它知道你愛聽什麼歌！Shazam 如何導入AI和數據策略

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 ... 首頁 關於 媒體報導 TechforGood AI實戰案例 智慧零售 智慧城市 智慧製造 智慧醫療 智慧農業 AI管理優化 AIWOWMoment AI數據策略 前往若水AI官網 AI數據處理實戰攻略 Search Searchfor: Search Followus facebook linkedin youtube Menu Search Searchfor: Search (圖片來源：thestar.com) 文／楊純芳,　若水FlowAIBlog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，在智慧家庭需求大爆發的未來，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ShazamEntertainment。

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(MachineLearning)，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AveryWang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EntertainmentUK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AppStore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（FeedbackData） — 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AppStore上架。

2011年，先後與Spotify和Facebook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AppleMusic，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AppleMusic時，Shazam的CEORichRiley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AppleMusic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AaronMaster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：AppleMusic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AppleMusic架構下，讓Shazam為AppleMusic帶來更多的用戶同時，蒐集全球Shazam使用者（包括AppleMusic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AppleMusic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 11SHARESShare 想閱讀更多AI產業的優質專題報導嗎？ Email信箱: 姓名: 公司： 職稱： Leavethisfieldemptyifyou'rehuman:別擔心，我們只會寄實用的資訊給您！ 訂閱電子報 Email信箱: 姓名: 公司： 職稱： Leavethisfieldemptyifyou'rehuman:別擔心，我們只會寄實用的資訊給您！ Loading... facebook linkedin youtube 即時掌握來自全球AI產業的第一手訊息！ Email信箱: 姓名: 公司： 職稱： Leavethisfieldemptyifyou'rehuman:別擔心，我們只會寄實用的資訊給您！ ©2021©Copyright2020Flow,Inc.AllRightsReserved BacktoTop Close 首頁 關於 媒體報導 TechforGood AI實戰案例 智慧零售 智慧城市 智慧製造 智慧醫療 智慧農業 AI管理優化 AIWOWMoment AI數據策略 前往若水AI官網 AI數據處理實戰攻略 Searchfor: Search 免費訂閱AI電子報 免費獨享會員福利：最新AI產業報導、沙龍講座、實戰工作坊等。

Email信箱: 姓名: 公司： 職稱： Leavethisfieldemptyifyou'rehuman:別擔心，我們只會寄實用的資訊給您！ Close