Come Spotify e le app musicali decidono cosa scopriamo

Ogni lunedì mattina, milioni di persone in tutto il mondo aprono Spotify e trovano ad aspettarle una playlist su misura: trenta canzoni che, in teoria, non hanno mai ascoltato ma che sembrano scelte apposta per loro. È la magia di Discover Weekly, forse la funzione più amata (e più misteriosa) dell’app. Ma dietro quella playlist non c’è nessun DJ umano che seleziona i brani: c’è un sistema complesso fatto di dati, modelli statistici e, sempre più spesso, intelligenza artificiale.

Capire come funziona davvero questo meccanismo non è solo curiosità tecnica. È una domanda che riguarda direttamente il modo in cui, oggi, si forma il nostro gusto musicale, quali artisti riusciamo a scoprire e quali restano invisibili, e quanto siamo davvero “liberi” di ascoltare cose nuove quando è un algoritmo a decidere cosa merita di raggiungerci.

Le tre tecnologie che muovono l’algoritmo di Spotify

Il sistema di raccomandazione di Spotify non è un singolo algoritmo, ma la combinazione di tre approcci diversi che lavorano insieme.

Il primo è il filtraggio collaborativo (collaborative filtering), la tecnica più tradizionale ma ancora oggi la più potente. In pratica, il sistema confronta le tue abitudini di ascolto con quelle di milioni di altri utenti: se le persone che ascoltano le tue stesse canzoni ascoltano anche un brano che tu non conosci, quel brano ti verrà proposto. Spotify ha addestrato questi modelli analizzando centinaia di milioni di playlist create dagli utenti, un patrimonio di dati che nessun concorrente può replicare facilmente.

Il secondo pilastro è l’analisi audio: ogni traccia caricata sulla piattaforma viene scomposta in caratteristiche tecniche misurabili come tempo, tonalità, energia, “ballabilità” e persino il tono emotivo percepito. Questo permette all’algoritmo di consigliare un brano anche quando non ha ancora dati di ascolto, semplicemente perché “suona” in modo simile ad altri brani che apprezzi.

Il terzo elemento, sempre più centrale, è l’elaborazione del linguaggio naturale (NLP): Spotify analizza articoli, recensioni, blog musicali e conversazioni social per capire come un artista o un genere viene percepito culturalmente, aiutando il sistema a collocare correttamente anche gli artisti emergenti nel contesto giusto. Nel corso del 2026 questa componente si è arricchita ulteriormente con modelli linguistici di nuova generazione, che permettono un adattamento del profilo di ascolto quasi in tempo reale, nel giro di poche ore invece che durante l’elaborazione notturna dei dati come avveniva in passato.

Discover Weekly, Release Radar, Daylist e AI DJ: a cosa servono davvero

Non tutte le playlist algoritmiche di Spotify hanno lo stesso obiettivo, ed è utile distinguerle.

Discover Weekly è pensata puramente per la scoperta: si basa soprattutto sul filtraggio collaborativo e cerca di proporti artisti che non hai mai ascoltato, partendo dagli utenti con un profilo di gusti simile al tuo.

Release Radar, al contrario, non punta alla novità in senso assoluto ma alla novità “familiare”: raccoglie ogni venerdì le nuove uscite degli artisti che già segui o ascolti spesso, rafforzando un legame già esistente più che crearne uno nuovo.

A queste si sono affiancate Daylist, che aggiorna la selezione musicale più volte al giorno in base al momento e all’umore presunto dell’ascoltatore, e soprattutto AI DJ, la funzione lanciata nel 2023 e diventata via via più sofisticata: un vero e proprio conduttore radiofonico virtuale che commenta i brani e costruisce un flusso di ascolto personalizzato. Nel 2026 Spotify ha esteso l’AI DJ anche all’italiano, con una voce dedicata pensata per unire competenza musicale e coinvolgimento emotivo, portando la funzione a superare i 94 milioni di utenti Premium raggiunti a livello globale e la disponibilità in oltre 75 paesi. Con l’AI DJ 2.0, inoltre, è possibile chiedere esplicitamente “fammi ascoltare qualcosa di nuovo”, un comando pensato apposta per aggirare la naturale prudenza dell’algoritmo di cui parliamo nel prossimo paragrafo.

I segnali che contano davvero (e non sono il numero di ascolti)

Uno degli equivoci più comuni è pensare che l’algoritmo premi semplicemente le canzoni più ascoltate. In realtà il sistema pesa molto di più la qualità dell’interazione rispetto al volume grezzo degli stream.

Tra i segnali più importanti ci sono il tasso di salvataggio (le canzoni salvate in libreria o aggiunte a una playlist personale, un segnale di apprezzamento molto più forte del semplice ascolto passivo), il rapporto tra stream e ascoltatori unici (quante volte in media una persona riascolta lo stesso brano) e il tasso di skip: un ascolto interrotto prima dei 30 secondi non viene nemmeno conteggiato come riproduzione valida e viene interpretato dall’algoritmo come un segnale negativo esplicito. Anche la costanza nel tempo conta più dei picchi virali: un brano che mantiene un ascolto stabile per settimane viene premiato più di uno che esplode e sparisce in pochi giorni.

Un cambiamento importante, emerso chiaramente tra il 2024 e il 2025, riguarda poi la filosofia generale del sistema: Spotify ha reso il proprio algoritmo più “prudente”, privilegiando la familiarità e la fidelizzazione dell’utente rispetto alla scoperta pura. In altre parole, la piattaforma ha imparato che proporre musica già amata trattiene meglio gli utenti rispetto a rischiare con brani sconosciuti, e questo rende oggettivamente più difficile, per un artista emergente senza già una base di fan attiva, emergere organicamente.

Il lato controverso: Discovery Mode e il dibattito sul “payola moderno”

Non tutto, nella scoperta musicale su Spotify, è governato solo da dati e comportamento degli utenti. Dal 2020 la piattaforma offre agli artisti e alle etichette una funzione chiamata Discovery Mode: in cambio di una maggiore visibilità algoritmica, chi aderisce accetta un tasso di royalty più basso sulle riproduzioni generate da quella promozione, considerando che il compenso medio per stream su Spotify si aggira già solo tra 0,003 e 0,005 dollari.

Questa pratica ha attirato critiche severe da parte dell’industria musicale. La Recording Academy (l’organizzazione che assegna i Grammy) l’ha definita apertamente un possibile equivalente moderno del payola, la pratica storicamente illegale con cui le etichette pagavano le radio per ottenere passaggi in onda, distorcendo per decenni la diversità musicale trasmessa. Secondo l’organizzazione, si tratterebbe di uno strumento che sfrutta la posizione di debolezza economica di molti artisti indipendenti, spingendoli ad accettare compensi ancora più bassi pur di restare competitivi. Il tema è finito anche in sede legale, con cause intentate da artisti e compositori che contestano la trasparenza di questo meccanismo: un segnale di quanto la questione sia sentita, e tutt’altro che risolta, all’interno dell’industria.

TikTok, i Reels e la “fabbrica della viralità”

L’algoritmo di Spotify, per quanto influente, non è più l’unico regista della scoperta musicale. Da alcuni anni TikTok e, a seguire, Instagram Reels sono diventati il punto di partenza reale di moltissimi successi discografici: una canzone spesso non nasce virale sulle piattaforme di streaming, ma su un social video, per poi essere “importata” su Spotify dagli utenti stessi che la cercano dopo averla sentita in un video.

Questo ecosistema, però, non è sempre spontaneo quanto sembra. Diverse inchieste giornalistiche hanno documentato l’esistenza di vere e proprie agenzie specializzate nel pilotare artificialmente la viralità di un brano, attraverso pratiche come le cosiddette “phone farm” — stanze piene di centinaia di smartphone usati per gestire simultaneamente migliaia di profili fittizi che generano visualizzazioni e interazioni finte. Il meccanismo sfrutta un bias psicologico molto conosciuto, la riprova sociale: quando un utente reale vede un contenuto che ha già migliaia di visualizzazioni, tende a fidarsi e a interagire a sua volta, pensando che il brano sia già oggettivamente popolare. In alcuni casi la manipolazione si estende oltre lo schermo, con comparse pagate per simulare l’entusiasmo dal vivo o commenti falsi per creare l’illusione di una domanda di biglietti inesistente.

Il risultato è una competizione sempre più squilibrata tra le major, che possono permettersi investimenti ingenti in questo tipo di campagne, e gli artisti indipendenti che restano invisibili anche quando la loro musica meriterebbe di emergere.

La bolla algoritmica: quando la scoperta diventa ripetizione

Tutti questi meccanismi convergono in un problema più ampio, discusso da tempo tra ricercatori e addetti ai lavori: il rischio che gli algoritmi di raccomandazione, invece di ampliare i nostri orizzonti musicali, finiscano per restringerli, chiudendoci in una vera e propria bolla di filtraggio (filter bubble). Puntando a massimizzare l’engagement immediato, i sistemi tendono a riproporre varianti di ciò che già ci piace, penalizzando la serendipità e la scoperta casuale che un tempo caratterizzavano l’ascolto radiofonico o lo sfogliare un negozio di dischi.

Le critiche più autorevoli sottolineano anche un secondo effetto collaterale: quando il successo viene misurato quasi esclusivamente in numero di ascolti e completamento dei 30 secondi, gli artisti sono incentivati a scrivere brani “ottimizzati per l’algoritmo” — ritornelli immediati, intro brevissime, strutture prevedibili — più che a correre rischi artistici. Tra le soluzioni proposte da critici ed esperti del settore ci sono l’introduzione di una curatela umana accanto a quella algoritmica, con playlist editoriali capaci di inserire scelte inattese che l’algoritmo, da solo, non proporrebbe mai, e più in generale un ripensamento delle metriche di successo, che tornino a premiare l’innovazione artistica e non solo la ripetizione di ciò che già funziona.

Come uscire, almeno un po’, dalla bolla

La buona notizia è che restare passivi rispetto all’algoritmo non è l’unica opzione. Alcuni accorgimenti aiutano davvero ad ampliare la propria mappa musicale: usare consapevolmente le funzioni “esplora” e le richieste dirette dell’AI DJ (“fammi ascoltare qualcosa di completamente diverso”), seguire playlist curate da persone reali — critici musicali, etichette indipendenti, redazioni specializzate — invece delle sole playlist generate automaticamente, ed esplorare generi di proposito, anche fuori dalle proprie abitudini consolidate.

È anche il motivo per cui, in un panorama sempre più dominato dai dati, l’ascolto radiofonico curato da persone in carne e ossa mantiene un valore che nessun algoritmo può replicare del tutto: la scelta editoriale umana, con i suoi gusti, le sue scoperte e persino le sue imperfezioni, resta uno dei pochi antidoti reali alla ripetizione algoritmica. Non è un caso che, mentre le piattaforme di streaming discutono ancora di come bilanciare familiarità e scoperta, l’idea di una radio pensata e condotta da persone appassionate torni a farsi apprezzare da chi cerca davvero musica nuova, e non solo variazioni sul già noto.

In sintesi

L’algoritmo di Spotify e quello delle altre grandi app musicali non sono né neutrali né puramente meritocratici: combinano dati di ascolto reali, analisi del suono, linguaggio naturale e, sempre più spesso, meccanismi commerciali come Discovery Mode che influenzano direttamente cosa arriva alle nostre orecchie. Capire questi meccanismi non significa smettere di usarli, ma imparare a usarli in modo più consapevole, senza rinunciare al piacere, insostituibile, di scoprire musica nuova anche fuori dal perimetro tracciato da un algoritmo.