# Spotify сообщает о росте показателей благодаря разговорному агенту для рекомендаций музыки

> Команда исследователей Spotify рассказывает, как создала музыкального агента с помощью симуляции диалогов и автоматической доработки промптов. По данным команды, в A/B-тестах система увеличила время прослушивания и число еженедельно активных пользователей по сравнению с функцией, которая лишь помогала уточнять текущий сеанс прослушивания.

Oossa · 2026-09-29 · https://oossa.com/ru/spotify-reports-gains-from-a-conversational-music-recommendation-agent

Исследователи Spotify сообщают, что разговорный агент для рекомендаций помог увеличить время прослушивания и число еженедельно активных пользователей в онлайн-A/B-тестах. Система позволяет описать обычными словами, что хочется послушать, например: «итальянские инди-исполнители, которых я ещё не слышал», — вместо того чтобы просить только изменить текущий сеанс прослушивания.

Результаты опубликованы в статье на arXiv от 28 сентября 2026 года, которая также указана как работа для RecSys 2026. Авторы сообщают, что по сравнению с прежней функцией Spotify для уточнения сеанса прослушивания пользователи стали слушать на 14% больше музыки, число еженедельно активных пользователей выросло на 5%, а доля пропусков снизилась на 5%.

## Как устроена система

Команда сосредоточилась на задаче, которую нужно решить до запуска: научить агента планировать действия, в том числе выбирать инструменты и определять порядок их использования, когда реальных диалогов с пользователями для обучения ещё нет. В рамках разработанного процесса запросы из одного сообщения преобразуются в смоделированные диалоги из нескольких реплик, чтобы заранее протестировать агента.

Затем автоматизированный цикл улучшения помогает выявлять и исправлять ошибки в планировании и использовании инструментов. Метод сопоставляет разные ответы агента и итеративно дорабатывает их с помощью инструмента для написания кода. По словам исследователей, это повысило качество на 8% по сравнению с уже тщательно оптимизированным вручную промптом. Они также отмечают, что такой подход ускорил циклы разработки, хотя в аннотации статьи не приводится оценка сэкономленного времени.

## Что показывают результаты

Показатели прослушивания и вовлечённости получены в онлайн-тестах, где систему сравнивали с конкретной прежней функцией, а не со всеми способами использования Spotify. В аннотации статьи не указано, сколько человек участвовали в тестировании, как долго оно продолжалось и доступен ли агент всем пользователям.

В первую очередь работа посвящена методу разработки: использованию сгенерированных диалогов и автоматических доработок для улучшения агента до запуска и после него. Такой подход может помочь командам тестировать инструменты рекомендаций на естественном языке, даже если поначалу у них мало данных о реальных взаимодействиях.

## Факты

- Статья опубликована на arXiv 28 сентября 2026 года; в ней указана ссылка на RecSys 2026.
- Исследователи создали диалоги из нескольких реплик на основе запросов из одного сообщения, чтобы протестировать агента до запуска.
- Команда сообщает о повышении качества на 8% по сравнению с тщательно оптимизированным вручную промптом.
- В A/B-тестах исследователи зафиксировали рост времени прослушивания на 14%, числа еженедельно активных пользователей — на 5% и снижение доли пропусков на 5% по сравнению с прежней функцией уточнения сеанса прослушивания.

## Почему это важно

Для слушателей этот подход призван упростить поиск музыки по подробным описаниям, сформулированным обычными словами. Сообщаемые результаты обнадёживают, однако в аннотации не указаны размер и продолжительность тестирования и не подтверждается, что агент доступен всем пользователям.

## Источники и ссылки

1. [Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops](https://arxiv.org/abs/2609.30297) – arXiv, 2026-09-28

Обновлено: 2026-09-29