Spotify作為全球最大的正版流媒體音樂服務平台之一，在產品發展過程中，最深得用戶喜愛的大多歸功於其音樂推薦系統，每次都能讓用戶聽到自己喜歡的歌曲。那麼Spotify是如何做到如何了解用戶的？今天我就用超級產品戰略方法論為大家進行分析。
對於Spotify的用戶來說，每周收到Spotify的Discover Weekly早已成為習慣，這其中包括了30首不同風格，但用戶卻從未聽過的歌曲，神奇的是每一首歌曲都能夠讓用戶感到滿意。
「Spotify是我最喜歡的音樂應用軟體，尤其是Discover Weekly，我覺得它是那麼的了解我，比任何人都了解我的音樂品味，每周推薦的音樂都讓我十分滿意，我甚至感覺不到它的存在，卻又覺得它無處不在。」這是一位Spotify的忠實用戶所說的話。
根據數據顯示，大部分Spotify的用戶都沉迷於 Discover Weekly，它有著大量的粉絲，甚至Spotify一位這個功能太過於受歡迎而重新思考企業的商業模式，投入大量資源目的就是為了讓每周推薦更加精準。
從2015年Spotify推出 Discover Weekly後，使用Spotify的用戶數量與日俱增。那麼 Spotify是如何向每位用戶精準地推薦那30首音樂的？
在這之前，我們可以將Spotify和其他音樂公司進行對比。
說到推薦音樂的功能，大家肯定都不陌生，早在2000年，Songza這家企業就開始做起了音樂推薦，不過那時是通過人工篩選歌曲推薦給用戶，Songza也會邀請業內人士製作歌單。然而，無法避免的是那些業內人士在選擇歌單時都會偏向於自己的音樂品味，並不是以用戶的音樂品味進行選擇的。
隨著時間的推移，前者已經做出了錯誤的示範，後者則是進行改進，身為音樂推薦領域的早期企業 Pandora ，它根據用戶關鍵詞來描述每一首歌，將這些歌曲打上對應的標籤，隨後通過代碼篩選歌曲，讓相似的音樂組成一組歌單推薦給用戶。
就在這時，來自麻省理工媒體實驗室的一家音樂企業The Echo Next誕生了。
它的出現顛覆了整個音樂推薦領域，將滿足用戶個性化需求邁進一大步。利用算法來分析歌曲的文本和旋律，識別音樂、個性化推薦、創建歌單以及分析音樂。將用戶可能喜歡的歌曲進行篩選。
綜上所述，我們會發現這些音樂軟體的推薦功能，越來越完善，那麼Spotify是如何構建自己的音樂推薦系統，並脫穎而出的？
其實，Spotify並不是只採用了一種音樂推薦的方法，它結合了其他音樂軟體的推薦模式造就了自己獨一無二的推薦系統。
在Discover Weekly背後的三大超級產品戰略方法論：
1）分析用戶，挖掘用戶需求
2）處理音樂源文件和聲道
3）自然語言處理，分析文本
分析用戶行為，挖掘用戶需求的靈感取決於Spotify的競爭對手Netflix，這是第一家運用協同過濾技術來搭建音樂推薦系統的企業，它們採用評分制度來了解用戶，便於企業推薦給用戶和他們喜好相似的內容。
自從這家企業獲得成功後，幾乎所有應用軟體都採用了這項技術。
和Netflix不同的是，Spotify並沒有採取評分制，而是進行隱性反饋對用戶進行分析，舉個例子，在用戶聽完一首歌時，Spotify會提示是否需要將它收藏起來，或者用戶在聽完一首歌后是否有瀏覽該歌手的主頁。
通過這些分析對用戶的喜好進行判斷，假設A和C兩位不同的用戶，他們喜歡的五首歌曲中，有三首的相同的，那麼他們很有可能是品味相似的用戶，因此，他們會有很大的幾率喜歡對方喜歡，自己卻沒聽過的歌曲。
於是，將A喜歡的歌曲，但C卻沒聽過的歌曲推薦給C，將C喜歡的歌曲，A沒聽過的歌曲推薦給A。
通過上述分析，我們會發現Spotify的超級產品戰略所做的只是滿足了最基礎的用戶需求，滿足了用戶的好奇心，同時發現了音樂之間的相似性，為用戶推薦和他們歷史記錄中相似的音樂，讓他們聽到想聽的音樂。