《2021年网易云音乐年度听歌报告》出炉啦，拆解一波它的功能以及数据使用情况

编辑导语：相信大家昨天都被一年一度的网易云音乐年度听歌报告刷屏了，今年的听歌报告添加了“云村”场景化体验设计，进一步深化了音乐社区氛围，那么这份报告是如何产生的呢？本文作者依托于年度听歌报告，拆解了报告的数据分析功能框架，一起来看看吧。

近来，朋友圈被“网易云性格主导色分析”、“网易云年度听歌报告”和“q音年度听歌报告”刷屏了，我自己也去体验了一波，整体画风和设计是真的是非常可爱呢，可以看出网易云音乐团队的小姐姐和小哥哥们用心啦。

今天就来拆解一下，这份满满诚意的“网易云年度听歌报告”的功能模块有哪些，产出这份报告所依赖的基础数据有哪些，以及如果是你和我作为该功能（或后续接到类似需求）的PM，你该如何阐述你的需求，让研发、测试及UI/UE能够开发/测试/设计呢？让我们一起来看一看叭~

来来，先来看看我微信好友们分享的网易云年度音乐报告，是长这样子的（王嘉尔那个是我的报告）：

通常来说，要产出一份数据分析报告，首先得有足够体量的数据，而这些数据是真实的，积累一段时间的，才有业务分析的价值。 数据=资产，可以创造新的产品价值。不论是ToC产品还是To B、ToG产品，将内外部数据分析好、利用好，将能创造出新的产品价值，一来可以解决用户问题，二来可以为产品增值。

对于数据报告这种需求，其处理方式，一种通常是和客户/用户（C端产品，PM自己确认）关心的报告功能模块有哪些，然后确认实现这些功能所需的数据是否具备，以及可满足需求的程度，从而最终确认要做哪些功能模块；

还有一种是客户/用户无明确的数据分析需求，这时候，PM就要先看一看平台的数据有哪些？然后将这些数据按照“金字塔原理”进行多维度归类（如用户基础数据、用户操作数据），统计、组合、拼装、单维度分析、多维度分析，按时间跨度、按区域、按人、按组织、按事件、按标签、按类别、按排行……便可以构造一些数据分析功能出来。

本文，将尝试按照方式一，先来梳理这份报告的功能框架，以及每项功能的输入、输出，然后再来看需要什么数据实现这些功能。

从上述结果报告中可以看到：大概涉及到了10多个功能子块儿，主要包含：今年度歌曲、今年度歌单TOP10、今年度四季喜爱歌曲、今年度喜爱歌手、今年度各曲风统计占比、今年度收听最小众歌曲、今年度听歌关键词…这些功能是从 今年该用户收听的歌曲中，按照歌曲结构化数据本身，如曲风、是否小众、歌手、发表日期，歌词内容等维度进行统计分析的。

而 地域曲风“同频共振”功能则需要事先 按地区，统计不同地区的曲风占比，再与用户曲风做对比，找到“契合点”。以及听歌品味相似用户推荐，则需要综合考虑每个用户的听歌特征，可能涉及一个或多个特征（如听歌曲风、喜爱歌手、英文歌/中文歌标签等）。再如今年新探索曲风功能，需要与去年的曲风进行对比，则考虑的是 “时间维度”（本周期与上个周期）。

下述脑图，是报告中涉及到的数据统计分析部分的功能框架图：

此外，网易云音乐报告还涉及到一些非统计类的功能需求，如封面生成与保存到相册、分享，以及切换到每个数据统计分析页面的交互功能等。

在上述功能框架中，除了相似听歌品味研判功能涉及到一套相对复杂的AI研判算法以及听歌关键词涉及到的热词挖掘算法外，其余均为比较基本的数据统计、分析、排序需求，PM规定好输入、输出，研发同学开发相应的接口即可。

在这些简单的统计、分析需求确认过程中，会涉及到一些细节问题，比如春天最喜爱歌曲，其时间粒度是？从1月1日到4月30日？认为是春天？再比如，如何定义小众？听歌人数