利用数据和创意，控制产品风险

step1：Think it

• 组建Think it 小队

• 写故事描述（讲一个生动的故事）

• 定义指标（产品要达到的效果)

step2：Build it

• 选择合适的项目小队。

• 构建出基础的产品，基本能够实现故事描述。

• 开始向部分真实用户发布产品。

• 在不完整的数据中建立假设，将其转化为不完善的产品放到市场上测试，获取用户使用数据，并分析该款产品的前景。

step3：Ship it

• 产品扩散到所有的用户。

• 进行产品度量分析，收集提炼客户反馈，进行快速的概念迭代。

• 确保产品在真实环境下，能够达成它的设计初衷。

step4: Tweak it

• 小队持续优化、A/B测试、度量和分析。

• 当新的改进已经无法带来吸引人的收益，指标数据已经很难有进一步的提升，产品已经趋近于“极致”时，小队开始新的工作或者重构下一个产品。

数据支撑决策，为创新提供保证

用户行为分析

Spotify会分析用户行为，如保存歌单等操作，通过Python的函数库统计分析，获取用户的音乐品好，更好的为用户推荐歌单。

互联网资讯分析

Spotify会大量抓取互联网上的各种音乐资讯，通过自然语言处理，整合成向量模式（分析相同歌单和风格），按照相同风格推荐给用户。

用户情绪分析

2014年开始，Spotify会每年深入研究15 亿份用户生成的播放列表，然后深入地分析用户在平台上收听音乐的背景因素。其中，分析情绪数据是重点——以特定情绪或者活动为标准来选择播放列表，能有效帮助用户在庞大曲库中进行筛选。

音频分析

歌曲音频对新歌曲、点播率还较少的歌曲，Spotify会通过音频分析，提取速度、音量、调子和调性等特征信息，形成Spotify的“每周新发现（Discover Weekly）”个性化的每周歌单。