DOBRAS #53 // “VOCÊ É O QUE VOCÊ OUVE”: SPOTIFY E A PROMESSA ALGORÍTMICA DE NOS CONHECER MELHOR DO QUE NÓS MESMOS

Por Helena Strecker*

[Este texto é um desdobramento do Trabalho de Conclusão de Curso apresentado ao Instituto de Psicologia da UFRJ, orientado pela Prof. Fernanda Bruno.]

Considerado o maior serviço de streaming musical do mundo, o Spotify é um dos aplicativos que mais investe em mecanismos de personalização, buscando entregar músicas e podcasts feitos “sob medida” com base no estilo único de escuta de cada um. Ainda que a plataforma não tenha sempre funcionado dessa forma, a personalização é o principal imperativo que embasa hoje seus sistemas de recomendação e de desenvolvimento automatizado de playlists – ao abrir o app, cada frase, álbum, música ou lista que aparece é completamente customizada de acordo com seu perfil de usuário, buscando atender seus gostos, interesses e hábitos.

Para entregar “músicas para todos os momentos”^[1]A partir de 2013, “música para todos os momentos” se tornou o slogan do Spotify. Essa frase reflete uma mudança drástica na plataforma, que neste momento passa a seguir a tendência da … Continue reading, como diz o slogan da empresa, o Spotify precisa conhecer muito bem seus ouvintes, e é esse processo de produção de conhecimento que busquei explorar na pesquisa. A capacidade de entregar conteúdos ultrapersonalizados está diretamente relacionada à promessa algorítmica de nos conhecer melhor do que nós mesmos, sob o argumento de que a música aproxima a empresa de uma certa intimidade ou individualidade do sujeito. A partir desse discurso que pude perceber na empresa, tomei o Spotify como objeto para analisar algumas mudanças que estão sendo tecidas no nível das subjetividades, principalmente no que se refere a como as pessoas são tornadas inteligíveis para a interpretação algorítmica.

Como brinca o autor de um dos artigos centrais para essa pesquisa, “em uma era de personalização […] parece que estamos finalmente sendo vistos pelo que somos: indivíduos com gostos e preferências distintas” (PREY, 2018, p. 1087). Mas o que plataformas como o Spotify criam são modos específicos de “ver” os indivíduos, alinhados com seus objetivos comerciais e modelos de negócio. Por trás das recomendações algorítmicas e playlists customizadas há uma enorme máquina epistemológica (BRUNO, 2006), que transforma as interações humano-música em material privilegiado para compreensão dos usuários e seus processos de interação com o aplicativo (cada clique, curtida, busca, música tocada, pulada etc).

Dessa forma, ao mesmo tempo que reconfigura a experiência musical, a plataforma torna-se capaz de produzir um novo tipo de saber sobre os sujeitos, que passam a ser lidos a partir de seus dados e análises computacionais. Como explica Chenney-Lippold (2017), “nos dias atuais de vigilância onipresente, quem nós somos não é apenas o que pensamos ser. Quem somos é o que nossos dados são feitos para dizer sobre nós” (CHENNEY-LIPPOLD, 2017, p. 11). A partir de um olhar amplo para o aplicativo, seus sites institucionais, pesquisas e campanhas publicitárias, busquei entender como este movimento interpretativo – em que somos cada vez mais “feitos de dados” – se reflete no caso Spotify.

Media Kit – Spotify for Brands: Conte a história da sua marca com o Spotify. Fonte:https://assets.ctfassets.net/ziwa9xqm84y1/6wYscPH5JzThEwNpvgv159/60e1413f18152bf8ba931b8ec19 2fb3d/Spotify_Media_Kit_2018_-_BR.pdf

A imagem acima talvez seja uma das mais emblemáticas, pois sintetiza de forma direta e clara como funciona a Inteligência de Streaming da plataforma: “você é o que você ouve”. O interessante desse caso é que há um argumento específico que é utilizado para legitimar o conhecimento sobre os sujeitos: o caráter íntimo, pessoal e emocional da relação com a música. Concebendo a música como um espelho que reflete “como as pessoas estão se sentindo e o que estão fazendo em um determinado momento”, o Spotify promete entender as pessoas a partir do que elas ouvem, de modo a entregar conteúdos certeiros, relevantes e interessantes para cada sujeito individual.

Indo ainda mais longe, pesquisadores vinculados à empresa chegam a afirmar que “os dados de streaming de música fornecem uma lente única para observar e compreender a complexidade da individualidade humana” (ANDERSON et al., 2020, p. 2), podendo ser usados para prever estados emocionais, aspectos da personalidade e o que as pessoas estão fazendo ao longo do dia. Em um estudo que analisa a relação da escuta musical com traços de personalidade, os autores afirmam que os dados do Spotify podem ser inclusive mais precisos na predição de características psíquico-emocionais do que de outras plataformas como Facebook ^[2]A pesquisa realizada com dados do Spotify foi inspirada em um outro estudo realizado com dados de like do Facebook, que conclui que julgamentos de personalidade feitos por computadores são mais … Continue reading e Twitter. O caráter íntimo e pessoal da escuta musical, que evoca memórias e sentimentos, faria dela uma via privilegiada para compreensão da individualidade.

Isso tudo nos chama atenção para um movimento duplo. Por um lado, o uso das redes sociais têm se tornado cada vez mais uma espécie de experimento, onde nossas ações são constantemente mapeadas, analisadas e mobilizadas em pesquisas científicas que embasam os sistemas algorítmicos (BRUNO, 2018). Simultaneamente, os sujeitos passam a ser apreendidos e interpretados nos termos destes sistemas maquínicos, a partir dos rastros que deixam no mundo digital.

Nesse sentido, se há alguma individualidade capaz de ser compreendida a partir de nossas interações com o Spotify, é preciso considerar que ela tem características bastante diferentes daquela cultivada no mundo moderno. Enquanto a subjetividade moderna estava ligada a uma dimensão privada, interiorizada, profunda e opaca – por vezes até ao próprio sujeito – (BRUNO, 2013; SIBILIA, 2016), a atualidade produz uma individualidade capaz de ser captada pelo olhar da plataforma. Voltada para os meios de comunicação, a verdade do sujeito se desloca de uma interioridade de si para uma espécie de intimidade desenvolvida com o aplicativo.

É por isso que eu levo a sério a afirmação de que para o Spotify “você é o que você ouve”. Não porque acredito que sejamos o que ouvimos ou que nossos dados efetivamente nos representam enquanto pessoa, mas porque ela reflete todo um movimento interpretativo com transformações consideráveis no nível das subjetividades. Nesse contexto, a autenticidade não está no que o indivíduo fala para os outros ou no entendimento que tem de si, mas na forma como se comporta, nas músicas e podcasts que escuta, em tudo aquilo que pode ser medido e calculado sobre ele.

Mas ao mesmo tempo que pretende dizer algo sobre a individualidade dos sujeitos, este conhecimento não está exatamente no nível do indivíduo – está aí uma das ambiguidades que busquei mostrar no trabalho.

Não é sobre eu ou você: personalizar é generalizar

A lógica algorítmica ultrapersonalizada constantemente apela para o indivíduo como alvo de suas recomendações, enfatizando o quanto cada pessoa é única em seus gostos, hábitos e interesses. Mas o conhecimento que embasa as recomendações não se restringe ao que eu escuto em meu aplicativo – as análises são feitas em larga escala, a partir do acúmulo de dados dos milhares de usuários. Agregados e anonimizados, os dados são submetidos a análises automatizadas que visam identificar padrões, similaridades e correlações no que se refere a nossos hábitos, interesses, comportamentos e até mesmo perfis psicológicos (BRUNO, 2013).

Neste processo, padrões comportamentais são privilegiados em detrimento de aspectos de cada sujeito individual, de modo que as recomendações não são feitas somente para mim ou para você, mas para todos aqueles que interagem de forma similar no aplicativo. Dessa forma, há uma aproximação entre “gostar” e “ser como”: se dois usuários escutam o mesmo conjunto de músicas, seus gostos provavelmente são parecidos; e se duas músicas são ouvidas pelo mesmo grupo de usuários, elas provavelmente têm alguma semelhança sonora. Apesar de um esforço constante do Spotify para contornar as chamadas “bolhas de filtro” e diversificar as recomendações, há uma dificuldade em escapar dessa lógica – músicas são agrupadas por terem batidas similares, o mesmo astral, poderem ser ouvidas na mesma ocasião, etc.

É nesse sentido que a ideia de personalização – de que você é distinto o suficiente para receber conteúdos baseados em você como indivíduo – em larga medida não existe (CHENNEY-LIPPOLD, 2017, p. 125). Os dados relativos a nossas ações online são dissociados dos indivíduos a que se referem, fragmentados e anonimizados, de modo que há sempre uma generalização envolvida. O perfil de usuário não é uma pessoa, mas um padrão estimativo probabilístico que antecipa potencialidades, não tendo a ver com “quem” nós somos, mas com tudo aquilo que “pode ser inferido sobre o que podemos ser” (AMOORE apud VAN DIJCK; POELL, 2013, p. 11). Partindo da ideia de que há uma tendência entre pares de se comportar de formas semelhantes, o ‘você’ para quem as recomendações se referem é simultaneamente singular e plural, específico e generalizável, único e igual a todo mundo (CHUN, 2016).

Como explica Bentes (2019), “o objetivo da geração de tais perfis está menos ligado a produção de um saber individualizado, unificado e aprofundado da personalidade de indivíduos específicos e identificáveis do que usar um conjunto de informações e correlações interpessoais para agir sobre seus similares”. Mas o que pude identificar é que o Spotify constantemente reivindica que este conhecimento representa o indivíduo, de modo que podemos nos perguntar o quanto as próprias noções de indivíduo e pessoa estão sendo desestabilizadas.

Se há uma individualidade vinculada a este tipo de rastro e ao conhecimento que se pretende gerar a partir dele, é menos da ordem do passado que do futuro, menos da ordem da interioridade que da exterioridade, menos relativa a uma singularidade do que a regras de similaridade (BRUNO, 2013, p. 163).

Os dados não falam por si só, mas são “feitos para falar”

O que percebemos é que reivindicar que estes rastros digitais (por mais interpessoais que sejam) são capazes de revelar ou prever características das pessoas se torna parte importante do funcionamento desta máquina epistemológica. Como explica Faltay (2020), a datificação é também um movimento retórico: vende a ideia de que certos aspectos da realidade (no caso, dos sujeitos) podem ser expressos por meio de dados, entendidos como “representações fidedignas do real, ontologicamente anteriores à interpretação” (p. 112).

A questão é que os dados não falam por si só, mas são “feitos para falar”, adquirindo estatuto de verdade e predominância explicativa para dizer algo sobre nossos gostos, preferências, desejos, até mesmo emoções e personalidades. O perigo que alerta Chenney-Lippold (2017, p. 13) é que quem fala pelos dados detém o poder extraordinário de enquadrar como nos entendemos e enxergamos nosso lugar no mundo. Dessa forma, os algoritmos classificatórios redefinem os próprios termos para a identidade, concebendo os perfis de usuário como a própria identidade “verdadeira” dos indivíduos.

Isso pode ser visto de forma recorrente no Spotify, que em seu discurso se esforça para fazer as pessoas se sentirem representadas ou definidas a partir de seus dados de escuta musical. Um exemplo característico foi a campanha “Só Você”, realizada em junho de 2021, que propunha uma celebração do seu estilo único de escuta e ressaltava o quanto “ninguém escuta como você”. A partir de algumas informações dos artistas, anos e estilos musicais mais ouvidos, o Spotify buscou revelar o que “só você” faz no aplicativo, mostrando tudo aquilo que “é a sua cara” ou define você, como podemos ver nas imagens abaixo.

Imagens da experiência Só Você. Fonte: Spotify, Adriano Camacho62. https://www.tecmundo.com.br/software/218491-spotify-lanca-so-voce- revela-curiosidades-gosto-musical.htm

O formato da campanha foi muito similar às Retrospectivas anuais que todo ano fazem sucesso nas redes, e nos dois casos é interessante observar como a mesma dinâmica de vigilância que captura e capitaliza as formas de consumo desperta curiosidade e engajamento nos usuários. Talvez um dos grandes sucessos do Spotify tenha sido a capacidade de transformar um aparato de coleta massiva de dados em campanhas que são divertidas para os consumidores, não só normalizando como celebrando o acúmulo de informações sobre os sujeitos (BRAUN, 2020, p. 42).

Mas mais do que isso, o que ficou claro ao longo da pesquisa é que estas estratégias servem também para solidificar o Spotify como a plataforma que “te conhece”. Apresentando como o algoritmo “saca” quem você é – e por isso “funciona” – o recurso Só Você contribui para consolidar o Spotify como a plataforma que entende o que você gosta e sabe o que vai querer ouvir a cada momento do dia, o que contribui para o próprio funcionamento performativo dos sistemas de recomendação.

A questão é que não temos um gosto pré-estabelecido e não há uma resposta necessariamente certa ou errada para o que vamos querer ouvir. São todas projeções probabilísticas altamente performativas, que atuam suscitando estes desejos de consumo e necessidades. No processo de “revelar” o gosto musical, o Spotify está atuando na própria produção daquilo que alega descobrir.

Como explicam Lury e Day (2019), os mecanismos de personalização atuam fornecendo um reconhecimento familiar (p. 3), que se expressa justamente na impressão de te conhecer melhor do que você mesmo. As autoras destrincham que a personalização atua por uma inclusão recursiva em loop, em que o perfil constantemente se ajusta ao indivíduo, mas o indivíduo também se reformula a partir de seu perfil (LURY; DAY, 2019; FALTAY, 2020). Nessa lógica, ao mesmo tempo que o sistema reavalia o gosto musical dos usuários na medida que mais dados são incorporados, os usuários também reformulam seus gostos a partir das recomendações. Fazer as pessoas acreditarem que o algoritmo “as conhece”, portanto, contribui para que elas mesmas achem as recomendações legítimas. Passa pelo próprio sujeito reconhecer em si mesmo aquelas afirmações.

A questão, nesse sentido, não é o quanto a personalização “acerta” em suas recomendações, mas como estes modos de ver o indivíduo nos levam a performar um sujeito datificado (o sujeito que é o que ouve). A pergunta que permanece é: será que estas afirmações sobre o que somos têm transformado o que pensamos sobre nós mesmos? Entendendo que o sujeito não é uma entidade pronta a ser descoberta ou revelada, talvez o problema seja que, dentro das diversas possibilidades do que podemos ser, estejamos sendo reduzidos à probabilidade de ser igual a todo mundo.

Referências:

 ANDERSON, Ian; GIL, Santiago; GIBSON, Clay; et al. “Just the Way You Are”: Linking Music Listening on Spotify and Personality. Social Psychological and Personality Science, v. 12, n. 4, p. 561–572, 2020. Disponível em: <https://journals.sagepub.com/doi/10.1177/1948550620923228>. Acesso em: 18 Oct. 2021. 

BRAUN, T. Andrew, “Dance like nobody’s paying”: Spotify and Surveillance as the Soundtrack of Our Lives. Electronic Thesis and Dissertation Repository. 7001. 2020. Disponível em: <https://ir.lib.uwo.ca/etd/7001>. Acesso em: 20 Out. 2021.

BENTES, Anna. #Dobras 30 // Meus algoritmos acham que estou grávida? Notas sobre predição e influência de comportamento online. MediaLab.UFRJ. Disponível em: <https://medialabufrj.net/blog/2019/05/dobras-30-meus-algoritmos-acham-que-estou-gravida-notas-sobre-predicao-e-influencia-de-comportamento-online/>. 

BRUNO, Fernanda. Dispositivos de vigilância no ciberespaço: duplos digitais e identidades simuladas. Revista Fronteira (UNISINOS), São Leopoldo/RS, v. VIII, p. 152-159, 2006. Disponível em: <http://revistas.unisinos.br/index.php/fronteiras/article/view/6129>. Acesso em 18 Fev 2022.

______. Máquinas de ver, modos de ser: vigilância, tecnologia e subjetividade. 1a Edição. Porto Alegre, RS: Sulina, 2013.

______. A economia psíquica dos algoritmos: quando o laboratório é o mundo. Nexo. Disponível em: <https://www.nexojornal.com.br/ensaio/2018/A-economia-ps%C3%ADquica-dos-algoritmos-quando- o-laborat%C3%B3rio-%C3%A9-o-mundo>. Acesso em: 18 Mai 2019.

BRUNO, Fernanda; BENTES; Anna, FALTAY; Paulo. Economia Psíquica dos Algoritmos e Laboratório de Plataforma: Mercado, Ciência e Modulação do Comportamento. Revista Famecos, v. 26, n. 3, 2019. Disponível em: <https://revistaseletronicas.pucrs.br/ojs/index.php/revistafamecos/article/view/33095>. Acesso em: 20 Set 2021.

CHENEY-LIPPOLD, John. We are Data: algorithms and the making of our digital selves. New York: NYU Press, 2017.

CHUN, Wendy. Uptading to remain the same: habitual new media. Cambridge: MIT Press, 2016.

FALTAY, Paulo. Máquinas paranoides e sujeito influenciável: conspiração, conhecimento e subjetividade em redes algorítmicas. Tese (Doutorado em Comunicação e Cultura) – Escola de Comunicação, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2020.

LURY, Celia; DAY, Sophie. Algorithmic Personalization as a Mode of Individuation. Theory, Culture & Society, v. 36, n. 2, p. 17–37, 2019. Disponível em: <https://journals.sagepub.com/doi/abs/10.1177/0263276418818888>. Acesso em: 28 maio 2021.

PREY, Robert. Nothing personal: algorithmic individuation on music streaming platforms. Media, Culture & Society, v. 40, n. 7, p. 1086–1100, 2018. Disponível em: <https://journals.sagepub.com/doi/full/10.1177/0163443717745147>. Acesso em: 15 Nov 2021.

SIBILIA, Paula. O show do eu. Rio de Janeiro: Contraponto. 2016.

SPOTIFY. Adding That Extra “You” to Your Discovery: Oskar Stål, Spotify Vice President of Personalization, Explains How It Works. Spotify Newsroom. 2021b. Disponível em: <https://newsroom.spotify.com/2021-10-13/adding-that-extra-you-to-your-discovery-oskar-stal-spotify-vice-president-of-personalization-explains-how-it-works/>. Acesso em: 15 Set. 2021.

VAN DIJCK, José; POELL, Thomas. Understanding Social Media Logic. Media and Communication, v.1, pp. 2-14, 2013. Disponível em: <https://www.cogitatiopress.com/mediaandcommunication/article/view/70>. Acesso em: 2 Out 2021.

• Helena é formada em psicologia pela UFRJ e pesquisadora do MediaLab.UFRJ.