数字化时代，内容产业正在面临两难的处境。在信息、内容的获取变得更加简单便利的同时，也不可避免的遭遇着内容同质化的发展趋势。在此情况下，通过产品创新的方式，给用户更高层级的体验，就成为内容型产品的首选，而千人千面的个性化推荐便是其中典型。
网易云音乐的个性化推荐是业内公认的精准，甚至被很多网友说比男/女朋友更懂自己。个性化推荐精准与否的判断，多少有些主观色彩，但这些赞誉至少证明其用户口碑。每个音乐APP都在做推荐，为什么网易云音乐能把推荐做得这么准？下文将试图做出一些分析。
个性化推荐的惊喜感与平衡性
所谓个性化推荐，其实是一种信息过滤系统，用于预测用户对物品的评分或者喜好。通常意义上，个性化推荐会利用产品后台大数据功能，通过分析数据发展趋势、跟踪用户使用行为等方式，为用户推荐“定制专属”内容。最先把个性化推荐发展到极致的可能是Amazon，而豆瓣FM，则可算是前几年国内音乐网站中个性化推荐的代表。
在每日歌曲推荐页面，网易云音乐比较简单的解释了个性化推荐的运作机制，比如播放、红心、收藏等用户行为，都会对推荐算法产生影响，一方面表明算法机制，另一方面也鼓励用户多听歌、多动手，让产品更懂你的前提是用户行为足够丰富。另外，在早前网易云音乐的官方新闻中，也可以看到，海量UGC内容结合协同过滤、语义分析、操作分析技术，这些都是个性化推荐的运行机制。而综合来看，基于音乐与基于用户协同过滤的两种推荐方式，就是个性化推荐的主力。
1、基于音乐
基于音乐的推荐，也就是推荐的依据有赖于音乐本身，音乐平台在后台为每首歌曲都打上几个标签，如果用户喜欢一首含有民谣标签的歌，那么，其他含有民谣标签的歌曲也可能会被推荐给用户。豆瓣FM中，从单曲出发的推荐，就遵循了这一原则。
（豆瓣FM从单曲出发的推荐）
基于音乐内容的推荐，实际上是一场关于用户音乐口味恒定性的对赌。
如果一个用户的音乐口味专注而且单一，那么从歌曲标签出发，推荐而来的歌曲会越来越合胃口。而对于大多数用户来说，心仪的曲风至少有三个或以上，很难断定哪个是最爱的，在这种情况下，单纯从音乐出发，而不考虑时间、地点以及用户对新鲜感的需求，红心列表中的歌曲就会趋于同质化。如此反复，就会陷入虽然推荐的歌曲都是喜欢的，但再也接触不到新鲜曲风的困扰。
网易云音乐的推荐，就有部分是基于音乐而来，但其音乐标签却引入了UGC元素。一般音乐平台引进歌曲时，都会有歌曲自带标签，而网易云音乐还把歌单的标签元素加了进来。在用户新建歌单时，可以选择1—3个标签，这些标签根据语种、风格、场景、情感、主题划分为五大方向，一共72个，供用户选用。在歌单里的音乐，也会或多或少带上这些标签，通过后台综合考量再进行推荐，也就能满足用户对新鲜感和多样化的追求了。
（网易云音乐新建歌单时，用户可以自由选择合适标签，最多3个）
2、基于用户
另一种推荐方式，则是围绕用户行为来展开，即判定用户A的音乐口味后，找到与之口味相似的用户群，并把这些用户喜欢的音乐推荐给A。
画了个图来解释这种推荐方式↓（图中红色箭头代表喜欢）
