2016/10/18

KKBOXが大幅リニューアル! パーソナライズ機能強化/マルチデバイス対応/UI刷新で、より直感的な音楽との出会いを実現

KKBOXが大幅リニューアル! パーソナライズ機能強化/マルチデバイス対応/UI刷新で、より直感的な音楽との出会いを実現

KKBOXが大幅リニューアル!

パーソナライズ機能強化/マルチデバイス対応/UI刷新

より直感的な音楽との出会いを実現


KKBOXは、アプリを大幅にリニューアルいたしました。

今回のリニューアルでは、当社の理念“Connecting people with their shared passion of music”を元に、パーソナライズ機能の強化、対応デバイスの拡充、提供コンテンツの拡充およびUIをリニューアルしました。

なお、今回のリニューアルは、日本国内だけでなく、KKBOXがサービス展開する台湾、香港、シンガポール、マレーシア、タイにおいても実施しました。

====================================================

■使えば使うほど自分好みのアプリに進化する、パーソナライズ機能の強化

国立台湾大学などの専門機関との連携で開発した、独自のリコメンドシステムを導入しました。使えば使うほど、自分好みのアプリに進化します。

■いつでもどこでも楽しめる、対応デバイスの大幅拡充

これまで以上に様々なシーンで、KKBOXを楽しむための取り組みの一つとして、マルチデバイス化を推進。今回新たに、『Apple CarPlay』 、『Android Auto』を含む車載端末や、『Apple TV』『XBOX』などのリビングルームを演出するデバイス、ウェアラブルデバイスの『Apple Watch』『Android Wear』への対応を開始しました。

■新機能を最大限楽しめる、UIのリニューアル

今回の大幅な機能追加や、対応デバイスの拡充に合わせ、ユーザーがより便利で快適にお楽しみいただけるように、直感的で視認性の高いカード型UIに変更しました。

■音楽との出会いを広げる、提供コンテンツの拡充

音楽のジャンルカテゴリを再構築し、楽曲分類の再編成、プレイリストの増強を行いました。これまで以上に、シーンにぴったりな楽曲を見つけられるようになります。

===================================================


1. パーソナライズ機能を強化した、リコメンドシステムの導入 (台湾専門機関との連携により開発)

台湾の専門機関(国立台湾大学、中央研究院、国立政治大学)との3年にわたる連携により、より正確に、より人間の思考回路に近いリコメンドを可能にする新リコメンド機能「Discover」を開発し、導入しました。

「Deep Learning(ディープ・ラーニング)」と呼ばれるアルゴリズムを採用し、ビッグデータをもとにユーザーのリスニングデータを多角的に分析して、それぞれのユーザーに向けて最適なコンテンツを提案するだけでなく、アプリのレイアウトそのものも最適化し、パーソナライズすることができるようになりました。

本機能の実装に伴い、これまでの「オススメ」コーナーを「ディスカバー」コーナーに変更しました。

「ディスカバー」コーナーでは、様々なジャンルのミュージックキュレーターによるプレイリスト、ジャンル別/国別のランキングなど、多角的なリコメンドが表示されます。さらに、ユーザーの使用状況に応じて、音楽の嗜好性がアプリのレイアウトに反映され、嗜好の高いアルバムやプレイリストから表示されるようになります。

また、アプリのレイアウトにはユーザーのリスニング傾向も反映されます。アルバム単位で聴く傾向のユーザーにはアルバムのリコメンド、プレイリスト単位で聴く傾向のユーザーにはプレイリストのリコメンドがより多く表示されるようになります。


2.対応デバイスの大幅拡充

日常のあらゆるシーン・シチュエーションにおいて、より一層KKBOXで音楽をお楽しみいただけるよう、対応デバイスを更に拡充しました。

車載端末の『Android Auto』『Apple CarPlay』に対応開始したほか、リビングルームを演出するデバイスとしては既に対応済みの『Android TV』『Chromecast』に加えて、今回新たに『Apple TV』『XBOX』が対応開始します。さらに、ウェアラブルデバイスの『Apple Watch』『Android Wear』でもKKBOXをお楽しみいただけるようになりました。

『Android Auto』、『Apple CarPlay』対応により、対応車種の車載ディスプレイから直感的な操作ができるようになり、ドライブ中も安全に、普段聴いているプレイリストや楽曲をシームレスに楽しめるようになりました。また、最大4000曲のキャッシュ機能を利用することで、ドライブ中にも通信量を気にせず音楽を楽しむことも可能になりました。

『Apple TV』ほか各種リビングルーム向けのデバイスでは、KKBOXをテレビ専用のインターフェースからシームレスにご利用いただけます。自宅のこだわりの音響機器でリスニングしたり、パーティーでその場の雰囲気に応じた選曲をして皆で楽しんだりと、様々なシーンでご使用いただけます。

さらに、『XBOX』にも順次対応開始いたします。これにより、好きな音楽を聴きながらのゲームプレイが可能になります。

『Apple Watch』『Android Wear』のウェアラブルデバイスでは、ジムでのエクササイズや、スポーツの最中でも簡単に選曲して音楽を楽しめます。


3.UIの刷新

今回の大幅なリニューアルに合わせ、より便利で快適にお楽しみいただけるように、直感的で視認性の高いカード型UIにリニューアルいたしました。

これにより、ユーザーは好みの音楽を簡単に見つけられるだけでなく、カード型UIを通じて、画面をスクロールするだけで、手軽に「新たな音楽を探す旅」を体験できるようになりました。 


4.ジャンルカテゴリ再構築・提供コンテンツを拡充

今回の様々なリニューアルに合わせて、音楽のジャンルカテゴリの再構築を行いました。音楽ジャンル・シチュエーションを追加し楽曲/プレイリストの分類を再編成しました。加えて、新しく構築したジャンルカテゴリそれぞれに“代表曲/定番曲”を設定しました。

これは、ユーザーが好みの楽曲を、より簡単に見つけられるようにすることはもちろんですが、『ディスカバー』機能の精度を上げる上でも非常に重要な役割を担っています。

リコメンドアルゴリズムの中に楽曲/プレイリストのジャンル情報・カテゴリ情報が組み込まれており、よりユーザーの嗜好性に近づけたリコメンドができるようになりました。

同時に、提供するコンテンツの拡充も行いました。

細分化された音楽ジャンルそれぞれのプレイリスト提供に加え、アーティスト/ライター/ショップをはじめとした、幅広いジャンルのミュージックキュレーターによるプレイリストのリコメンド企画、再生ランキング、様々なシチュエーションに合うプレイリストの大幅拡充など、独自コンテンツの提供を強化いたしました。


KKBOXでは今後もより“自分好みの”音楽を““快適に”“どこでも”お使いいただき、新たな音楽体験をお楽しみいただけるよう、機能開発・対応デバイス拡充・サービス強化に努めてまいります。

----------------------------------------------------------------------

■今回のリニューアル全体に際するコメント

KKBOX International (台湾) 代表 Izero Lee

KKBOXのコア・バリューは“音楽を手軽に、簡単に、かつ大いに楽しめるようにする”です。私たちはサービス開始当初からその想いを持ち続けています。そして、「コンテンツ」「リコメンデーション」「音楽体験」の3つの視点を重視しています。


KKBOX Japan 代表 八木達雄

“もっと音楽を身近に”そんな想いで今回サービスリニューアルを実施いたしました。今後も私たちは、日常の様々なシーンやシチュエーションで音楽を楽しむ機会を多く作れるようチャレンジしていきます。



■リコメンド機能「Discover」に関する専門機関のコメント

国立台湾大学 Chen Hongming氏

KKBOXは革新的で画期的なサービスです。今回の産学連携により、音楽にも、科学技術においても驚くべき成果を出すことができました。開発研究者の才能を育成するだけにとどまらない非常に大きな成果です。リコメンドシステムにおけるパーソナライズ機能の開発技術は、業界的にも非常に先進的なものですし、国際的に見ても注目に値するものです。


中央研究院 Yang Yixuan氏

リコメンドアルゴリズムの技術は向上し続けています。過去には「Matrix Decomposition(行列の分解)」と呼ばれるアルゴリズムが使用されていましたが、今回、採用したアルゴリズムは「Deep Learning」に基づいたものです。基本原理としては、ユーザーの嗜好を予測するにあたり、シェア履歴や似た傾向にあるグループのデータを使うというものです。これにより、個々のユーザーにより最適化されたリコメンドが可能になります。

「Deep learning」は近年、人工知能の分野で使用されている非常に人気のある方法です。この方法は、人間の脳の神経回路を模倣した「Neural Networks(ニューラルネットワーク)」の概念を使用するものです。今回の連携により、これまでの研究成果が、ユーザー嗜好予測の概念を一新するような大変良い結果をもたらすことができたと感じています。


国立政治大学 Ming-Feng Tsai氏

私たちが使用する「Deep learning」に基づいたリコメンドアルゴリズムは「Representation Learning(表現学習)」において新しい手法とされています。利点は高い柔軟性で、リコメンド分析モデルの中にデータを埋め込むことができます。楽曲、ジャンル、リスニングの回数、過去にユーザーがインプットしたミュージシャンの情報でさえ、分析要素として組み込むことができます。

よって、以前のアルゴリズムよりもより正確に、そしてより人間の思考回路に近いリコメンド結果を出すことができるようになります。今回のリニューアルにおいてはユーザー個々に応じて「再生履歴からのリコメンド」「オススメプレイリスト」「オススメアルバム」といった、多面的かつパーソナライズされたリコメンドができるようになりました。

----------------------------------------------------------------------

今回のリニューアルに関する詳細情報については、特設サイトも併せて御覧下さい。

▶︎https://event.kkbox.com/mih-intro.jp

報道・メディア関係のお問い合わせ
芹澤裕基 Yuki Serizawa