Spotify 這類串流平台雖方便，卻飽受批評，最常見的指控是「分潤機制扼殺音樂人生存」。連泰勒絲都曾因不滿此制度而下架作品。然而，大牌藝人與獨立音樂人的控訴，真的是全貌嗎？
曾任 Spotify 資料鍊金師（Data Alchemist）近十年的葛倫・麥當諾（Glenn McDonald）在《串流音樂為何能精準推薦「你可能喜歡」》一書中，揭露了我們以為的「選擇」，其實早被演算法和分潤制度調教過。這篇文章，將帶你從演算法原理、排行榜機制、產業權力 3 個面向，解析這本書的關鍵觀點。
「懂你」的不是演算法，而是統計學
Spotify 如何知道你喜歡什麼？用個比喻你就會懂。其實演算法跟冰箱很像。因為認真說起來，冰箱也有演算法。再怎麼陽春的電冰箱，也有 2 個地方用到了演算法。第一個是恆溫器，當溫度超過設定值，馬達就會啟動冷卻；第二個是照明感測器，門打開燈就亮，門關上燈就滅。這 2 套邏輯雖然簡單，但讓我們誤以為「冰箱永遠是冷的、永遠是亮的」。
冰箱裡有恆溫器演算法，控制溫度；也有門的感應器演算法，決定什麼時候要開燈。但你從來不會說冰箱很聰明，更不會說冰箱懂我愛吃什麼。而電腦可能會儲存很多關於你的資料，但它不認識你。
Spotify 的推薦演算法也是類似的運作邏輯。演算法就是一種數學，它並不真的「理解」你，而是根據你與全球用戶的收聽行為，比對出某些歌曲與你的習慣之間的相似性，然後推送給你一個你可能會喜歡的「統計上合理選擇」。
沒有「一種」Spotify 演算法，而是演算法軍團在工作
音樂串流服務裡有滿滿的演算法。關於演算法，第一重要的是記得它們就只是數學，而第二重要的就是要知道不是只有一種演算法。世界上沒有什麼叫做「Spotify 演算法」的東西，而是 Spotify 裡的幾乎每樣功能都對應著不同的演算法，甚至有時候單一的功能就會涉及多種演算法。
像是 Spotify 的首頁就有演算法會提醒你，你今天大概想聽什麼。Spotify 的個人化「每週新發現」（Discover Weekly）播放清單背後也有演算法，它會試著幫你找出跟你已經喜歡的歌很像但還算不太認識的歌曲。
由演算法推動的電台會試著在你期待聽到的熟悉歌曲，和你還不認識但也許會覺得相見恨晚的歌曲之間，取得一個平衡。排行榜和看似簡單的表現成績數據計算，其實涉及到許多複雜的演算法，其功能包括資格確認、怎麼算是同一首歌、時區處理，以及潛在的造假（等等我們會提到，這蠻有趣的）。
雖然很多這些演算法看似簡單，但其中有些不僅複雜，而且還複雜到讓人類難以管理。這一系列複雜的演算技術，其實就是所謂的機器學習（machine learning）。
你可能會說：啊不就記錄一下點擊，有什麼？
播放、跳過、滑過……你的每個動作都是平台的資本
這些資訊，就是整個音樂串流平台的「資本」，而串流，就是監控資本主義（至少，絕對是資本主義）。
當我們點下播放鍵，裝置上的應用程式會即時發出一則訊息給平台伺服器，告訴它你想聽哪首歌，這首歌是否在你的授權播放範圍內，還有你是哪個帳號、用哪種裝置、在哪個地區。接著，當你切歌、暫停、快轉，甚至換到其他頁面，平台都會記下這些訊息。
這些訊息本身並沒有在監控什麼，就像燈泡也沒有在監控將它打開或關掉的牆壁開關。但不同的是，燈泡不會記錄自己被開了幾次，除非是智慧燈泡。串流平台則不一樣，它們「必須」記錄這些資料，不只是為了技術維運，更為了計算授權金。平台必須知道是哪位用戶，在什麼時間點，播放了哪一首歌，才能依照這些資訊向音樂授權方支付分潤。
而即便不談分潤，絕大多數線上服務也都會主動蒐集這類使用紀錄，以便偵錯、維修與優化。幾乎所有網站與應用程式都會記下你做了什麼，點了哪裡、待了多久、用了哪個版本的軟體、用的是什麼作業系統。
這些資訊看似無害，但當它們被長期、大量地累積下來，便成為一種權力資源。尤其在串流平台這樣依賴「使用者習慣」來設計內容與演算法邏輯的環境中，每一筆操作資料不只是系統維運的副產品，更是用來預測、引導甚至塑造你下一步行為的籌碼。你可能只是輕輕點一下，平台卻已經在背後計算你留存多久、跳過了哪類型的歌、接下來應該推薦什麼才最有效。
BTS 打破播放紀錄，卻不是排行榜冠軍？
冰箱可以恆溫，卻不懂你愛吃什麼；Spotify 的演算法也是如此，它未必「懂你」，卻能左右「哪首歌會成功」。我們常說「數字會說話」，但在串流音樂平台，數字也會「說謊」。
直接講一個你可能聽過但沒想過的故事。2021 年，BTS 防彈少年團的單曲〈Butter〉在Spotify 上創下了史上最高的單日播放紀錄，粉絲全力應援、重複播放、刷榜、創紀錄……但結果呢？當週 Spotify 官方排行榜冠軍不是他們，而是 Olivia Rodrigo 的〈good 4 u〉。
欸？排行榜不是就是要照熱度排序，就是哪首歌最多人聽嗎？怎麼會輸？這背後，是 Spotify 「刻意」設計過的演算法規則，它設定了每個使用者每天對同一首歌最多只能貢獻 10 次播放次數。也就是說，就算粉絲重播了一整天，系統也只認 10 次。
排行榜背後的「預設條件」，會定義什麼是熱門音樂
你看到的排行榜，真的是「最多人聽的」歌嗎？還是「最被允許上榜」的歌？當一群人真的很喜歡一首歌、願意一直聽的時候，這種行為卻會被演算法「懲罰」或「稀釋」。
這不是什麼秘密，但平台從來不會主動告訴你。因為榜單的設計本來就不只是數學問題，而是價值觀的選擇：要讓「死忠粉」的聲音無限放大，還是讓「大眾偏好」主導平台的主流印象？
排行榜的背後，不只有「播放次數」，還有一堆條件限制：
- 播放時間門檻：30 秒以上才算有效播放
- 播放次數稀釋：反覆播放會被弱化影響力，強化平均值導向
- 地區權重調整：部分國家的播放量會被「打折」，以防海外粉絲集中刷榜
- 行為異常偵測：若出現突增數據、異常裝置來源，會被排除統計
這些設計表面上是防止造假，但實際上也塑造了「誰能上榜」、「誰的聲音會被聽見」的現實。另一個更隱性的影響，是播放清單生態。
單一文化與平台偏好：音樂越聽越「像」
Spotify 的演算法清單，像是「每日推薦」、「每週新發現」、「情緒類型播放清單」其實都是一種「預設選單」機制。你不是「主動選歌」，而是「從系統選單裡選歌」。
聽久了，你開始覺得：「這些歌好熟、好順、好像真的蠻不錯。」但事實是，你只是漸漸失去了自己發現音樂的能力。這就是演算法的真正目的，不是推薦你「最好聽」的歌，而是推薦你「最容易留下來」的歌。
而且你有沒有發現，大家聽的音樂都差不多？我們在討論音樂史的時候有一個叫做「單一文化」的概念，講的就是大部分的歌曲都紅不起來，然後其他人的狀況也差不多，所以結果就變成一邊是不聽歌的人，另一邊聽的都是同一批歌曲。
像是「白人流行音樂」與「黑人嘻哈」、「主流 EDM」等等——明明共存在網路世界，卻像是平行宇宙。這樣的文化經驗是共享於本地，但散落於全球。造成這一切的，是平台演算法背後的分潤機制和產業權力。
串流崛起，終結音樂「擁有權」
2003 年，Apple 推出 iTunes Store，以每首 0.99 美元的價格開啟了數位音樂購買時代。到了 2010 年，iTunes 已成為全球最大的音樂零售平台。然而諷刺的是，iTunes 的成功，讓音樂產業的利潤被科技公司吃下，創作者卻沒有因此獲得更好的待遇。
iTunes 的確是科技的勝利，但同時也是唱片產業結構的潰敗。YouTube 在 2005 年登場，Spotify 於 2009 年在歐洲上線，串流平台的浪潮迅速取代了「買歌」的習慣。
人們不再擁有音樂，只是「租用」播放權限，整個音樂產業必須面對由平台主導的分潤與曝光機制。
為什麼有些歌在你國家不能聽？區域授權是關鍵
而且，授權是區域性的。你今天想播一首歌，發現灰掉了不能聽，多半不是平台搞你，而是授權合約在你所在的國家到期了。
那這樣的授權制度會出現什麼問題呢？在 Spotify 上，只要一首歌播放超過 30 秒，就會被計入分潤，不到 30 秒，創作者是領不到一毛錢的。所以你會看到很多「偽專輯」：一堆短歌硬湊成專輯，每首歌都 31 秒、32 秒，甚至只重複一句副歌的原因在於，只要過門檻，就能收錢。
YouTube 也一樣：大部分內容你永遠不會看到
但也不是說 YouTube 就很好，雖然我們會說它是串流霸主，但這只是它光鮮亮麗的一小角。事實上，大部分的影片你從來沒看過，也永遠不會看到。
根據美國馬薩諸塞大學的研究，YouTube 上的影片中位數觀看次數是多少你知道嗎？答案是：41 次。只要超過 130 次，就已經贏過三分之二的影片了。
這代表什麼？演算法推薦給你的是具備廣告價值的影片，有些不是為了博點閱、洗推播而設計的內容。但這種正是演算法不會推薦給你的，因為它不具備廣告價值。
演算法平台的終極問題：選擇權還屬於我們嗎？
我們以為自己每天在 Spotify 挑歌、在 YouTube 選影片，是自由選擇的結果。但了解平台這些運作規則後你會發現，這些「選擇」往往都是從平台事先設計好的選單中挑出來，「最不會讓你流失」的那一項。
我們覺得自己很自由，但我們的大多數「選擇」，都是從平台演算法精心設計的選單裡，挑出「看起來最合理的」答案。
久而久之，我們開始不想找、不會找，甚至忘了怎麼去找。你喜歡的歌，還是你自己找來的嗎？還是只是在「接受推送」的過程中，變得越來越一致，也越來越扁平？
🤖 怪獸科技公司旗下五大版圖
最懂你的 #科技入門：一起培養在快速變化社會的超強適應力！
🗣️ 節目｜怪獸科技公司 Podcast（每週日晚上 9 點各大平台首播）
✍️ 專欄｜怪獸科技公司 vocus 沙龍
🎥 影音｜怪獸科技公司 YouTube：來賓焦點訪談✖️重點短影音
