La Recommandation Personnalisée - Musicovery par Vincent Castaignet

www.musicovery.com

11/06/2012

Vincent Castaignet

Musicovery CEO

05/2014

Labo de l’Edition, 20 mai 2014

La recommandation personnalisée: quelles innovations pour le livre

numérique ?

www.musicovery.com

11/06/2012

En quoi consiste une recommendation?

Proposer à une personne

à partir :• d’un historique de comportements/préférences• d’un contenu visité/recherché

des suggestions, qui peuvent prendre la forme

• d’une liste de contenus• d’une expérience plus riche (ex. smart radio)

05/2014

www.musicovery.com

11/06/2012

L’univers musical d’un auditeur

Influencers I trust

My tribe

My friend

s

Influencers I trust I don’t

like

My activiti

es

Music I don’t know

I knowMy

favorites

05/2014

www.musicovery.com

11/06/2012

Recommendation versus similarité

• La recommandation est généralement associée à

• Mettons ces concepts de “découverte” et “similarité” à l’épreuve

découvertecontenu similaire

05/2014

www.musicovery.com

11/06/2012

Exemple 1• Vous voulez commencer une playlist avec “Psy – Gangnam style”

• La plupart des systèmes de recommandation suggèrent des artistes coréens :

• Quel est le problème avec ces recommandations ?

o Les occidentaux pas d’intérêt /pop coréenneo Contexte prédominant pour écouter cette chanson

05/2014

www.musicovery.com

11/06/2012

Exemple 2

• Vous aimez les Beatles et vous voulez découvrir des artistes qui ont le même son

• Des groupes qui ont un son très similaire aux Beatles:

• Mais voulez-vous écouter des clones des Beatles ? Pendant 4 heures ?

• Recommendations trop similaires => ennuyeux

The HolliesThe

MonkeesThe Idle

Race

The Chocolate

Watchband

Apples in Stereo

05/2014

www.musicovery.com

11/06/2012

Exemple 3•Vous aimez “The Clash – Rock the casbah” et voulez écouter des titres similaires.

•La plupart des systèmes de recommandation proposent des groupes punk: Ramones, Sex Pistols,…

•Quel est le problème avec ces recommandations ?

o La plupart des chansons des Clash ne sont pas punko La même recommandation pour différents types d’auditeurs

05/2014

www.musicovery.com

11/06/2012

Les types de données utiles pour produire des recommandations

Descripteurs sémantiques

Descripteurs

experts Social

Charts et tendance

Genres, ambiance, situations

Orchestration, rythmique,

tempo,…

Comptmnt individuel

co-occurrence

de préférences

par région, titre

émergeant, saturé

Historique de préférence, habitudes,…

Recommandation personnalisée

05/2014

www.musicovery.com

11/06/2012

Manières de produire les données sur le contenu

• Automatiquement:

o À partir du signal audio

o A partir de texte sur le contenu (web sémantique)

• Editorialo Par expertAvantages: référenciel stable, précis, objectif,

richesse descriptionInconvénients: non exhaustif, décalage potentiel avec perception de la population

05/2014

www.musicovery.com

11/06/2012

Le filtrage collaboratif: le plus efficace au moindre

effort• Principe: o Basé sur coocurrence de comportement des

utilisateurs (préférences, achats,…)

• Avantages:o Pas besoin d’avoir descripteurs/classification sur le

contenu ou les utilisateurso Retrouve implicement l’univers musical de chaque

tribu• Inconvénients:

o Cold start: si le contenu est nouveau, pas d’information

o Biais vers les plus populaires, titres même artisteo Pertinence faible dans divers cas

05/2014

www.musicovery.com

11/06/2012

Catégoriser le contenu

• Principe: o Attribuer des descripteurs pour générer des classes

de contenus

• Avantages:o Possibilité d’enrichir la description (genre/sous-genre

du contenu, repères chronologiques et géographiques, rôle de l’artiste,…)

• Inconvénients:o Ne reflète pas la segmentation univers musical des

tribuso Rigidité des taxonomies hiérarchiséeso Certains descripteurs mauvais pouvoir de

différentiation

05/2014

www.musicovery.com

11/06/2012

Problèmes des systèmes de recommandations

• Qualité médiocre description: ex. indexation automatique

• Modèle taxonomie/ontologie: mal structuré

• Pas exhaustif : même avec des systèmes auto

• Ambiguité du point de référence: divers styles d’un même artiste

• Biais de popularité : dans une même catégorie, toujours les mêmes suggestions

• Pas de personnalisation: mêmes suggestions pour tous les auditeurs

• Expérience pauvre: liste statique de textes, manque d’engagement

05/2014

www.musicovery.com

11/06/2012

Approche de Musicovery

• Objectifs: o Fournir un service simple car très personnalisé et

pertinento Adapter la manière de naviguer dans l’univers musical à

chaque auditeuro Fournir une expérience intéressante et cohérente

• Modèles de recommandationo Utilisation de tous les types de données (contenu,

utilisateurs), o Profils utilisateurs: passionné, curieux, mainstream,…

• Résultat: +25% durée des sessions des auditeurs

05/2014

www.musicovery.com

11/06/2012

Enseignements pour le livre

• A minima: o Filtrage collaboratif, catégories générales et tops

• Au delà, en fonction des objectifs du service:o personnaliser le type de nagivationo décrire plus précisément le contenuo automatiser la longue traine

• Conseil:o Travail d’analyse approfondi surles comportements des utilisateursles données externes et internes utilisées comment ces données concourent à l’amélioration de

l’expérience recherchée

05/2014

La Recommandation Personnalisée - Musicovery par Vincent Castaignet

Technology

Transcript of La Recommandation Personnalisée - Musicovery par Vincent Castaignet