Spotify内测"花钱推歌"功能，能真正帮到音乐人吗？
11月2日，Spotify宣布将推出新功能"发现模式"（Discovery Mode）。借助该功能，音乐人和唱片公司可以标注出对他们而言具备优先级的作品，这些标注将被计入Spotify的算法系统，这些作品将更有可能被优先推荐给特定用户。
值得注意的是，"发现模式"是一项对音乐人和唱片公司有偿推广的功能，也就是说，该功能本质上就是让版权持有者花钱为自己的作品买推广。
目前，"发现模式"还处于试验阶段，Spotify没有明确表明该功能何时将成为艺术家和唱片公司可使用的永久性工具。Spotify产品营销负责人Lamb表示，公司会先进行小规模试点，并通过分析数据进行谨慎的决策。
对于这项新功能，很多与音乐行业相关的个人与组织纷纷对该功能表示反对，认为这种方式会破坏算法的公平性，让缺乏预算的底层音乐人更加没有走红的可能。
作为国际音乐流媒体巨头，Spotify这两年在广告业务上动作频频，此次又推出"花钱推歌"新功能，是出于怎样的考虑？这一功能对版权持有者们来说，到底是好是坏？
一种更民主和公平的"花钱推歌"方式
据Spotify在博中透露，为确保艺术家在其职业生涯的任何阶段都可以使用"发现模式"，该功能不需要任何前期预算。取而代之，当艺术家/唱片公司选择使用"发现模式"来优先推荐歌曲时，他们将默认同意该歌曲在这些个性化播放中以较低的录制版权费率授权。
Spotify产品营销负责人Lamb表示，这样的收费方式可以消除该功能的使用门槛，使之变得更加"易于使用，民主和公平"。所以，音乐人即使现在没钱，也可以使用"发现模式"功能，因为平台方挣的是你的歌被播放之后产生的收益。
作为一项处于试验阶段的功能，"发现模式"将仅被用在Spotify的Autoplay（自动播放歌曲）和Radio（电台）这两个板块中。
Autoplay选项被打开后，不论你刚播完专辑还是歌单，它都会自动往后播放算法推荐给你的歌曲，让你的耳边一直有音乐。
和Autoplay相似，Radio也可以"傻瓜式"地帮你发现新歌曲。在Spotify中，不论是单曲、专辑、歌手、歌单，你都可以对它们创建电台，系统就会根据创建的来源，自动生成一堆相似风格的歌曲。
Spotify称，之所以先用这两个板块当做"发现模式"的试验田，是因为喜欢使用Autoplay和Radio的听众十分热衷于探索新音乐。
这里需要介绍一下Spotify的其他个性化推荐板块，除了Autoplay和Radio之外，Spotify还有主题各异的歌单，这些歌单中的曲目每隔一段时间就会有所变化，用户可以根据自己的喜好在不同的歌单中发现音乐。
其中，比较有名歌单的是Discover Weekly，顾名思义，这个歌单每周更新一次，会根据用户的听歌习惯推送30首此前没听过的音乐。除此之外，还有很有特色的歌单，叫做Fresh Finds，这个歌单抓取网络上50000名音乐KOL的喜好，由Spotify的员工分门别类进行整理，最后推送给用户。与Discover Weekly相比，Fresh Finds上的歌曲经过了一批音乐达人的过滤，在品质上更适合在对于听歌这件事有一定追求的用户。
据悉，在试验阶段积累了一定经验之后，Spotify可能会将"发现模式"应用到更多的版块中去。
Spotify的如意算盘：
帮音乐人挣钱，增加平台收入
Spotify的主要矛盾，是用户日益增长的听好歌的需要与公司盈利困难之间的矛盾。
根据MBW今年5月的报道，Spotify在过去十年中的累计年度净亏损总计达26.2亿欧元。
在不久之前公布的Q3财报中，第三季度亏损额为4000万欧元（4600万美元），而2020年的前三季度，Spotify的净亏损总额为4.56亿欧元（合5.08亿美元），税前亏损为5.3亿欧元（合5.9亿美元）。
作为一家流媒体巨头，Spotify的营收渠道十分单一，超过90%营收都来自订阅用户的会员费，其余便是平台的广告费收入。今年第三季度，Spotify的付费订阅收入增速进一步放缓，结合多个季度来看，付费订阅收入的同比增速已处于下行趋势。
广告收入同样不乐观，虽然在疫情影响过后，Spotify的广告收入有了较大提升，但增速仍比去年同期降低11%。
挣钱难的同时，公司的内容成本居高不下，最大头的就是版税。今年第三季度，Spotify的收入成本为14.86亿欧元，主要就是版权费用，常年保持在营收的80%左右。2018年，分析师本·汤普森指出，Spotify的优势受到它支付给唱片公司的版税限制，因为唱片公司只有在拿到版税后才允许广大听众收听其音乐专辑。
为了控制成本，Spotify一方面大力拓展播客为代表的非音乐内容，另一方面便是跟版权方争取更低的授权费。2017年8月，环球音乐集团、华纳音乐集团和索尼音乐娱乐集团与这家瑞典流媒体巨头签署了为期24个月的授权协议。Spotify不仅顺利取得了海量的曲库版权，甚至还因为三大唱片对其业务模式的认可而争取到了些许优惠。据MBW报道，知情人士称，三大唱片同意将分成比例从55%下调至52%。受此利好方案的影响，Spotify的毛利润率从2016年同期的14%增至2017年的21%。
除了在版权方面控制成本，Spotify还于2017年提出了"双面市场"计划，该计划允许唱片公司和艺术家在其平台上宣传音乐。2019年，Spotify推出付费推广服务"Marquee"，该服务广告语为"Brand New Music For You"。Rolling Stone称，用户每点击一次弹窗广告，厂牌就要支付55美分。而Spotify建议唱片公司或音乐人至少支付5000美元，预计能在七天内为音乐人带来9000多名潜在听众。
而此次推出的"发现模式"，也是"双面市场"计划的一个延伸。与此前的"Brand New Music For You"相比，"发现模式"不需要预付费，一方面确实是对音乐人更加友好；另一方面，也代表着这项功能拥有更广的收费范围——不仅挣有有钱人的推广预算，也挣穷音乐人的钱。
尽管Spotify方面一直声称是为了让更多音乐人的歌被听到，但也难怪有人质疑，这种付费推广的做法跟60年代被美国立法禁止的"Payola"非常类似。
帮用户发现音乐人的Spotify，
能否帮音乐人发现成功？
在一众音乐流媒体服务中，Spotify的个性化推荐机制的口碑一直很高。今年10月，Spotify基于用户个性的研究还被授予了美国专利。根据Spotify自己提供的数据，平均每月，平台会帮助3.2亿月活用户发现160亿次此前在平台上从未听过的音乐人。
Spotify的软件工程师曾经撰文简要介绍该公司个性化推荐机制的三种运作模型。
首先是协同过滤，主要工作机理是分析你的用户行为和其他人的用户行为。比如说，两个人都有自己喜欢的歌曲：一个喜欢P、Q、R和S，另一个喜欢Q、R、S和T，协同过滤系统就会认为："你们两个喜欢的四首歌曲当中有三首是相同，所以你们很有可能是品好相似的用户。所以你们有很大的概率喜欢对方喜欢自己却没有听过的音乐内容"。之后，系统就会给第一位用户推荐歌曲P，给第二位用户推荐歌曲T。
第二种模型叫做自然语言处理。简单来说，就是爬取网上的各种音乐资讯，汇总与每个艺术家和歌曲相关的各种关键词，每一个关键字都有自己的权重，权重越高就代表这个关键字越能描述这位艺术家或这首歌曲。最后，自然语言处理会把这些关键字和权重处理为向量模式，然后判断音乐之间的相似性。
最后一种模型叫做原始音频模型。这种模型可以提高整个推荐模型的准确性，更重要的是，对于一首新歌，系统无法抓取足够的信息来进行协同过滤或者自然语言处理，而对歌曲的旋律走向进行分析，则可以轻松分析这首歌和哪些作品的风格可能相似。
综上，推荐机制是Spotify的长项，面对这个如鱼得水的领域，Spotify表示，他们依然在改进算法。
对于内测中的"发现模式"时，Spotify向音乐人和唱片公司描绘了一幅美好蓝图。Spotify称，该功能的目标是让艺术家和唱片公司都能获得正向的投资回报率，如果没有看到收益，艺术家和唱片公司可以随时关闭。
值得注意的是，这项看似是推广的服务，并不会保证推广效果，音乐人和唱片公司在新功能上的操作空间并不是很大。如果被音乐人标注的歌曲在被推荐出去后表现不好，就会被迅速撤回。当然，Spotify产品营销负责人Charleton Lamb表示，Spotify计划"这一推广服务进行校准，以确保最广泛的艺术家和唱片公司能够获得成功"。
最后，虽然"发现模式"并不会预先收费，但还是遭到了一些质疑。
事实上，恶化底层音乐人生活环境的骂名，Spotify一直背着。就在上个月，音乐人工会联盟公开致函Spotify，要求从流媒体播放量中得到更高的版税费率，并指责Spotify在有意引导唱片公司和经纪公司为了得到更高的歌曲曝光而向平台付费。
而在"发现模式"推出后，美国导演David Lowery在个人社交平台上称，Spotify的新功能是"Payola"。在音乐行业，这个词指唱片公司为了在商业电台播放唱片而进行的贿赂行为，在接受贿赂后，电台并不会特意披露这些歌曲背后的钱款交易。60年代，"Payola"已被美国立法禁止。
目前，由于"发现模式"采取的是几乎零门槛的付费参与方式，且付费的数额问题和更多的推荐规则还未公布，现在就说其可能会造成不公平，为时尚早。但如果平台抽成比例过高，让底层音乐人舍不得掏钱，那财力雄厚的大唱片公司就更有可能借着"发现模式"这样的功能垄断平台内的宣发渠道。
毕竟，多数人的成功，才是真正的繁荣。让每个音乐人都能得到同等的推荐机会，而不是成为加剧音乐行业不平等的工具，这是所有音乐平台都需要思考的。
先声话题
话题内容：你认为，像"发现模式"的付费推歌功能，是会帮助音乐人做好宣发，还是会成为加剧音乐行业不平等的工具？