【内含文件】网易云音乐的随机播放到底是怎么做的？-技术圈

上班开会，下班工作，仿佛已经成了产品经理常态。随着你忙完当天的工作，时针也悄悄越过了11点，熟练的带上耳机，打开最喜欢的歌单，点下随机播放的按钮，寄希望于算法能给你一天疲惫的工作带来点未知的新鲜，紧接着叫车回家。

在等车的过程中，一直在思考 —— 随机播放算法是如何给随机的？

「随机播放」是有魅力的，你永远不知道下一曲是什么，有可能上一曲也“物是人非”。于是求证了下网易云播放器的产品经理，他说常见的「随机播放」有两种，一种是 Random 算法 ，一种是 Shuffle 算法。

Shuffle 一般叫【洗牌算法】，原理就类似扑克洗牌一样，将不同数量的扑克随意乱洗牌，然后排序。歌单随机播放也是同理，每次播放时，会将这个歌单里的所有歌曲随意洗牌，从而得到一个乱序的新歌单。Shuffle 其实也叫【伪随机算法】。

而 Random 才是真正的随机播放，他没有列表的概念，也没有上一曲和下一曲的概念，随机播放和“抓阄”一样，是未知的。

那怎么判断是【伪随机】还是【真随机】呢？其实只要点“上一曲”，判断条件是：

目前基本上市面上的音乐平台都用的是 Shuffle 洗牌算法。为什么呢？从理论上来说，它更具备可控性，既能满足用户随机音乐播放的需求，又能避免重复听一首歌。

了解清楚随机播放的两个算法后，咱再往深一点思考下——更好的随机算法是怎样的？

其实我个人感觉网易云音乐的随机算法有问题：感觉歌单中某些歌曲永远随机不到，有时候歌单中删除的歌曲也被随机到了。

后面据了解，网易云音乐并非只是对歌单进行简单洗牌，而是会在洗牌算法中掺杂更多的用户策略和数据策略。他们经过调研发现，用户想要的其实不是真正的【随机播放】，而是用户不知道听哪首歌，想要系统帮他做决定。并且更重要的是——符合他的品味和当前的心情。

而现实是——随机算法能帮他解决随意听歌，但是不能解决符合他当时心情的歌曲，因为随机算法并不知道用户真正想要什么？但是网易云音乐有足够大的个人听歌数据，其实通过用户策略和数据策略，能帮用户找到符合他的品味的歌曲。

你会发现，推荐歌单中能找到你想听的歌曲。比如：

产品经理在夜深人静写文档画原型时，点开随机播放，你很大概率不会听金属、摇滚的音乐，而是结合你听歌历史，工作日时间点，更多给你随机到轻音乐、保命曲。

你发现——每年听歌年终报告，就详细记录了你夜里不睡觉循环了多少遍哪首歌，将你扒的一干二净。回过来看，其实我觉得好的随机算法应该具备以下四个重要特征：

其中，有一点基础性的工作必须要做——用户画像的完整性。除了看国内的产品，也可以挖掘下国外的 Spotify，该产品算是洗牌算法2.0版，虽说非常智能，依然有很多用户对其嗤之以鼻，所以 Spotify 的产品经理开始思考为什么用户会嗤之以鼻？

Spotify 的算法是 Fisher-Yates 洗牌算法。（在结尾我也为大家准备了洗牌算法的三种策略）我用一张简单的图展示下该洗牌算法：

你会发现，对于洗牌算法①的用户最核心的想法是不希望一位歌手在短时间重复出现，这和“赌徒谬论”是一样的，连续几次都没赢，都会认为下一把赢的概率会大很多，其实呢？每次的概率是相同且独立的。

所以呢？用户如果连续听到某一歌手的歌曲时，用户就会觉得算法有问题。对吧。

但是对于②来说，用户就能更接受一些，因为似乎达到了真正的随机，对不对？因为既满足了歌曲的新鲜感，又避免了重复和单调。经过改进后，这个算法叫抖动算法。（是Shuffle 洗牌算法的升级版）

回过头看，各家的随机播放列表都是基于洗牌算法，也都在基础上加了自己的“秘制调料”，吐槽或褒奖，都在用户的言语间……但是呢？随着获取海量用户的听歌习惯，往往洗牌算法越来越人性化，越听越懂你。

这就是算法的魅力……

John为你准备了 Shuffle 的三种算法，公众号私信回复“洗牌”，即可获取。非常有意思哈。

记得帮John文章分享，在看哟。感谢。

John的视频号现在基本上每周一更，也是分享产品经理干货。几分钟梳理清楚一个非常重要的知识点。可以去关注关注。

用一个视频告诉你产品规划的通用公式，前提是一定要清楚产品业务。

一个视频聊清楚B端和C端产品的区别。

其他更多内容，可以去看视频号主页。可以承诺读友的是——每条视频和每篇文章，必将经得起时间的检验。