,网易云音乐给我推了「Coffee Tea or Cola」、还有「 窝沙发 躺着听 你随意」。瞬间我觉得面前「这只网易云音乐」,是一个很懂我的AI。

云村精选是把云村社区的优质Mlog聚合推荐至首页,让音乐不只能听还能看。细心的用户可能已经发现了,在「账户」这个Tab,创作者中心的位置提前,而Mlog也已经被置于其中。

我在之前的文章里谈到过,现在的用户擅于在信息海洋中找到自己兴趣点,会涉足各种领域,探索个性化的发展,以达成自我塑造。互联网让人际关系网络更加广泛,而复杂资讯和海量数据也在某种程度上抬高了尝试门槛,基于此,他们更渴望获得「优质的」内容。

云村围绕音乐展开的兴趣圈子,是典型的弱社交关系链,趋同的兴趣内容为引子,实现对强社交关系的转移,将社交压力减缓到一个适中的度。比如,我就可以在「云村精选」发现同样喜欢听王菲的村民。

「大家都在听」则基于地理位置、年龄、星座、天气状况、特殊节日等维度推荐场景单曲。比如,我现在看到的是「90后都在听」,这几首不是我特别喜欢的歌曲,但我也挺想看看其他90后在听什么歌。

除了发现这个Tab的板块新增外,「我的」这个页面也有不少变化。一方面是UI调整,另一个则是新增了歌单小助手功能。这个功能像是一个筛选漏斗,使用这个功能,你可以在喜欢的所有歌单中轻松找到想要的音乐。

歌单小助手提供歌单、曲风、语种、歌曲年代、歌手、冷门程度、场景、收藏时间等维度,通过在这些维度里做选择题,就快速筛选出歌单中中意的好歌,比如我就可以找出「最近收藏的磁性民谣男声」、「适合夜晚听的华语女声佳曲」等。

可以看出来,7.0版本是网易云音乐突破自我束缚的又一次尝试。这一代年轻人在网络上的行为有着明显的「松圈主义」倾向,即爱好多元,又不受拘束,在「用完即走」和「深度使用」上自如切换。

网易云音乐7.0版本升级,其本质逻辑在于专注做音乐推荐,提升用户发现音乐的效率,崇尚简洁的用户可以快速发现,爱好探索的用户则又能深度沉浸。

二、为什么总是网易云音乐在「带节奏」?

那么问题来了,从歌单、乐评到现在的场景化推荐和分发,为什么总是网易云音乐在带行业的节奏?

一个产品哲学在于「改变用户而非迎合用户」。

一个事实是,即将满7岁的网易云音乐,完成了中国音乐用户习惯的一个进阶培养。

在网易云音乐做歌单之前,歌单的需求被视作长尾需求而非主流需求,但现在我们也看到了,网易云音乐不仅完成了自身产品广泛的用户歌单系统的培育,而且现在整个互联网世界音乐用户,大多数都习惯了通过歌单来云同步和管理自己的歌单,而不是曾经的用专辑、歌手分类或者排行榜这样的工具方式。

7.0版本很大的一个变化就在于丰富了歌单的维度,从风格到场景,更具个性化。「云」这样的数据理性,辅佐以场景这样的情绪感性,让音乐分发更为精准,长尾音乐价值得到释放。

此前,网易云音乐副总裁丁博谈及大数据对音乐产品模式的改变——让「人找歌」变成「歌找人」。曾经我们靠「撞大运式」一首首搜索寻找歌曲,效率很低。网易云音乐彻底改变了这种传统的模式,打造了歌单、乐评、动态、云村社区等等创新功能,用数据和算法让好歌曲通过更多方式精准地“找到人”。

此外,用大数据挖掘潜力歌曲,可以激活沉睡曲库,释放长尾音乐价值。网易云音乐形成了一套行之有效的推歌模型,通过歌单、乐评、动态、云村社区等个性化方式精准地将内容推动给用户,一方面不断推火新人和新歌,另一方面激活了沉睡曲库,释放了大量长尾歌曲的价值。

长尾理论最初是由《连线》杂志的总编辑克里斯·安德森于2004 年发表,用来描述诸如亚马逊、Netflix之类的平台之商业和经济模式,是指那些原来不受到重视的销量小但种类多的产品或服务由于总量巨大,累积起来的总收益超过主流产品的现象。

用户端音乐发现的效率提升,对应的就是音乐人的音乐分发效率提升。丁博举了个「房东的猫」的例子,三四年前她们的歌迷还很少,是标准的长尾音乐人,需要靠众筹才能推出自己的首张专辑。如今,房东的猫在网易云音乐已有249万粉丝,被称作是国内第一民谣女组合。在评论区,不少用户留言是通过网易云音乐的每日推荐听到房东的猫,随后变成房东的猫的粉丝。

丁博说,要利用大数据做好分众内容服务,不过重视数据并不意味着迷信数据,尽信「数」不如无「数」。拓展音乐品味、提高音乐审美,这些工作不能仅仅依靠数据完成。所以,网易云音乐就在个性化推荐的基础上也加入人工推荐的机制,让数据服务于内容,让好的、优质的内容拥有更好的数据表现。

三、云村的建设说到底还是要站在用户这边

如大家所见,用户喜欢把网易云音乐称之为云村。网易云音乐7.0出炉,意味着云村又做了一番改造,而改造的核心,就是站在用户这边。

云村用户以兴趣和价值聚合,针对音乐内容从事生产、消费、社交活动,这其实也是一种文化实践与连接,构建的是一种参与式文化空间。空间以音乐社交为核心属性,人、内容、互动分别是参与式文化空间中的三个要素,三者紧密相关。

人,是音乐社交的主体,既包括用户也包括音乐人。内容,是音乐社交的载体。这种参与式文化空间的构造,是社区化音乐平台区别于工具化音乐平台的本质。

这一点,和哔哩哔哩很像,如大家所见,用户喜欢把B站称之为小破站。早在2016年,知乎上就有一个问题叫做「为什么哔哩哔哩和网易云音乐能培养出死忠粉?」。截至目前,回答有674个,很多回答都提到了同一个关键词是「尊重用户」。

于产品而言,要让95后、00后有更多的主人翁意识、心态与归属感。网易云音乐和B站,区别于其他平台一个特质就是其「参与式文化空间」

在云村这个空间里,音乐消费者和生产者的身份边界日益模糊,用户既可以是创作者,也可以是听众和观众,既可以是音乐文本的评论者,也可以是音乐文本的改造者。而这个空间高效运转的基石,就在于音乐发现效率的不断提升。

苏轼有句话叫「博观而约取,厚积而薄发」,这用来形容网易云音乐的迭代也很恰当。无数的用户数据累计和需求洞察,最后反馈到精简扼要的产品组件上。

#专栏作家#

吴怼怼,微信公众号:吴怼怼(esnql520),前澎湃新闻记者,人人都是产品经理2017年度作者,新榜2018年度商业观察者,资深媒体人,专注互联网内容、品牌与公关领域个性解读。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
3人打赏
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!