Spotify съкращава персонала, за да премине по-бързо към AI – и Wall Street го харесва
Spotify си направи име в бизнеса с аудио стрийминг чрез своето свръхперсонализирано потребителско изживяване, благодарение на изкуствения интелект и екип от 9800 служители в края на 2022 г.
Но след три кръга съкращения за една година: 590 позиции през януари, 200 през юни и още 1500 тази седмица, инвестициите на Spotify в AI за увеличаване на маржовете за отделите за подкастинг и аудиокниги изглеждат като цялостно преразглеждане на стратегията, в която Уолстрийт изглежда уверен може да работи.
„Spotify използва AI в цялата си платформа, пускайки AI DJ, симулиращ традиционно радио изживяване, на 50 допълнителни пазара и пуска AI Voice Translation за подкасти“, каза Джъстин Патерсън, анализатор на капиталовите изследвания в KeyBanc Capital Пазари, в изследователска бележка. „В съчетание с аудиокнигите, които се разпространяват за Premium абонати, ние вярваме, че Spotify има няколко възможности за стимулиране на ангажираността и евентуално по-силна монетизация.“
Акциите на компанията-майка Spotify Technology SA са нараснали с над 30% през последните шест месеца и над 135% до момента.
Компанията се присъединява към други технологични фирми в съкращенията, тъй като търсенето от епохата на пандемията е намаляло. Освен това трябва да компенсира повече от 1 милиард долара, които е похарчил за подкастинг, голяма част от които са отишли за сделки със знаменитости за създаване на подкасти, които никога не са се материализирали, и придобиване на подкаст студиа, които по-късно затвори.
„Икономическият растеж се забави драстично и капиталът поскъпна. Spotify не е изключение от тези реалности“, пише Ек в писмо до персонала, публикувано на уебсайта на компанията.
Скачане във влака със сос AI
През ноември Spotify разкри партньорство с Google Cloud за преразглеждане на начина, по който платформата препоръчва аудиокниги и подкасти чрез използването на един от езиковите модели на Google Cloud, Vertex AI Search.
Големите езикови модели като ChatGPT са компютърни програми, обучени на големи набори от данни, които могат да рецитират човешки текст и информация обратно на потребителите въз основа на това, което програмата „знае“.
Spotify представи „AI DJ“ през февруари и започна да използва инструмента за гласов превод „Whisper“ на OpenAI, за да превежда избрани епизоди от английски подкасти на испански, френски и немски.
Представител на Spotify каза в имейл до CNN, че компанията планира да разшири технологията в бъдеще в очакване на обратна връзка от създателя и публиката. Те също така посочиха някои коментари, направени от Ek по време на разговора за приходите на компанията за третото тримесечие, където думата „ефективност“ беше използвана повече от 20 пъти.
„Основният начин, по който трябва да мислите за тези (AI) инициативи, (е, че създава) по-голяма ангажираност и тази по-голяма ангажираност означава, че намаляваме оттока“, каза той по време на поканата за приходите на Spotify през октомври. „По-голямата ангажираност също означава, че произвеждаме повече стойност за потребителите. И това съотношение стойност/цена е това, което след това ни позволява да повишим цените както направихме през изминалото тримесечие с голям успех.“
В изследователска бележка Дъглас Анмут, управляващ директор и интернет анализатор в JP Morgan, каза, че заедно с инвестициите в реклами от артисти, инвестициите в подкасти имат потенциала да стимулират ангажираността в дългосрочен план.
И така, как работи персонализирането?
Spotify е хиперперсонализирал своя опит за потребителите от около десетилетие. Той успя да добави това лично докосване, след като придоби фирмата за музикален анализ The Echo Nest Corp през 2014 г., за да комбинира машинно обучение и обработка на естествен език.
Технологията на Spotify изгражда база данни от песни и изпълнители чрез разпознаване на музикални висони и темпове и свързване на произведенията на артисти в споделен културен контекст.
Метаданни като дата на пускане и показатели като сила на звука, продължителност и колко вероятно е дадена песен да накара някой да танцува също влизат в определянето кои песни отговарят на вкуса на потребителя.
От тук се раждат плейлисти като „Daily Mix“ и „Discover Weekly“. Така наречените Time Capsules и плейлистите „On Repeat“ събират най-слушаните песни от потребителя, за да държат потребителите пристрастени към това, което вече слушат, или да преразгледат песни, които не са слушали от известно време.
В имейл до CNN Анил Джейн, глобален управляващ директор на стратегическите потребителски индустрии в Google Cloud, каза, че неговото Vertex AI Search позволява на медийните и развлекателните компании да изграждат възможности за откриване на съдържание във видео, аудио, изображения и текст. Джейн не коментира подробности по сделката със Spotify.
Vertex AI Search отчита набор от фактори, когато препоръчва съдържание за потребителите, като потребителско поведение в реално време, сходство на съдържанието и съдържание, свързано с това, което потребителите търсят.
Предизвикателства и възможности
Рийс Хейдън, старши анализатор в ABI Research, изрази увереност, че големите езикови модели (LLM) могат да работят за увеличаване на ангажираността в платформата на Spotify.
„Големите езикови модели могат да подобрят персонализирането, да подобрят препоръките и да гарантират, че препоръките отразяват в по-голяма степен интересите на потребителите, като разбират целия текст/видео, вместо да използват ключови думи/метаданни“, каза той в имейл до CNN.
Той добави, че за разлика от зависещите от ключова дума/метаданни „основни прогнозни модели“, LLM могат да разберат и интерпретират подкасти, за да видят дали отговарят на потребителските интереси и могат да придобият по-задълбочено разбиране на потребителските предпочитания, като анализират всички потребителски данни, за да определят техните предпочитания.
Но това си има цена.
„Използването на LLM за разбиране на всички подкасти/аудиокниги изисква много ресурси и може да добави ограничена стойност в сравнение с основните модели за прогнозиране … LLM носят допълнителни предизвикателства за поверителност на данните и разходи/ресурси, които ще бъдат значителни“, каза той.
Той изрази вяра в Whisper да помогне за превода на подкасти, но признатите грешки могат да бъдат направени под формата на сбъркани изречения или фрази, докато генеративният AI се учи.
„Като се има предвид наличието на точки от данни, моделите за превод на различни езици като Whisper бързо ще се подобрят, осигурявайки висока степен на точност“, каза той. „Недостатъкът на шепота е, че основната му компетентност е превод от други езици на английски... Повечето подкасти се записват на английски и следователно не могат да се прилагат ефективно навсякъде.“
