Алгоритм радиостанций в Яндекс Музыке и VK Музыке не работает по одному сигналу - он взвешивает несколько типов данных одновременно. Часть из них артист контролирует через метаданные на этапе дистрибуции, часть формируется поведением слушателей и не поддаётся прямой настройке. Понимание этой границы помогает тратить усилия туда, где они действительно влияют на результат.
Как устроена радиостанция на стриминге
Радиостанция - это персонализированная очередь треков, которую площадка собирает в реальном времени под конкретного слушателя или под точку запуска: трек, альбом, артист. Яндекс Музыка называет этот режим «Моя волна» в персонализированном варианте и отдельными радиостанциями для запуска от трека или исполнителя. VK Музыка использует аналогичную механику под разными названиями в интерфейсе, но принцип тот же.
Очередь формируется из кандидатов - треков, которые алгоритм считает совместимыми с исходной точкой. Совместимость определяется через несколько слоёв: акустические характеристики, жанровые и настроенческие теги, графы похожести артистов и поведенческие сигналы конкретного слушателя. Ни одна из площадок не раскрывает веса этих факторов публично, но механика достаточно прозрачна по косвенным признакам.
Что артист контролирует: метаданные и жанровые теги
На этапе загрузки релиза через дистрибьютора артист заполняет поля, которые становятся первичными сигналами для каталогизации. Главное - жанр и поджанр. Площадки принимают эти значения от дистрибьютора и используют их при начальном распределении трека по кластерам. Ошибка здесь типична: артист выбирает максимально широкий жанр - «поп» вместо «инди-поп» или «электро» вместо «дип-хаус» - в надежде охватить больше аудитории. На практике это даёт обратный эффект: трек попадает в слишком конкурентный и разнородный кластер, где алгоритму сложнее найти для него правильный контекст.
Помимо жанра, важны:
- Язык трека - площадки учитывают его при персонализации для слушателей с языковыми предпочтениями. Если трек русскоязычный, но поле языка не заполнено или заполнено неверно, он может выпадать из ротации для аудитории, которая слушает преимущественно на русском.
- Настроение и темп - часть дистрибьюторов предлагает заполнить поля mood и BPM. Яндекс Музыка и VK Музыка также анализируют эти параметры акустически, но если метаданные противоречат аудиосигналу, алгоритм доверяет анализу аудио.
- Связанные артисты - теги feat. и featuring, правильно оформленные в поле исполнителя, помогают алгоритму строить графы связей между артистами. Если featured-артист корректно указан, трек может попадать в радиостанции, запущенные от его имени, а не только от основного исполнителя.
- Дата релиза - алгоритмы обеих площадок дают новым релизам временный буст видимости в радиостанциях. Это стандартная практика: площадка хочет протестировать трек на реальной аудитории. Чем точнее метаданные, тем правильнее выбирается тестовая аудитория.
Все эти поля заполняются до отправки релиза. Исправить их после выхода трека технически возможно, но это требует перевыпуска с обновлёнными метаданными и занимает дополнительное время на модерации.
Поведенческие сигналы: что слушатель говорит алгоритму
После того как трек попал в ротацию, его дальнейшее распространение определяется поведением слушателей. Алгоритм интерпретирует каждое взаимодействие как сигнал качества совместимости трека с аудиторией.
Скип - самый весомый отрицательный сигнал. Если слушатель переключает трек в первые 30 секунд, алгоритм фиксирует несоответствие. Массовые ранние скипы снижают вероятность появления трека в радиостанциях похожего профиля. Дослушивание до конца - положительный сигнал, особенно если за ним следует повторное воспроизведение.
Добавление в библиотеку или в плейлист - сильный сигнал интереса. Площадки различают пассивное прослушивание и активное сохранение: второе весит значительно больше при оценке трека. Лайк в интерфейсе Яндекс Музыки («нравится») и аналогичная реакция в VK Музыке напрямую влияют на персональные рекомендации конкретного пользователя и косвенно - на общий рейтинг трека в алгоритме.
Важно понимать: артист не может управлять этими сигналами напрямую. Накрутка прослушиваний и искусственные добавления в библиотеку детектируются системами фрод-фильтрации обеих площадок и не только не помогают, но могут привести к понижению трека в алгоритме или блокировке выплат.
Граф похожести: как алгоритм выбирает соседей
Каждый артист на платформе существует в сети связей с другими артистами. Эта сеть строится из нескольких источников: совместные прослушивания (пользователи, которые слушают A, часто слушают B), совместные плейлисты, кураторские решения редакции и метаданные релизов.
Когда слушатель запускает радиостанцию от артиста A, алгоритм ищет треки артистов, которые находятся близко к A в этом графе, и отбирает среди них кандидатов с подходящими акустическими характеристиками. Артист попадает в этот граф органически - через реальное поведение аудитории. Ускорить попадание в нужный граф можно косвенно: через совместные релизы с артистами нужного кластера (feat.), через питчинг в редакционные плейлисты, которые курируются командами площадок, и через присутствие в пользовательских плейлистах, где уже есть нужные артисты.
Питчинг в редакционные плейлисты через дистрибьютора - один из немногих инструментов, где артист может целенаправленно влиять на своё положение в графе. Мы подаём питч за 3-4 недели до даты выхода: это стандартный срок, который нужен редакциям для планирования. При срочном выпуске за 5-7 дней питч в редакционные плейлисты уже невозможен.
Акустический анализ: что платформа слышит сама
Независимо от метаданных, Яндекс Музыка и VK Музыка анализируют аудиофайл акустически. Алгоритм извлекает темп, тональность, энергетику, спектральный профиль и ряд других характеристик. Эти данные используются для двух целей: проверки соответствия заявленному жанру и поиска акустически похожих треков внутри каталога.
Из этого следует практический вывод: качество мастера влияет на работу алгоритма. Трек с неравномерной громкостью, артефактами или нестандартной обработкой может получать неточные акустические теги. Площадки принимают мастер WAV в исходном качестве - именно этот формат даёт алгоритму чистый сигнал для анализа. Исходный мастер должен быть технически корректным: площадки применяют собственную нормализацию громкости на своей стороне, но это не компенсирует артефакты в исходнике.
Артист может заказать сведение и мастеринг в студии, где инженер учитывает требования площадок. Это не гарантирует попадания в ротацию, но убирает технические помехи, которые мешают алгоритму корректно классифицировать трек.
Что не зависит от артиста
Несколько факторов находятся полностью вне зоны контроля исполнителя.
Первый - размер и активность существующей аудитории. Алгоритм использует данные о том, что слушают люди, похожие на текущих слушателей артиста. Если аудитория маленькая или неактивная, алгоритму не хватает сигналов для точного распределения трека. Это не приговор, но означает, что эффект от алгоритмической ротации растёт по мере роста базы реальных слушателей.
Второй - редакционные решения команд площадок. Попадание в крупные редакционные плейлисты - «Новинки недели», «Лучшее в жанре» и аналогичные подборки - определяется кураторами вручную. Алгоритм не заменяет этот процесс, а дополняет его. Питчинг через дистрибьютора увеличивает шанс попасть на радар редакции, но не гарантирует результат.
Третий - конкурентная среда в кластере. В насыщенных жанрах алгоритм ранжирует треки между собой по относительным поведенческим показателям. Трек с хорошими метаданными в переполненном поп-сегменте конкурирует с тысячами релизов одновременно. Это аргумент в пользу точного жанрового позиционирования, а не максимально широкого охвата.
Что сделать перед релизом и после
- Заполнить жанр точно. Выбирать поджанр, а не родительский жанр. Если дистрибьютор предлагает два уровня жанровой классификации - заполнять оба.
- Указать язык трека. Не оставлять поле пустым, даже если трек инструментальный - в этом случае дистрибьютор, как правило, предлагает значение «инструментал» или «без слов».
- Корректно оформить featured-артистов. Имя в поле исполнителя должно совпадать с верифицированным профилем артиста на площадках - это позволяет алгоритму связать трек с его аудиторией.
- Загружать мастер WAV в исходном качестве. Это требование дистрибуции музыки напрямую влияет на качество акустического анализа на стороне площадки.
- Подавать питч за 3-4 недели до выхода. Редакционные плейлисты рассматриваются заранее, и этот срок - не формальность, а реальная потребность кураторов в планировании.
- Отслеживать поведенческую статистику после релиза. В кабинете видно статистику по треку, площадке и стране: если скипы высокие в первые дни, это сигнал пересмотреть коммуникацию вокруг трека, а не метаданные.
- Не накручивать прослушивания. Фрод-фильтры работают, и последствия перевешивают любой краткосрочный эффект.
Если вопрос стоит шире - как выстроить цепочку от питчинга до первых данных о ротации - это стоит обсуждать в контексте конкретного релиза и каталога. Форматы сотрудничества, которые предлагает музыкальный лейбл, позволяют включить питчинг и работу с алгоритмами в общую стратегию выпуска, а не делать это точечно по каждому треку.
