自2015年以来，Spotify包装已完成年度听力摘要，每年向用户展示他们的顶级歌曲和艺术家。此功能已成为一种文化现象，NPR分析了其广泛的吸引力，并且大都会指出共享包裹的屏幕截图如何已成为音乐迷的地位象征。经过将近十年的标准年终报告，许多Spotify用户现在想要比基本听力统计更深入的流式传输见解。
用户需要AI驱动的音乐分析工具
Spotify用户认为人工智能可以改变他们如何理解听力习惯。他们希望AI在音乐选择中揭示隐藏的模式，并揭示出标准分析失踪的歌曲与个人经历之间的联系。当前包装的摘要集中在顶级歌曲和艺术家上，但是用户设想了全面的分析，这些分析随着时间的推移检查了他们完整的聆听历史。
通过音乐数据跟踪情绪模式
一个提出的功能涉及跟踪在几个月和几年的音乐选择中反映的情感模式。该分析可以帮助用户：
- 通过他们的歌曲选择来识别压力模式
- 调整播放列表以更好地管理困难的生活事件
- 了解他们的音乐品味如何通过个人体验演变
- 为心理健康创建基于心情的听力策略
跨平台音乐分析，以实现更深的见解
以数据为中心的用户希望在多个流媒体平台上集成，以创建其音乐消费的完整图片。这种跨平台分析将显示音乐选择如何影响更广泛的生活方式模式和个人品味的发展。这种全面的跟踪可以揭示音乐偏好与日常生活的其他方面之间的联系，从而对音频内容塑造个人体验的整体看法。
竞争音乐迷的社会比较工具
用户还需要AI工具来将听力习惯与朋友进行比较。这些社交功能可以分析数据点，例如听力强度，共享喜欢的艺术家以及在特定流派上花费的时间。这些比较工具将利用音乐发现的竞争性和社交方面，为朋友提供了新的方式来与他们共同的音乐兴趣互动，并根据相似的听力模式发现建议。
