(圖片來源:thestar.com)

蘋果花120億收購!音樂辨識公司Shazam如何導入AI和數據策略,放大價值?

文/楊純芳, 若水 Flow AI Blog 編輯團隊

「沒有數據,該怎麼辦?」對許多想推動 AI 落地的企業或新創來說,這是在初期常碰到的痛點。Shazam 布局 20 年的經驗,給出了很棒的思索方向:讓數據成為一種「動態的策略」,而非靜態的資源。

【若水 AI 編輯團隊 為您導讀】
從後見之明來看,Shazam 走對了方向。因為,在智慧家庭需求爆發的未來,對於各種數據來源的辨識、互動回應成為剛需。這當中我們可以看到 Shazam 與數據互動的三種歷程:

第一:初期沒有數據,便藉由協助媒體公司將音樂數位化,「換取」數據建立基底。

第二:待數據有了一定量體後,結盟各類社群平台累積使用者資料,坐大數據庫;尤其瞄準收取「搜尋失敗」藉此提升機器辨識準確度;

第三:從數據庫變成「導流」平台,進而變成各家軟、硬體廠商不可或缺的服務。

這樣的經驗很值得參考,那麼,你的數據策略是什麼呢?

2017 年,蘋果 (Apple) 花了 4 億美元(約新台幣 120 億)收購一家位於英國倫敦的音樂辨識公司 Shazam Entertainment。在蘋果購買這家公司前,Shazam 雖小有名氣卻讓也讓多數人感到陌生。近來拜美國 DC 漫畫英雄電影之賜,現在全世界的人都知道 Shazam(沙贊) — 是 DC 電影裡的英雄人物。

但今天要介紹的是現實生活中的 Shazam,一家自蘋果 1976 年創立至今,少數以如此高金額收購的一家音樂辨識公司。究竟什麼樣的公司這麼值錢?蘋果買下 Shazam 又是在打什麼主意呢?這值得我們一探究竟。

( 圖片來源:Shazam )
使用者可以透過Shazam應用程式,接收外部音樂識別歌曲

Shazam 自 1999 年創立至今近 20 年,想當初 AI 人工智慧的概念與實際應用只出現在電影中。現實生活仍對這項技術的概念與應用非常陌生,又甚至對於人工智慧的應用只停留在機器人的想像。

現今人工智慧的技術隨著軟硬體技術的快速進步已逐漸成熟,也漸漸地在不同產業中有了新的應用 。本文介紹的 Shazam 便是透過機器學習 (Machine Learning),在 20 年的耕耘下,搖身一變成為 Spotify、Snapchat 都想要納入麾下的「奇才」。可這樣的奇才並非橫空出世,多數人沒看到的是 Shazam 自 2008 年以來的佈局。

想立於不敗之地?從策略性取得核心 AI 訓練數據下手

「人們每天都暴露在音樂的環境中 — 汽車、家、餐廳、電影院、購物中心 — 但卻因為無法得知他們所聽到的是什麼而感到沮喪。」創始元老之一的 Avery Wang 在他所發表的研究中道出了 Shazam 創立的原因。

為了解決使用者的痛點,Shazam 得創造出一個可以幫助使用者在短時間內辨識音樂的軟體。而要創造出這樣的軟體,首當其衝的便是音樂資料庫的需求,以利建立預測機器,提供歌曲搜尋與辨識的服務。

做為一家新創,要如何取得這至關重要的資料?

在沒有龐大資金購買音樂版權的情況下,Shazam 向英國一家媒體公司 Entertainment UK 提出以幫助其進行音樂數位化換取 150 萬首歌曲的資料庫。

在建立起音樂資料庫後,Shazam 便能建立並優化音樂辨識演算法,讓使用者能透過手機設備聽取音樂,在十秒內提供歌曲資訊,如歌手、曲名、專輯資訊,並提供歌曲下載的服務。

圖片來源:Shazam

為了進一步將服務擴張至北美、亞洲與歐洲各地,Shazam 陸續與全球多家唱片公司合作,將其資料庫由原先的 150 萬首歌曲於 2008 年已擴增至 800 萬首歌曲。這使 Shazam於 2008 年在蘋果 App Store 上架後,成為下載應用程式熱門排行榜中的第四名。即便在十多年後的今天,也是美國區 iPhone 音樂類應用程式下載排名第九名 。

Shazam 起初以技術換取音樂資料庫強化辨識演算法 (Algorithm),到逐漸壯大與世界各地唱片公司結盟、購買音樂版權擴增資料庫內容的作為,讓我們理解到在人工智慧技術開發過程,核心資料取得的巧思與策略。


外部結盟,匯聚 UX 使用者行為反饋 AI 數據

要提供良好的音樂辨識服務,除了建立龐大的音樂資料庫,為了提升預測機器的準確度,Shazam 還需要由使用者提供的回饋資料(Feedback Data) — 也就是使用者在 Shazam平台上搜尋音樂所產生的資料。特別是搜尋失敗的資料,幫助預測機器從回饋中學習,提升音樂辨識準確度。

為了快速蒐集使用者回饋資料,Shazam 自 2008 年起,不僅快速擴增音樂資料庫,更在 iOS 與 Android 的 App Store 上架。2011年,先後與 SpotifyFacebook 合作,一方面讓使用者在 Shazam 搜尋音樂後,將使用者導流至 Spotify 音樂平台。另一方面,使用者可以在自己的社群平台上標註自己搜尋的音樂,並分享自己聆聽、追蹤、購買的音樂。

「嘿 Siri,這是什麼歌?」

在音樂辨識技術漸漸成熟後,2014 年 Shazam 與蘋果的語音助理 Siri 更進一步合作。自此開始,iPhone、iPad 使用者只要對著 Siri 說:「嘿 Siri,這是什麼歌?」幾秒鐘後,Siri就會為我們解答。

根據 報導,在 2015 年時,Shazam 的音樂識別服務為數位音樂帶來每日銷售超過 40 萬首歌曲的商機,相當於全球數位音樂銷售的 7%。2016 年時,Shazam 更將合作的版圖拓展到美國青少年間最熱門的圖片分享平台 Snapchat,讓 Snapchat 的使用者透過手機相機便可輕鬆辨識歌曲或影片。

( 圖片來源:Shazam )
Shazam音樂識別使用者歷年成長人數

音樂辨識演算法,成為串流音樂服務關鍵一角

從平台間的同盟關係,隱約可以觀察到 Shazam 與各個手機平台建立起互利共生的關係。對於Shazam而言,他透過不同的平台曝光蒐集更多更廣的使用者識別音樂的回饋資料,以利於辨識演算法的改善。

對合作夥伴,如 Spotify、Facebook、Siri 與 Snapchat 而言,Shazam一方面提供一個 「導流」的平台,讓 Shazam 使用者流向 Spotify 或 Apple Music,進而購買音樂服務。另一方面,將其頂尖的音樂辨識技術融入合作夥伴的平台中(如 Siri 和 Snapchat),在合作夥伴的既有服務之上,提供新的音樂搜尋服務。

當蘋果於 2015 年推出 Apple Music 時,Shazam 的 CEO Rich Riley便說道:

「蘋果是我們最大的全球合作夥伴…。關於蘋果新推出的音樂服務我們感到很興奮。」

沒有太多的意外, 2017 年蘋果宣布併購 Shazam的計畫。作為音樂服務的後進者,蘋果面對的是現今最大的音樂服務平台 Spotify  — 擁有全球 1.91億用戶,8700 萬個付費用戶,而 Apple Music 如今卻只有四千萬名用戶。買下 Shazam 究竟能帶給蘋果什麼價值?

Shazam 最大競爭者 SoundHound 的前使用者經驗總監 Aaron Master分析道,蘋果看上 Shazam 的不僅僅是技術這麼簡單,更是 Shazam 那平均每個月 1.5 億的全球活躍用戶、經年累月精進的「音樂推薦預測機器」,以及 Shazam 做為人流匯聚再進行分流的平台。

圖片來源:Shazam

當使用者透過 Shazam 辨識歌曲時,其平台會提供使用者兩個音樂串流服務供使用者聽取音樂:Apple Music 與 Spotify。Shazam 導流的功能無形之間為串流音樂服務商增加了用戶。此外,也因為使用者活躍的進行音樂辨識,讓 Shazam 得以搶先得知哪些歌曲將要爆紅,以及在什麼地方爆紅。必竟,我們通常不會去搜尋自己不喜歡的歌,對吧?

在蘋果將 Shazam 納入麾下後,就能在既有的 iTunes 和 Apple Music 架構下,讓Shazam 為 Apple Music 帶來更多的用戶同時,蒐集全球 Shazam 使用者(包括 Apple Music 用戶)每分每秒識別歌曲的資料,才得更精準地為(潛在)用戶推薦歌曲。

一連串的外部合作,Shazam 的累積下載次數在世界各地快速的增長。

從 2008 年的兩千萬使用者,到 2018 年已經累積到 10 億人。而每日平均「Shazam」的次數在 2016 年達到了每日兩千萬次,等於每秒鐘就有 231 次 Shazam。

對蘋果而言,Shazam 的加入就猶如為蘋果 (Apple) 既有的音樂服務系統植入了一個「大腦」,更有「智慧」地為 Apple Music 用戶與潛在用戶提供令人滿意的服務。或許,這樣的結果在20 年前 Shazam 創立之初,並不是任何人得以預見的。

做為以音樂辨識演算法為核心技術的公司,相較於閉門造車、自己苦苦蒐集使用者回饋資料,Shazam 透過開放,上架應用程式商店、與音樂服務平台、社群平台等結盟,成功且快速地獲得豐厚的使用者回饋資料,以不斷精進音樂辨識演算法,克服使用者所處環境中的各種噪音,在 10 秒鐘之內為使用者找到那「Mr/Ms. Right」,成為音樂識別服務商中的佼佼者 。


【推薦閱讀】

1. 如何處理數據、優化模型,讓團隊可以快速的產出 AI? 或許你需要看
➡️➡️ AI 數據處理原來可以這麼省事!

2. 讓台灣人工智慧學校執行長陳昇瑋告訴你:台灣企業走向 AI 的 4 大挑戰。
➡️➡️ 【落地經驗談】陳昇瑋:從深度學習到深度協作

圖片來源:Shazam

看見數據的生命力

【AI專案管理學】200名在家工作者,如何讓上百個AI應用開花結果?

當麥當勞買下這間 AI 公司,世界食物供應鏈即將改變!