- Last.fm dan Audioscrobbler adalah proyek mahasiswa yang dikembangkan secara independen pada 2002, yang mewujudkan rekomendasi musik dan koneksi antarpengguna awal berbasis web sosial dengan menggunakan 'collaborative filtering'
- Last.fm beroperasi dalam bentuk radio internet yang membuat 'Map of Music' berdasarkan riwayat dengar pengguna untuk memvisualisasikan hubungan antar genre dan lagu, serta memungkinkan profil dibagikan kepada pengguna lain
- Audioscrobbler melacak data pemutaran musik pengguna untuk membuat catatan dengar yang disebut 'scrobbling', lalu menggunakannya untuk perbandingan dan rekomendasi dengan pengguna yang memiliki selera serupa
- Kedua layanan ini sama-sama keluar dari model siaran tradisional dan menawarkan cara menemukan musik baru melalui data pengguna dan koneksi sosial
- Keduanya kemudian digabungkan dan dinilai sebagai contoh yang menunjukkan kemungkinan rekomendasi berbasis data pengguna dan jejaring sosial pada era sebelum Web 2.0
Pertanda awal web sosial
- Last.fm yang muncul pada 2002 adalah platform radio internet buatan mahasiswa Ravensbourne College di London, yang menyediakan rekomendasi musik yang dipersonalisasi berdasarkan riwayat dengar pengguna
- Saat pengguna berulang kali mendengarkan musik, sistem mempelajari selera mereka dan membangun profil pribadi
- Melalui 'Map of Music', yang memvisualisasikan gabungan semua profil pengguna, hubungan antargenre dapat ditampilkan
- Collaborative filtering adalah teknologi rekomendasi yang digunakan Amazon, yang membuat daftar rekomendasi dengan menghubungkan item yang memiliki riwayat pembelian atau penilaian serupa
- Contoh paling terkenal adalah fitur Amazon “Customers who bought this item also bought”
- Last.fm menerapkannya pada data musik untuk menghasilkan rekomendasi berdasarkan hubungan antarlagu
Kemunculan Audioscrobbler
- Pada tahun yang sama, Richard Jones dari University of Southampton di Inggris mengembangkan Audioscrobbler, yang mengumpulkan data pemutaran musik pengguna untuk menghasilkan rekomendasi
- Pengguna memasang perangkat lunak untuk mencatat data dengar secara otomatis
- Data ini kemudian dibandingkan dengan pengguna lain melalui collaborative filtering dan menghasilkan rekomendasi
- Jones menciptakan istilah “audioscrobbling” untuk mendefinisikan proses rekomendasi berbasis riwayat dengar
- Setelah itu, Audioscrobbler bergabung dengan Last.fm dan berkembang menjadi satu platform
Lepas dari model siaran
- Last.fm keluar dari struktur siaran radio tradisional, di mana editor memilih musik, dan menawarkan pendekatan di mana pengguna sendiri membentuk alur musik
- Pengguna menilai lagu dengan tombol 'love', 'hate', dan 'skip' untuk menyesuaikan koleksi pribadi mereka
- Mereka juga bisa menjelajahi profil pengguna lain atau membuat stream yang sesuai dengan selera mereka secara otomatis
- Salah satu pendiri, Martin Stiksel, menjelaskan bahwa “musik yang bagus ditemukan dalam konteks sosial, seperti saat mendengarnya di rumah teman”
- Memindahkan konsep itu ke lingkungan online adalah inti dari Last.fm
Nilai data pengguna
- Last.fm dan Audioscrobbler menerapkan cara menemukan konten baru dengan memanfaatkan nilai kolektif data pengguna
- Mirip dengan rekomendasi produk Amazon, data kebiasaan mendengarkan musik berfungsi sebagai sumber daya utama untuk rekomendasi
- Namun pada saat itu, karena pembatasan hak cipta rekaman musik, hanya sampel 30 detik yang bisa diputar
- Setelah itu, layanan ini beralih menjadi radio online resmi dengan membayar biaya lisensi kepada PRS dan MCPS
- Upaya ini menunjukkan kemungkinan model konsumsi musik berbasis data pada tahap sebelum revolusi streaming
Keterhubungan menuju Web 2.0
- Penggabungan Last.fm dan Audioscrobbler meletakkan dasar web sosial yang berpusat pada partisipasi pengguna dan berbagi data
- Elemen kunci Web 2.0 seperti rekomendasi personal, koneksi antarpengguna, dan visualisasi data telah diwujudkan lebih dulu
- Dalam arus web sosial yang mulai menguat setelah 2004, kedua proyek ini dinilai sebagai bentuk awal komunitas online yang dimediasi oleh musik
Belum ada komentar.