Musiac Dịch Vụ Giới Thiệu Âm Nhạc by Chia-Min Lin

Musiac Dịch Vụ Giới Thiệu Âm Nhạc by Chia-Min Lin is a highly esteemed winner of the very prestigious 2020 A' Design Award Bạc in Thiết kế Giao diện, Tương tác và Trải nghiệm Người dùng Competition Category.

BạcGiao diện· 2020

Musiac Dịch Vụ Giới Thiệu Âm Nhạc

by Chia-Min Lin

Client: LinStudio

A' Design Award Bạc Winner in Giao diện Category

55,925

Verified Award Winner

Verify Award Status for #91014

View at A' Design Award Press Release Award Badge

Colors

The Design

About Musiac Dịch Vụ Giới Thiệu Âm Nhạc

Musiac là một công cụ đề xuất âm nhạc, tận dụng sự tham gia chủ động để tìm ra các lựa chọn chính xác cho người dùng. Nó nhằm mục đích đề xuất các giao diện thay thế để thách thức tính chuyên quyền của thuật toán. Lọc thông tin đã trở thành một cách tiếp cận tìm kiếm tất yếu. Tuy nhiên, nó tạo ra hiệu ứng buồng dội âm và hạn chế người dùng trong vùng thoải mái của họ bằng cách cố gắng làm theo sở thích của họ. Người dùng trở nên thụ động và ngừng đặt câu hỏi về các tùy chọn mà máy cung cấp. Dành thời gian để xem xét các lựa chọn có thể làm tăng chi phí sinh học lớn, nhưng chính nỗ lực mới tạo ra trải nghiệm có ý nghĩa.

The Recognition

About the A' Design Award Bạc

Musiac Dịch Vụ Giới Thiệu Âm Nhạc là người chiến thắng giải thưởng A' Design Award Bạc, một sự công nhận đặc biệt danh giá dành cho các thiết kế thượng hạng đẹp lộng lẫy, cao quý và gây ấn tượng. Những người chiến thắng giải Bạc là những tác phẩm cực kỳ xuất sắc và giàu sáng tạo, minh họa chuyên môn, tài năng và sự nhạy bén nổi bật của các nhà thiết kế. Musiac Dịch Vụ Giới Thiệu Âm Nhạc được kỳ vọng là một tác phẩm tuyệt vời, mẫu mực, chuyên nghiệp đáng kể và đổi mới sâu sắc. Thiết kế chiến thắng giải thưởng A' Design Award Bạc này là một phát minh rất đáng chú ý, được ngưỡng mộ, mang lại lợi ích và thúc đẩy ranh giới của nghệ thuật, khoa học, thiết kế và công nghệ. Musiac Dịch Vụ Giới Thiệu Âm Nhạc là một sáng tạo được vô cùng ghen tị, khơi dậy ham muốn, mang lại cảm xúc tích cực và khơi gợi sự kinh ngạc, thán phục.

Behind the Design

Press Kit

Credits, team members and technical details provided by the designer.

Unique Properties: Musiac is a music recommendation service aims to provide better selection mechanism. It uses a contour map to represent all musical genres in a single interface, showing the relationship across songs and genres in a 2D space. It maps out a taste bubble from the user's playlists, separating the user's prior musical taste field from the unexplored musical territory. The user can change the outline of the bubble by dragging it and expanding the scope of the recommendation algorithm.
Dimensions & Packaging: Musiac is a desktop application. It requires a user to import his/her playlists of third-party apps to build the "Taste Bubble" at the beginning. The bubble sits on an algorithmically-generated genres map, with a horizontal (electric, acoustic) and a vertical (atmospheric, bouncier) indication. The bubble separates the familiar and unexplored territory for a user so he/she could expand the recommendation (temporarily), without changing their behavior.
Tags: Algorithm autocracy, Ethical interface, Information architecture, Data visualization, User empowerment, Collaborative filtering
Production Technology: Musiac learns from "Every Noise at Once", has a virtual database, a theoretical possible algorithmically-generated map, and an ethical interface to reduce the bio-cost of finding liked songs from enormous options. It starts with a study of recommendation engines and filters, interviews, and a pre-testing, then ideates with "what if" questions along the generative design process, run through 2 round of user-testing to validate initial concepts and iterates. The project took a year to finalize.
Design Challenge: The most difficult part of this project is to find an industry professional to talk to me. Online streaming service is a very competitive field. Hence, business and advertising dominate the final result of music recommendations, which creates intransparent and unethical algorithms. Academics and scholars provide enthusiastic feedback, but one of the business executives cancel his help after he saw my questions list.
Another major research constrains is the fuzzy relationships of million users' playlists. Single users' taste bubble might not accommodate with the overarching dimensions, even though the machine could easily map his or her playlists into an individual lump. After I consulted with the famous founder of EveryNoise, he gives me great advice that I should have customized dimensions for different users to solve this issue. The system could map out the contour map from each individual users perspective, based on what's the location of the taste bubble, then decide how to show the rest of the genres. Despite the computation power is not efficient enough for this project, but this solution is definitely feasible at the nearby future.
Research: Musiac ran with a waterfall and agile hybrid methodology: research, framing, prototype, test, and reflecting. Feedback was collected along the way and therefore, multiple iterations. I did solid case studies, interviewed active and passive music online streaming users, and consulted with programmers to finalize the proper frame of this project. Multiple user testings with a clickable prototype were performed in-person, as well as online.
Inspiration: Musiac started with a simple notion. Interface is the tangent point between our perception and reality. I believe interface reflects a subtle world of why we make choices. I ran into a website called Every Noise at Once and found it's a perfect database to test my theory. Interface has a higher-level goal of helping us to process information better. I want to design something that goes beyond data visualization and empower users to be more proactive upon the world they're seeing.
Project Duration: Musiac was a one year project done in 2018, Detroit.
Operation Flow: Musiac is a desktop application with an unusual interface, allows users to control the scope of recommendations and to manipulate the filtered results. It uses a bubble to separate the unexplored genres from the familiar genres. A user could easily change the shape of the bubble to expand the recommendation source. It also provides multiple filters, such as themes with different adjectives; numbers of views, finding songs with specific traits, and a guiding system to go beyond the comfort zone.
Image Credits: All materials required in this project doesn't need attributions. Licenses are attached in the documentation appendix.