本质上，随机播放算法的重点不在于「随机」，而是一场产品和用户之间的心理博弈对决，甚至它们会随着你的听歌习惯的逐渐养成，自身也在改变着随机歌单的加权倾向。

文 | 李晨

来源：APPSO ( ID:appsolution )

下班了，又一次走进熟悉的地铁站，听着已经听过无数遍哐当哐当的地铁轨道声，你突然觉得每天的日子有点乏味和单调，就像太阳每天从东边升起，又从西边落下。

戴上耳机，打开你最喜欢的歌单，就像往常那样。你点下随机播放的按钮，希望把掌控权交给播放器和算法，让它们带给你一点未知的新鲜。

你有没有想过，随机播放算法究竟是如何给我们呈现一个随机歌单的？

「真随机」还是「伪随机」

历史上最经典的随机音乐播放器，应该还要数 iPod Shuffle。

2005 年的时候，苹果公司推出了经典的 iPod Shuffle，iPod Shuffle 在当时来说可以算是一个异类，那时候的音乐播放器（还在直接叫 MP3 的时代）基本上都已经有了一块用来显示音乐信息的屏幕，用户可以自由的选择自己喜欢的音乐，甚至有些 MP3 还能播放视频，比如 2006 年魅族推出的 miniplayer M6 已经搭载了 2.4 英寸显示屏。

而 iPod Shuffle 没有屏幕，整体比起苹果自家的 iPad Nano 来说也来的简陋。但最大的问题是，用户如何选择自己喜欢的歌曲？

答案是随机列表，你可以通过 iTunes 同步你喜欢的音乐，也可以直接同步一个你喜欢的播放列表，但是在 iPod Shuffle 上，你所能获取的最大感受是「随机播放的魅力」。

实际上，我们所说的「随机播放」常见的方式有两种，一种叫「Shuffle」，一种叫「Random」。

▲

洗牌算法. 图片来自：9to5Mac

Shuffle 一般叫做「洗牌算法」，它的原理是像扑克洗牌一样，将不同数量的扑克牌进行随机排列就能得到一个乱序结果。随机播放歌单也是如此，每次播放的时候会将这个列表中的歌曲进行洗牌，从而获得一个乱序的播放，也就是「伪随机」算法。

而 Random 则是真正的随机播放，也就是说每次切换音乐都是独立的未知数，会随机到不同的音乐，就像「抓阄」一样，它没有列表的概念，所以没有上一首和下一首的概念，是「真随机」算法。

怎么判断是「真随机」还是「伪随机」，其实只要按下「上一首」就知道了，如果切换到是你刚才听过的那一首，那就是「伪随机」的洗牌算法，如果是每次都在切换不同的歌，那么就是「真随机」算法。

这两种哪种方法更好一些呢？对于目前的用户来说，洗牌算法要更能接受一些，理论上它更加具备可控性，又能满足用户乱序播放的要求，还能避免重复听到一首歌。

目前在各大音乐 app 中用得比较多的是「洗牌算法」，比如用户数量很大的网易云音乐和 QQ 音乐等播放器都在使用。

好的随机算法应当是怎样的

即便「洗牌算法」本身有足够多的优点，但原始的「洗牌算法」已经无法满足日益增长的听歌需求，或者说也有播放器越改越糟糕的情况。

比如知乎提问中，很多人都感觉网易云音乐的随机算法有着很大问题，比如只放一小部分固定的歌曲，而有些歌曲似乎永远随机不到。甚至有的用户还表示自己删除的一首歌曲还能被随机到。

其实 app 对于这个「随机列表」是有干预的，而并非简单的进行洗牌，而但从结果上说，到底用户感知是好还是差，就看各家对于「洗牌算法」的理解和设计了。尽管吐槽网易云算法的用户不少，但也并不影响推荐歌单和评论等功能受到欢迎。

根据知乎简介为 QQ 音乐产品经理的用户刘彦彬的回答，在洗牌算法之中也会掺杂更多的大数据算法干预：

产品团队调研，用户想要的其实不是真正的「随机播放」，而是用户更多是不知道听哪首，更多是选择困难，希望能帮我做决定。而且，尽量的符合我当前的心境。

随机算法可以解决选择困难，但是并不能真正解决用户需要的心境，因为「洗牌算法」并不会知道用户究竟想要什么。但是音乐应用其实是可以做到这一点的，在足够大的个人听歌数据样本和大数据调研情况下，算法可以做出一些判断，用户此刻更想要听哪些歌。

▲

QQ 音乐. 图片来自：YouTube

举个简单的例子，在夜深人静的深夜点开随机播放，那么用户很大可能性是不想听比如金属、摇滚等过于吵杂的音乐，结合用户以往的听歌历史，这个时候随机算法就会根据用户当前的环境时间，更多的随机到轻音乐。

不然你以为那些听歌报告为什么那么详细，你夜里不睡觉循环了多少遍哪首歌，它都一清二楚。

QQ 音乐产品经理刘彦彬还总结了好的随机算法应该具备的几条特征：

记录我本地或最近一段时间的听歌记录，尽量在随机时不会推荐出来，保证随机的新鲜感；

洗牌算法做好，尽可能的隔开某个歌手，某张专辑，让用户从感官上感觉是一个随机列表；

可以在本地做用户操作记录，比如跳过歌曲的次数，对用户不感兴趣的歌曲进行降权或者过滤，精选随机的池子；

在对歌曲标签丰富后，可以做的事情就更多了，比如根据当前的场景，推荐本地适合收听的歌曲优先随机播放，这些都有助于让用户感知智能。

▲