# 古斯塔夫·瑟德斯特伦：Spotify > Spotify 首席研发官谈音乐推荐算法、播客布局与产品背后的实验文化。 - 原标题：Gustav Soderstrom: Spotify - 期数：特别节目 - 发布日期：2019-07-29 - 嘉宾 / 主题：古斯塔夫·瑟德斯特伦与 Spotify - 网页版：https://lexfridman-cn.pages.dev/ep/gustav-soderstrom/ - 官方页面：https://lexfridman.com/gustav-soderstrom/ - 精读字数：约 9509 字（阅读约 21 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 Lex Fridman 在节目开头抛出一个看似无厘头的问题：史上最伟大的歌曲是哪一首。坐在他对面的古斯塔夫·瑟德斯特伦（Gustav Söderström）是 Spotify 的首席研发官，管着产品、设计、数据和工程团队，按说他最该给出一个统计学意义上的答案。 他的答案是《You're So Cool》，出自电影《真实罗曼史》的配乐，作曲是汉斯·季默。他结婚的时候专门跟管风琴手坐在一起，把这首曲子改编成管风琴版本在婚礼上演奏。Lex 说这部电影也是他心里的前三名，两个人就着这个话题聊了将近两个小时。 这首曲子本身不重要，重要的是它为什么会被选出来。瑟德斯特伦在音乐品味成型的那几年反复听它，于是它成了他个人历史的一部分。Spotify 后来做的所有事情，本质上都在处理同一个问题：每个人的音乐品味是怎么长出来的，机器能不能学会它。 ## 音乐是私事，社交发生在很小的圈子里 Lex 说自己听音乐是很私密的事。他的曲库里有一堆 guilty pleasure，除了极亲近的人没人知道，而且知道的也只是其中一部分。瑟德斯特伦同意这个说法，又补了一层：音乐确实私密，只不过它的社交属性发生在很小的群体里。 > 音乐有很强的社交性，但场景是小群体。它是一种亲密关系，不是那种你随手就分享出去的东西。（瑟德斯特伦） 他提到 Spotify 试过在社交网络上做音乐分享，结果发现人们对朋友在听什么兴趣不大。人们真正想知道的是：我和这个人有没有共同点。共同点这个信息有价值，朋友的完整收听记录没有。 至于音乐的功能，瑟德斯特伦给了两个方向相反的说法。一个是逃离，把自己放进另一种精神状态里待一会儿。另一个是专注，用音乐把大脑调到适合当前这件事的频道上。后者更有意思：如果把大脑看成一整套神经网络，音乐大概是把它调进某个状态最省事的办法。讲故事也能做到，但慢。 ## 三分钟这首歌，是一个物理限制的遗产 Lex 请瑟德斯特伦用尽可能短的时间讲一遍人类听音乐的历史，顺带提到三万五千年前洞穴里就出现了类似笛子的乐器，用在狩猎仪式和原始聚会里。瑟德斯特伦的这段回答里藏着一个很少被提起的因果关系。 在录音技术出现之前，音乐没法被记录下来，创作和消费必须同时发生。你要听音乐，就得走到有音乐的地方去。这件事让音乐的传播极其困难，但它也带来了两个今天已经消失的特性：创作者始终能直接看到听众的反应，以及音乐的长度不受任何限制。 早期的古典作品动辄几十分钟，瑟德斯特伦认为这不是巧合。后来蜡盘唱片出现，一面只能装下三分钟。**三分钟从此变成了音乐的标准长度，它的来源是一个物理载体，跟艺术判断没有关系。** > 你本来可以写一首几十分钟的作品，现在只能写三分半，因为唱片那一面的蜡用完了。作为交换，你得到了惊人的分发能力。（瑟德斯特伦） 再往后是广播。广播一开始不是音乐媒介，是用来播新闻的信息媒介。电台需要找东西把时间填满，好塞进更多广告，而音乐是免费的，于是音乐被大量塞了进去。这套生态制造了金曲这个概念，也制造了一个极度集中的收听结构：所有人都听同样的东西。 集中有它的好处。瑟德斯特伦举的例子很直白：如果大家都在看最新一集《权力的游戏》，那随便找个人聊天都能聊起来。个人选择的时代里，这种共同文化背景会变薄。 接下来是 CD。CD 的意义在于音乐第一次变成了数字文件，虽然分发还是物理的。文件可以被下载，于是 Napster 出现了。瑟德斯特伦在这里指出一个有意思的现象：**音乐长度重新被放开之后，真正突破三分钟格式的是 EDM。**这种音乐从诞生起就是数字文件，下载和播放都不受载体限制，所以它可以是八分钟、十分钟。不过他也承认，打破格式的作品比他预想的要少得多。原因可能很简单：所有人的训练数据都是三分半的歌。 ## 盗版是一份写得很难看的商业计划书 Lex 说他来自俄罗斯，对盗版这个话题有切身体会。他认识的人里有很多盗版过音乐、软件、电视剧、体育赛事。这些人并不是付不起钱，他们只是选了体验更好的那一方。所以盗版这件事真正的含义是：**它标出了一个商业机会。** 瑟德斯特伦完全同意。盗版的体验其实很烂：没有元数据，下载慢，管理麻烦。可它解决了访问问题。iTunes 之类的下载商店把商业模式补上了，但没解决访问问题，因为每试听一首新歌要付 99 美分。这个边际成本会改变人的行为。 > 很多人是听着音乐入睡的。如果三分钟要收你 99 美分，你大概不会这么做。有真实的金钱成本压着，你探索音乐会保守得多。（瑟德斯特伦） 当时还有一个流传很广的现象：用户用 Spotify 找到喜欢的歌，然后再去 BT 站下载一份，只为了拷到手机上。这个画面说明分发和消费在当时是断开的。 Lex 补了一个软件领域的例子：Adobe 转向按月订阅之前，盗版 Adobe 的动力要强得多。改成订阅制以后，他认识的那些人开始心甘情愿付月费。瑟德斯特伦的说法是，产品市场契合有时会先于商业模式出现，盗版就是那个信号。 瑞典的情况特殊。那里甚至有一个正经注册的盗版党，社会上普遍认为信息应该免费，认为对一串 0 和 1 收费在道义上说不通，艺术家应该靠演出赚钱。这种社会共识逼着 Spotify 从一开始就必须跟免费正面竞争。瑟德斯特伦说，这件事在世界任何其他地方都不太可能发生。音乐产业得惨到一定程度才敢冒这个险，而瑞典正好是一个完美的试验场：政府铺了高带宽低延迟的宽带，产品跑得起来；而且那里本来也没什么音乐产业可以失去。 他的结论是：**Spotify 这个产品不可能在美国诞生。**美国是全世界最大的音乐市场，那里的产业没有动力接受这种实验。 ## 250 毫秒，把世界装进硬盘的感觉 跟免费竞争，价格已经降到零，剩下的只能靠体验。Spotify 当年赢下的那个点，是延迟。 当时的宽带已经很快，但下载一首歌仍然要三十秒到一分钟。Spotify 把起播时间压到了人的感知阈值以内，大约 250 毫秒。**这个数字带来的效果是：用户感觉所有音乐都已经下载在自己硬盘上了。**实际上没有，但感觉上是这样，而且它还合法，还免费。 技术上这件事靠一支很强的工程团队完成。其中一个人叫 Ludvig Strigeus，uTorrent 的作者，写出了全世界最小的 BitTorrent 客户端。Spotify 的两位创始人 Daniel Ek 和 Martin Lorentzon 很早就把他招了进来，把 uTorrent 卖给了 BitTorrent 公司，人留了下来。所以 Spotify 早期积累了大量点对点网络的经验。 最初的创新本质上是分发创新。Spotify 自建了一整套媒体分发系统，直到几年前还在自己托管全部音乐，服务端和客户端都在自己手里。这种端到端的控制让他们能做很多事：在客户端做本地缓存，把桌面端变成一张巨大的分布式硬盘；绕开 TCP 里那些为带宽优化的机制，比如 Nagle 算法那种指数退避式的缓慢爬升，直接全速跑起来，**牺牲带宽换延迟**。 这套东西在 2007 年做出原型，2008 年在瑞典上线，只有桌面版。iPhone 那年刚发布，App Store 还要再等一年。瑟德斯特伦说，趋势已经写在墙上了，但当时还没有手机。早期他们还做过一个邀请制内测计划，本意是控制扩容节奏，结果顺便制造了大量期待感。美国上线时这套打法又被复用了一遍。 今天 Spotify 跑在 Google Cloud 上，不再自建机房，全世界的网速也快得多，那套技术优势早就用完了。但在当年，它就是产品的全部。 ## 一场关于占有的集体心理治疗 从买唱片到订阅流媒体，中间隔着的其实是一道心理门槛。Lex 把这件事形容成一次心理治疗：他以前的听歌方式是囤积，一首一首攒，一张专辑一张专辑收，拥有感是体验的一部分。用上 Spotify 之后，他需要接受的是把自己收藏的音乐全部扔掉。 瑟德斯特伦说他跟很多人做过同一场心理治疗。Spotify 刚上线的时候，用户的行为模式跟以前一模一样，照样囤积，好像音乐随时会消失。他们给歌单设过一个几十万首的上限，当时觉得不会有人碰到这个数字，结果真的有人去把整个曲库塞进去。 他给出的那个心理转换是这样的：**你没有扔掉你的音乐，你只是把硬盘寄存在了一个地方，而那个地方现在装着全世界的曲库。**按这个思路想，你得到的音乐变多了，不是变少了。 真正让这件事成立的关键设计是免费层。**只要用过 Spotify，你的歌单就永久属于你，停止付费也不会消失。**如果一开始的规则是停止付费就失去一切，用户不可能愿意投入时间去建歌单，这个产品也就起不来。瑟德斯特伦认为这一点正是很多竞争对手的软肋。 Lex 顺带说了囤积的另一个副作用：因为他反复听同一小批歌，很快就听腻了。流媒体带来的多样性反而让他对喜欢的歌更耐受，可以一直听《Stairway to Heaven》而不至于厌烦。 ## 三亿个歌单，一个撞上的数据集 Spotify 的曲库有 5000 多万首歌，歌单数量超过 30 亿个。歌单比歌多出六十倍。 瑟德斯特伦的解读是：如果把曲库看成一个空间，每个歌单就是一条穿过这个空间的路径。几千万个原子单元之间，存在几十亿条走得通的路径，而且他们很可能还远远没有找全。 他把 Spotify 早期形容成搜索框加一门叫歌单的编程语言。懂音乐的人知道新发行、知道老唱片、知道自己要听什么，可以给自己编一张贯穿人生的原声带，而且个性化程度完美，因为是他自己编的。问题是大部分人不懂音乐，也没时间。**所谓推荐算法，就是替这些人雇一个懂音乐的朋友。** 真正的转折来自一次意外。公司里有人发现，用户在给自己分组歌曲的时候，其实是在按某种语义维度分组，而且还会给这个分组起名字。这些名字和分组本身就带着信息。 瑟德斯特伦承认，**歌单数据被拿来训练推荐，是运气，不是战略。**回头看显得很聪明，当时其实就是撞上了。早在 2007、2008 年，团队里就有人在认真做机器学习，那时候主流方法还是协同过滤。他们拿这些歌单数据试了试，效果出奇地好。 他后面说的一段话有点反直觉。如果从外面看这个问题，你大概会猜算法应该先在主流听众身上表现好，因为主流品味看起来是更容易的问题。**实际结果完全相反：推荐系统在自认品味独特的人身上效果最好，在主流听众身上反而一般。**原因大概是那些自认独特的人听的东西更集中、更有规律，而主流听众的收听行为更杂。 所以 Spotify 是被迫先解决最难的问题，再回头去啃主流。 另一个数据来源是 2014 年收购的 Echo Nest。这家公司没有播放数据，他们做的是另一套：分析歌曲的声学结构，翻维基百科找文化关联。Spotify 有用户行为数据，Echo Nest 有基于内容的数据，两边合起来才完整。一首刚上线的新歌没有播放记录，只能靠歌手是谁、声音像什么、跟什么相似来判断。 瑟德斯特伦承认用户数据捕捉的是社会文化层面的东西，这是单纯分析音频永远看不到的。但音频里也有信息。他们设在巴黎的研究团队发现，**光凭歌曲本身的结构，就能预测用户会在哪一秒跳过。**这个结论听起来玄，其实不玄，因为音乐本来就是一种对心智的操作，有结构才会有效果。 ## 测试集是新的线框图 瑟德斯特伦引用了吴恩达的一个说法。做机器学习产品的时候，这个推荐要好根本不是一句可执行的产品描述。产品经理的新工作是**构造一个能代表目标场景的测试集**。想要开车时适合跟着唱的歌，就得先攒出一批符合这个描述的样本，工程团队才有东西可以逼近。 Spotify 内部的实践是编辑加算法的组合，他们内部叫 algo-torial。一个懂灵魂乐或者嘻哈的资深编辑，先想清楚一个概念，比如洗澡时适合吼的歌，取个名字，配张图，再从曲库里手工挑出几千首符合条件的歌。这批歌交付给用户的时候，再根据每个人的品味向量筛出属于他的那二十首。 这套流程同时有编辑判断和个性化。瑟德斯特伦强调，编辑比算法聪明得多，他们能理解文化背景，能理解一首歌是不是出现在某部电影里。算法做不到这些。**但一个人没法每小时为两亿用户做两亿次判断，算法不够聪明，却足够便宜。** Lex 追问：既然文化语境这么难编码，机器学习真的做不了吗。瑟德斯特伦的回答是，机器学习擅长复制模式，前提是模式已经存在。而开车时适合唱的歌这个定义的规格说明书本身就写不出来。它是不是够响？和声够不够多？是不是出现在某部电影里？写到第三行就乱了。 他提到的另一个产品经验是**期望管理**。Discover Weekly 这个名字本身就设定了期望：这里的东西大部分你都不会喜欢，所以每周能捞到一首宝贝你就满足了。Daily Mix 的暗示完全不同：这里面应该全是你的菜，十首里有九首不对你就会觉得这个产品很烂。算法上，Discover Weekly 可以放得很野，Daily Mix 必须保守。产品好坏有时候取决于名字。 ## 给音乐人一套软件工程的工具链 Lex 说他最近接触了一些 YouTuber，这些人盯着后台数据看观众在第几分钟关掉视频，然后在下午改内容。瑟德斯特伦认为，音乐创作这边几乎没有这种反馈回路。 他把音乐人跟软件开发者做对比，这个对比相当扎心。音乐人用 DAW 做出分轨文件，相当于源代码，然后反复试听、调整，满意之后编译成一个成品，分发出去，之后就听天由命。**换成软件开发者，没有人会这样干活。**没人会只发一个版本、不做 A/B 测试、不收集 issue、不看反馈再迭代。 > 音乐人手里的工具链，跟软件开发者手里的工具链比，显得相当古老。为什么音乐人不能有 GitHub 这样的东西？（瑟德斯特伦） Spotify 为此做了几笔收购。Soundtrap 是一个浏览器里的数字音频工作站，主打音乐界的 Google Docs，让多人在分轨格式上协作。Anchor 是播客领域最大的创作工具之一，移动优先，把创建门槛压到最低。更早之前还有 Spotify for Artists 和 Spotify for Podcasters，让创作者验证身份之后看到自己的作品在哪些城市被听、听众构成如何、表现怎么样，这些东西软件开发者在十几年前就有了。 这一整套东西连起来，就是一个从创作到消费的闭环。瑟德斯特伦顺带比较了一下 Adobe：Photoshop 帮摄影师和画师做了很多创新，但 Adobe 手里没有分发渠道，你在 Photoshop 里做的东西，拿不到发布之后观众什么反应这种即时反馈。**Spotify 如果能把创作工具和分发渠道接在一起，就有了一个 Adobe 没有的东西。** ## 播客是一个六十年没变过的格式 Spotify 的公司使命是让一百万个创作者靠自己的作品活下去。瑟德斯特伦说这个使命把创作者放在了第一位，尽管 Spotify 面向的是消费者。 他们几年前把业务定义从音乐扩成了音频。这个扩展是被世界推着做的。**戴上耳机的那一刻，你要在音乐和一期新播客之间做选择，这个选择在你手里，不在产品分类里。**有声书也在涨，音频这块的机会被普遍低估了。 Spotify 内部把自己定位成音频服务。瑟德斯特伦说人花在音频上的时间和花在视频上的时间差不多，但视频的商业价值高得多，音频被严重低估。他们也存了音乐视频，但定位是背景视频，帮你认识一个艺人的身份，而不是叙事主体。YouTube 上有大量人纯粹把它当音乐播放器用，某种程度上是个奇怪的竞争对手。 Spotify 进入播客的时候，Apple Podcasts 已经绝对主导，而 Spotify 两年前一个播客都没有。他们的打法是先看消费者问题：调研发现人们希望播客和音乐待在同一个应用里。所以他们没有另做一个播客 App，而是把播客塞进已有的音乐应用，**等于一上来就有两亿用户，而不是从零开始。**这个策略让他们在很短时间内成了仅次于 iTunes 的第二大播客消费平台，差距还不小，但增长很快。 瑟德斯特伦对播客格式本身的评价是：**一期播客就是一坨一两小时的不透明文件，没有交互，没有反馈回路，2019 年还这样其实说不通。**他认为真正能赢的地方在于为创作者和听众都做出更好的产品。同时他也很小心，因为播客是一个脆弱生态，进去之前必须搞清楚创作者现在怎么获得分发、怎么赚钱，不能上来就把东西内部化。 Lex 提了一个他关心的问题：音乐里专辑的地位被歌单部分取代了，播客会不会也出现类似的重新组织。瑟德斯特伦的回答是，专辑在音乐里仍然重要，因为它是创作格式，可以跨若干首歌讲一个更长的故事。播客更像 Netflix 的剧集，你会喜欢某个主持人和某档节目，会同时追好几档，但不太可能把一期《毒枭》和一集《纸牌屋》混着看。**主持人和节目本身不会消失。** 真正缺的是发现。播客目录现在只有五六十万档节目，而 YouTube 上的创作者内容大概有几十亿条。创作工具在变简单，目录会爆炸式增长，发现的问题会变得非常大。而且播客的发现比音乐更难，因为没有标准答案：有的节目必须按顺序听，有的可以随便跳，有的同一档节目里不同集聊的完全不是一个话题。瑟德斯特伦说他们现在花很多时间在建立这个领域的知识图谱，搞清楚这些对象之间是什么关系、人是怎么消费的。 Lex 补了一个具体的低垂果实：大部分播客没有顺序，而且不是每一集都好，用户其实很想知道该从哪一集开始试。现在几乎没有关于单集质量的信息，没有赞踩，什么都没有。 ## 手指比按钮更诚实 推荐系统的信号从哪来。瑟德斯特伦列了几种，而且它们的性质完全不同。 第一种是播完和跳过。**音乐在这件事上有一个天然优势：单个对象只有三分钟左右。**反馈回路的周期是三分钟，而不是两小时。代价是信号噪声大。很多收听发生在手机装在口袋里的场景，跑步、开车、音箱外放。你没有跳过，可能只是因为这首歌没有烂到值得你掏出手机关掉它。 第二种是保存到曲库，相当于音乐里的点赞，是明确的喜爱信号。 第三种是建歌单。你花了时间把一首歌放进歌单，它对你的重要性几乎没有疑问。而且歌单还告诉系统这首歌跟哪些歌有关系。 三种信号的处理方式必须完全不同，因为一种量大但噪声大，另一种稀少但几乎可以完全信任。 Lex 提到一种没法被任何信号捕捉的感觉：某首歌正好是此刻该听的，但除了把它完整听完，你没有任何方式表达这件事。瑟德斯特伦说他们在试竖起大拇指这类直接反馈，但他不确定这是不是人和算法最好的交互方式。**如果用户把 Spotify 当成一个人，一个坐在旁边试图服务你的助手，那对它说一句干得好就很自然。**另一个思路是让它隐形，从你主动建歌单这个行为里学，就像特斯拉从你实际怎么开车里学一样。 ## 当界面只剩下词汇 智能音箱的爆发给 Spotify 带来了新的产品形态。瑟德斯特伦说这事解决的是一个听起来很小的需求：从房间另一头控制设备。摩擦对消费者很重要，能隔着房间说一句播放，效果比想象中大得多。 他们多年前就判断过，家庭会从 CD 直接跳到流媒体音箱，中间那一代网络附加存储加功放的方案太麻烦，大部分消费者搞不定。这个判断当时兑现得比预期慢，直到语音音箱出现才真正引爆。他观察到音箱的头号使用场景就是音乐和播客。 下一步的形态可能不是语音音箱。Google 的智能屏加了摄像头，闹钟响的时候挥一下手就能关掉。瑟德斯特伦觉得这些设备会演变成真正的助手，一个能看见你的助手会比一个看不见的助手有效得多。但音频仍然会是它们最大的用例。 音箱的界面只有词汇，没有像素，所以约束很强。而且人对自然语言理解失败的容忍度极低，错一点点就放弃。Spotify 的应对是设计容错的界面：常见的几个操作，播放、暂停、下一首，语音确实更省事；遇到复杂的需求，比如帮我找那首歌，用户还是会拿起手机用键盘搜索，然后再投到音箱上播。**产品要停在刚好帮上忙的位置，太笨帮不上，太聪明挡路。** Lex 讲了一个具体例子。他对着某个音箱说播放《Stairway to Heaven》，很大比例的时候放出来的是一个翻唱版本。瑟德斯特伦承认这是个真实且棘手的问题，因为它横跨了多家公司。语音识别那一层输出的是一个候选列表，Spotify 拿到之后才能用个性化信息判断你要的是哪个版本。如果用户最近连听了五十遍翻唱版，那翻唱版才是他要的，此时如果按默认放原版，Spotify 就显得很蠢。**问题是 Spotify 的个性化判断必须发生在那句他到底想要什么的猜测过程里，而那一层通常不在 Spotify 手里。**所以 Spotify 自己做了语音识别能力，还要在共享数据和保护用户数据之间跟合作伙伴反复谈判。用户的感受很简单：我说了五十遍，它还是放错，能有多难。 ## 跟一群有钱的猫打交道 Lex 抛出的问题很直接：Spotify 怎么在唱片公司、艺人、用户之间周旋，还能赚到钱。截至 2018 年 8 月 31 日，Spotify 向版权方支付的累计金额超过 110 亿美元。Lex 说自己当年刚用 Spotify 的时候，第一反应是这家公司大概一个月内就会破产，因为好得不像真的。 瑟德斯特伦说，回头看，押注 Spotify 会死是统计上非常理性的判断，音乐流媒体的尸骨摆在那里。他自己当年如果真搞懂了音乐产业的复杂度，大概也会得出更理性的结论。**所以他说自己当时是无知者无畏。** 他梳理了几个关键条件。第一个是瑞典和北欧本来就是失守的市场，唱片公司试一下没有风险。如果市场当时是健康的，这套模式不会有机会。 第二个是模式本身的认知差。在下载和 CD 时代，艺人拿的是预付，一次性拿到未来所有播放的钱。流媒体模式初期几乎一分不给，**要等到增量收入的曲线跟第一天的付款相交，行业才会明白这个模式更好。**这个交叉花了很多年才出现。一旦想通，逻辑就很清楚：一首大热单曲会被播放很多年，按实际使用量收钱，比按发售当天的预期收钱划算得多。现在音乐产业的收入已经回到上升通道。 第三个是策略选择。当年有些竞争对手的做法是绕开版权，先做大，大到唱片公司不敢动自己。Spotify 没有走这条路，第一天就谈授权，一轮一轮谈，很慢，很烦，看着别人走捷径还没事，心里很不平衡。**瑟德斯特伦把这形容成重复博弈：玩很多轮之后，守规矩才是统计上正确的策略。**十年下来，双方建立了一种很奇怪的信任：你坑过我一次就完了，但你没有，我也没有。 这种信任有一个更硬的基础：**Spotify 的商业模式和音乐产业是完全对齐的。**音乐不变得足够大、不够多的人愿意为它付钱，Spotify 就没有生意可做。其他公司哪怕音乐赚不到钱，照样能靠别的业务赚钱。这种对齐让双方敢一起做冒险的产品决策，比如免费层，那对唱片公司来说是一次巨大的风险，他们理应得到这份功劳。 Lex 提到乔布斯当年在 iTunes 上一首歌卖一美元，唱片公司同样不舒服。瑟德斯特伦承认那是同一类事情：信任、博弈、关系，都需要很长时间才建立起来。区别在于苹果承受得起这个过程的失败，Spotify 一开始承受不起。 至于为什么是 Spotify 活了下来，他不认为有什么魔法。他给的解释是外界对这套商业模式的误读：很多人看到 premium 模式，觉得 9.99 美元一个月卖音乐，用户会付。**实际情况是用户先在免费产品里把使用量养起来，用着用着才觉得这件事可能值 9.99 美元。付费意愿是随着使用深度长出来的。**同时运营广告和订阅两套模式，这件事的复杂度被低估了。只做订阅的，撞上没人愿意付钱的墙；只做免费加广告的，收入不够养活音乐产业。他半开玩笑说这套组合拳其实是从外面看不透的，本来不该在节目里说出来。 ## 两个关于未来的赌注 瑟德斯特伦认为音乐、播客、有声书属于少数几种核心的人类需求，没有理由不能做到消息应用或者社交网络那个量级。他希望最终是几十亿用户，全世界每个人都能拿到全世界的音乐。 消费方式上，他更关心的是格式能不能再变一次。他拿短信做类比：短信靠的是运营商之间的标准，好处是分发和互通性，坏处是格式极度受限。想往短信里加图片变成彩信，从八十年代末拖到两千年出头，**一个产品周期走了十五到二十年。**而一旦创作和消费被收进同一个软件栈，比如 Snapchat 或者 WhatsApp，创新的速度就完全不一样：第一周做了阅后即焚，两周后加了 Stories。 他的判断是，现在人类第一次有足够多的用户和创作者集中在一批流媒体服务上，格式这件事可以重新开始动了。三分钟这首歌是一百年前的分