Personalized Autoplay 2.0: Feedback-Learning、Smart Skip、Better Continuity

Personalized Autoplay 2.0 がライブになりました

Personalized Autoplayの大規模アップグレードをリリースしました。このリリースは1つの核となるゴールに焦点を当てています：各リスナーに対してレコメンデーションがより速く適応し、再生を安定して中断なく保つことです。

何が変わったか

1) スキップがレコメンデーションの重みに影響するようになった

ユーザーがPersonalizedトラックをスキップすると、Beatra はそれをレコメンデーション スコアリングの負のシグナルとして記録します。類似アーティストと隣接する候補は時間とともに重みが低下します。

これにより、2つのことがすぐに改善されます：

• 同じレコメンデーションクラスタからの失敗の繰り返しが少なくなります
• リスナーの実際の好みへの収束が速くなります

2) コールドスタートユーザー向けの新しいLikeおよびDislikeフィードバックボタン

Beatra がリスナーをまだ十分に認識していないことを検出した場合、Personalizedトラックに2つのフィードバックボタンを直接表示します：

• Like
• Dislike

動作：

• Like：類似アーティストと候補のレコメンデーション重みを増加させます
• Dislike：すぐにトラックをスキップし、より強い負の重みを適用します

これはパッシブリスニングだけよりもはるかに速くコールドスタートを解決します。

3) Personalized autoplay がローリングキューを使用するようになった

Autoplay は単一トラック取得動作に依存しなくなりました。ローリングキューモデルを維持するようになりました：

• ターゲットキューサイズ：5トラック
• キューは枯渇時にプロアクティブに補充されます
• レコメンデーションロジックは再生中に継続的にトリガーされます

結果：スキップは応答性を保ち、次の候補は常に準備完了です。

4) オートプレイと24/7モードの継続性が向上

再接続と再起動シナリオの継続性動作を改善しました：

• 再生状態が永続化されます
• 現在のトラックとキューは可能な限り復元されます
• オートプレイと24/7モード設定は保持されます

これにより、一時的な障害後のより自然な再生スタイルの復旧が実現します。

5) レコメンデーションエンジンが明示的なフィードバックスコアリングを使用するようになった

レコメンデーションランキングは再生時間とアフィニティのみに基づいていません。明示的なユーザーフィードバック信号も使用するようになりました：

• Like はスコアをブースト
• Dislike とスキップはスコアを減少
• アーティストレベルの重みは動的に更新されます

要するに、エンジンは再生したものと拒否したものの両方から学習します。

---

Personalized Autoplay は、より多くのフィードバックが到着すると改善され続けます。新しいボタンを使用する場合、最初のセッションでレコメンデーション品質が著しく速く向上するはずです。