當代網路世代的數位生活習慣，依賴分享與連結。我們熱衷於將生活點滴與親友分享，同時對「別人正在做什麼」抱持著強烈的好奇心，尤其是他們正在聽的音樂。這種對集體經驗的渴望，使得串流音樂平台成為了新型態的社交場域與探索工具，徹底改變了人們與音樂互動的方式。
串流服務透過彙整「眾人的集體聆聽數據」，自發地生成了音樂世界的秩序。換言之，聆聽資料可以讓我們知道別人知道的事情。音樂類型本身也成為了「分立的興趣社群」，而演算法與「朋友做的播放清單」共同組成了新的音樂社群，滿足了人們對於分享社群的渴望。
Spotify：數據鍊金術下的精準推薦
全球最大的音樂串流平台 Spotify 正是利用這種集體分享的趨勢來運作的。平台上的演算法，如同音樂導師般精準推薦「你可能喜歡」的歌曲。前 Spotify 資料鍊金師葛倫．麥當諾（Glenn McDonald）指出，演算法是一種數學，能夠整理出歌曲與歌曲之間，或聽者與聽者之間的潛在關係。透過分析五億會員的數據，平台能夠利用華麗的數學對複雜的偏好進行編碼，從中挖掘出微妙且讓人大開眼界的真相。
串流服務在實務操作上，也會利用收集到的基礎人口數據來預測你的偏好。例如，平台在註冊時會詢問國家、年齡和性別，因為在世上大部分地區，「整體音樂品味都會隨著年齡與性別而有所差異」。從串流業者的角度來看，這成為一種統計優勢，可以將「同國家、同年齡、同性別的舊使用者他們已經喜歡的音樂」。
資料的另一面：被收集的行為軌跡與風險
串流音樂的便利性與精準推薦，是建立在持續性的資料收集之上。有人認為，串流就是「監控資本主義」。當你按下播放、暫停或跳過歌曲時，應用程式會發送訊息給伺服器，記錄你的操作行為。這些記錄是平台「必須」要做的，因為權利金的計算必須牽涉到歌曲、帳號、日期與時間。此外，記錄也包含應用程式版本、裝置、以及連線的 IP 位址等技術資訊。
雖然 Spotify 不會知道你的政治立場、收入多寡或等個人層祕密，但「侵略性的監控並不能處理任何『朝均值迴歸』就可以輕鬆且有效處理好的商業問題」，但用戶仍必須警惕這些數據被再利用的風險。
串流服務知道我們在播放什麼音樂、放進了哪些播放清單，以及我們在搜尋時點擊了什麼。一旦這些大量的聆聽數據被收集，它們的用途就不僅限於推薦音樂本身。它們可能會被用於建立用戶的精確輪廓，如果這些數據一旦外洩，或被用於超出原先目的的商業或非商業用途（如針對特定群體進行產品推銷或社會操縱），用戶的隱私權就可能受到威脅。我們享受到音樂無止盡的資源時，也需意識到，我們正在不斷地向演算法餵食我們的習慣，並藉此確立自身的聆聽模式。
延伸閱讀
串流音樂為何能精準推薦「你可能喜歡」：從演算機制、音樂經濟到文化現象，前Spotify資料鍊金師全剖析
AI揭露聲明：
文章運用 AI 技術生成，經本報編輯心內容與引述論述，摘錄/整理自葛倫．麥當諾（Glenn McDonald）所著之**《串流音樂為何能精準推薦「你可能喜歡」：從演算機制、音樂經濟到文化現象，前Spotify資料鍊金師全剖析》**，由鄭煥昇翻譯，木馬文化出版，原書名為 You Have Not Yet Heard Your Favourite Song: How Streaming Changes Music。
