Spotify-Hitanalyse: Daten, Algorithmen und die Wissenschaft des musikalischen Erfolgs

Informatec Digital » Ressourcen » Spotify-Hitanalyse: Daten, Algorithmen und die Wissenschaft des musikalischen Erfolgs

Spotify hat sich zum perfekten Labor entwickelt, um zu untersuchen, was einen Song zum Hit macht.Wir verfügen über Echtzeit-Wiedergabedaten, detaillierte Kennzahlen für Künstler und Millionen von Hörern, die sekündlich Entscheidungen treffen. Spotify ist längst nicht mehr nur eine Hörplattform, sondern hat sich zu einem riesigen Unternehmen entwickelt. Datenbank Hier können Muster, Emotionen, Genres und Playlist-Strategien analysiert werden, um zu verstehen, warum manche Songs durchstarten und andere in Vergessenheit geraten.

In den letzten Jahren wurden Werkzeuge, akademische Forschung und Modelle für maschinelles Lernen gewidmet Spotify-Hit-AnalyseVon der Analyse redaktioneller Charts wie „Today’s Top Hits“ oder „Rap Caviar“ bis hin zur Entwicklung von Algorithmen, die vorhersagen können, ob ein Track zur beliebtesten Gruppe im Katalog gehört: Spotify for Artists hat den Zugang zu diesen Kennzahlen demokratisiert und ermöglicht es jedem Künstler, zu sehen, wer ihn hört, wo und wie er entdeckt wird und seine kreative und Marketingstrategie entsprechend anzupassen.

Was genau ist Spotify-Hit-Analyse und warum ist sie wichtig?

Wenn wir darüber reden Spotify-Hit-Analyse Es geht nicht nur darum, die Anzahl der Wiedergaben eines Songs zu betrachten. Vielmehr verfolgen wir einen umfassenderen Ansatz, der Audio, Kontext und Nutzerverhalten kombiniert, um eine unbequeme, aber entscheidende Frage zu beantworten: Lässt sich der Erfolg eines Songs vor seiner Veröffentlichung vorhersagen? Mithilfe von Daten der Spotify-API analysieren Forscher Variablen wie Popularität, Energie, Valenz, Dauer, Tempo und Tanzbarkeit, um dieser Antwort näherzukommen.

Dieser Ansatz wurzelt in der sogenannten „Wissenschaft der Hitsongs“Diese Idee, die Anfang der 2000er-Jahre von Mike McCready populär gemacht wurde, nutzt Algorithmen und mathematische Modelle, um vorherzusagen, welche Songs in den Charts und im Radio erfolgreich sein werden. Während frühe Studien zu dem Schluss kamen, dass dies sehr schwierig sei (und die Modelle nicht genau genug), hat sich die Situation mit dem Aufkommen von Streaming-Diensten, dem massiven Anstieg des Datenvolumens und der Verfeinerung von Machine-Learning-Verfahren grundlegend verändert.

Heute bietet Spotify eine API mit Zugriff auf Zehntausende von Musiktiteln an. musikalische und kontextuelle AttributeVon Tonart und Modus bis hin zur Wahrscheinlichkeit, dass ein Titel akustisch oder instrumental ist, einschließlich speziell entwickelter Metriken zur Beschreibung der Songwahrnehmung (Energie, Valenz, Tanzbarkeit usw.). All dies ermöglicht uns, von subjektiven Meinungen zu deutlich präziseren quantitativen Analysen überzugehen.

Parallel dazu das Werkzeug Spotify für Künstler Es hilft Kreativen, sich nicht in oberflächlichen Kennzahlen zu verlieren und sich auf das Wesentliche zu konzentrieren: langfristigen Publikumsaufbau, Engagement, Kundenbindung und die Auswirkungen von Marketingmaßnahmen auf die Gewinnung echter Fans. Mit anderen Worten: Zahlen sind wichtig, aber im Kontext und mit strategischer Ausrichtung.

Offizielle Wiedergabelisten und Strategie: Die Bedeutung redaktioneller Listen

Einer der wichtigsten Aspekte bei jeder ernsthaften Analyse von Hits auf Spotify ist die Rolle von offizielle redaktionelle WiedergabelistenCharts wie Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint oder ¡Viva Latino! wirken wie gewaltige Verstärker: Die Aufnahme in eine dieser Charts kann den Verlauf eines Songs oder sogar einer Karriere komplett verändern.

Tools von Drittanbietern wie Soundcharts ermöglichen Ihnen die Anzeige von wie sich ein Künstler in diesen Wiedergabelisten verhältAnzahl der Auftritte, Verweildauer, Märkte mit der größten Wirkung usw. Diese Art von Analyse verdeutlicht, dass die Präsenz in redaktionellen Listen kein bloßes Beiwerk ist, sondern ein wesentlicher Bestandteil der Wachstumsstrategie auf der Plattform.

Beim Erstellen qualitativ hochwertiger Wiedergabelisten gibt es bestimmte wiederkehrende Kriterien. Beispielsweise wird es geschätzt, dass sie folgende Kriterien erfüllen: eine Vielfalt an Künstlern, anstatt immer wieder dieselben Namen zu wiederholenListen, in denen derselbe Künstler zu oft vorkommt, erhalten tendenziell schlechtere Bewertungen, weil sie das Gefühl des Entdeckens beim Hörer verringern.

Ich suche auch nach einem/einer kohärentes GeschlechtergleichgewichtWenn eine Playlist zu viele Stile ohne klare Richtung vermischt, Erfahrung Die Listen werden unübersichtlich und die Bewertungen sinken. Die am besten bewerteten Listen konzentrieren sich in der Regel auf ein oder wenige klar definierte Genres, wodurch der Nutzer auf einen Blick erkennt, was ihn beim Abspielen erwartet.

Ein weiterer wichtiger Aspekt ist die eine Mischung aus bekannten und neuen ThemenPlaylists, die nur die größten Hits enthalten, sind zwar in Ordnung, bieten aber wenig Raum für neue Entdeckungen. Im Gegensatz dazu erzeugen Playlists, die etablierte Songs mit weniger bekannten Perlen kombinieren, in der Regel mehr Interaktion und tragen zur Entstehung neuer Hits bei.

Schließlich herrscht weitgehend Einigkeit darüber, dass eine gute Playlist mindestens rund 50 Strecken bieten ein umfassendes ErlebnisCharts mit weniger als 10 Titeln werden oft als schwach wahrgenommen und erhalten niedrigere Bewertungen, was sich auch auf die Performance der darin enthaltenen Titel auswirkt.

Eine kurze Geschichte von Spotify und dem Ursprung seiner Analysefunktionen

Bevor Spotify fortgeschrittene Hit-Analysen durchführen konnte, musste die Plattform selbst ihren Platz in der Musikindustrie finden. Die Idee dazu stammte von Mitgründer Daniel Ek und entstand nach dem Zusammenbruch von Napster im Jahr 2002. Er wollte einen Service schaffen, der „besser als Piraterie war, aber gleichzeitig der Branche Geld einbrachte“.Zu dieser Zeit nutzte Ek uTorrent, einen der wichtigsten P2P-Download- und Sharing-Clients, sodass er aus erster Hand Kenntnisse über die Welt der unautorisierten Verbreitung hatte.

Nach dem Verkauf von uTorrent an BitTorrent Ende 2006 konzentrierte sich Ek vollständig auf den Aufbau von Spotify. Die Anwendung wurde 2008 in Schweden offiziell eingeführt, nachdem sie dort eine große Reichweite erzielt hatte. Lizenz- und Beteiligungsvereinbarungen mit großen MusikkonzernenSony Music Entertainment, Universal Music Group und Warner Music Group. Ein Jahr später expandierte das Unternehmen nach Großbritannien und 2011 in die USA.

In dieser Anfangsphase wuchs die Zahl der zahlenden Abonnenten in Europa von rund 1 Million auf etwa 4 Millionen weltweit im Jahr 2012Bis 2016 verkündete Spotify bereits 40 Millionen zahlende Nutzer und insgesamt rund 100 Millionen Nutzer, womit Streaming als die weltweit dominierende Form des Musikkonsums etabliert war.

Gleichzeitig tauchten Datentools für Künstler auf. Das erste war Fan-EinblickeDiese Lösung bot einigen Teams nur eingeschränkten Zugriff auf Streaming-Daten: Demografie, geografische Daten und grundlegende Trends. 2017 wurde diese Lösung zu Spotify for Artists weiterentwickelt und ermöglichte es seitdem allen Künstlern, ihre wichtigsten Kennzahlen einzusehen und die Daten für Entscheidungen bezüglich Tourneen, Veröffentlichungen und Promotion zu nutzen.

Im Jahr 2018 ging das Unternehmen mit einer Marktkapitalisierung von rund [Betrag fehlt] an die Börse. 30.000 Mio.Seitdem ist die Zahl der Märkte, in denen das Unternehmen tätig ist, stetig gewachsen, und damit auch die Bedeutung von Analysen innerhalb der Plattform. Was als lizenzierter Medienanbieter begann, hat sich zu einer globalen Infrastruktur entwickelt, in der Daten eine zentrale Rolle spielen.

Spotify-Kennzahlen: Wie man einen Song über die Streams hinaus misst

Um Treffervorhersagemodelle zu erstellen, ist es zunächst notwendig zu verstehen, um welche Art von Treffervorhersage es sich handelt. Daten, die von der Spotify-API bereitgestellt werdenIn einer Studie, die sich beispielsweise auf den indischen Markt konzentrierte, wurden mehr als 46.000 Songtitel aus von Spotify generierten Wiedergabelisten extrahiert, die eine breite Palette von Genres und Subgenres abdeckten.

Die Informationen sind in mehrere Abschnitte unterteilt. Auf Streckenebene finden wir beispielsweise folgende Daten: Kennung, Titel, Interpret, Popularität, Veröffentlichungsdatum und Dauer in MillisekundenAuf Albumebene werden ID und Name gespeichert. Auf Playlist-Ebene werden Name, ID, Genre und zugehöriges Subgenre angezeigt.

Das Interessanteste an der Trefferanalyse ist jedoch die AudiofunktionenUnterteilt in verschiedene Kategorien: „Stimmungs“-Merkmale (Tanzbarkeit, Energie, Valenz, Tempo), physikalische Eigenschaften (Lautstärke, Sprachcharakter, Instrumentalisierung), Kontext (Akustik, Lebendigkeit) und musikalische Segmente (Tonart, Modus). Jede dieser Variablen ist sorgfältig definiert und normalisiert.

Die Tanzbarkeit wird beispielsweise als Wert zwischen 0 und 1 ausgedrückt, der Folgendes zusammenfasst: Wie einfach ist es, zu einem Lied zu tanzen?Anhand von Elementen wie Rhythmus, Tempostabilität und Beatstärke wird auch die Energie auf einer Skala von 0 bis 1 gemessen, um zu erfassen, ob der Track intensiv, schnell und kraftvoll klingt oder eher ruhiger und sanfter.

Valencia beschreibt die wahrgenommene emotionale „Positivität“ Im Audiobereich entsprechen niedrige Werte traurigen, angespannten oder düsteren Gefühlen, während hohe Werte zu fröhlicher, beschwingter oder euphorischer Musik passen. Die Akustik misst die Wahrscheinlichkeit, dass ein Titel akustisch ist, die Live-Komponente die Anwesenheit eines Live-Publikums bei der Aufnahme und die Sprachkomponente den Anteil gesprochener Wörter im Mix (sehr hoch beispielsweise bei Podcasts oder gesprochenen Texten).

Weitere wichtige Parameter sind die Tempo in BPMDie Gesamtdauer, die Tonart (als ganze Zahl kodiert), die Tonart (Dur oder Moll) und die Popularität des Titels. Letztere ist eine interne Spotify-Kennzahl, die zwischen 0 und 100 liegt. Es hängt sowohl vom Volumen der Streams als auch von deren Aktualität ab.Ein Song, der vor Jahren ein Riesenerfolg war, aber heute kaum noch gespielt wird, verliert mit der Zeit an Popularität.

Wie man den Datensatz vorbereitet und bereinigt, um Treffer vorhersagen zu können

Ein Schritt, der bei der Analyse von Spotify-Hits oft übersehen wird, ist die Vorbereitung des DatensatzesIn der vorliegenden Studie wurden die Daten mit Hilfe von R und RStudio gesammelt, indem die Spotify-API für verschiedene Kombinationen von Markt (Indien), Genres und Subgenres aufgerufen wurde, die entsprechend ihrer globalen und lokalen Gewichtung ausgewählt wurden.

Beim Kombinieren von Liedern aus verschiedenen thematischen Playlists kommt es häufig vor, dass sich viele Titel wiederholen, da dasselbe Lied in verschiedenen Listen erscheinen kann. Da das Ziel nicht die Analyse der Playlist-Strategie selbst, sondern vielmehr die Charakteristika der Lieder war, Sie haben die doppelten Spuren entfernt.Dadurch verringerte sich die Gesamtbasis von 46.417 auf etwa 39.147 einzigartige Lieder.

Spalten, die nicht als erklärende Variablen in den Modellen verwendet werden sollten, wie z. B. Künstler, Album-ID und -Name sowie playlistspezifische Felder, wurden entfernt. Gleichzeitig Sie haben die Feldnamen standardisiert. und die Datentypen wurden angepasst: zum Beispiel wurden Popularität, Modus, Tonart und Dauer in numerische Werte vom Typ Gleitkommazahl umgewandelt, um die statistische Auswertung zu erleichtern.

Eine zentrale Entscheidung bestand darin, Popularität in eine besser handhabbare Variable umzuwandeln. Anstatt mit einem kontinuierlichen Wert von 0 bis 100 zu arbeiten, Schwellenwert zur Unterscheidung von populären und unpopulären LiedernAusgehend vom 85. Perzentil der Verteilung (etwa einer Popularität von 65) wurden Titel oberhalb dieses Wertes als „populär“ und die übrigen als „nicht populär“ eingestuft.

Auf diese Weise wurde der Datensatz unterteilt in fast 6.000 populäre Lieder und etwa 33.000 weniger populäre LiederFür die explorative Analyse wurden die Daten sogar in fünf Popularitätsklassen (sehr hoch, hoch, mittel, niedrig und sehr niedrig) mit Intervallen von 20 Punkten unterteilt, was den Vergleich feiner Trends zwischen den Erfolgsstufen ermöglichte.

Zusätzlich wurde aus den Songtiteln eine neue Variable generiert: a StimmungsindikatorMithilfe der TextBlob-Bibliothek in Python wurde die Polarität jedes Titels (eine Zahl zwischen -1 und 1) berechnet und als positiv, negativ oder neutral klassifiziert. Dieser numerische Wert wurde dem Dataframe hinzugefügt, um zu untersuchen, ob der Tonfall des Titels mit seiner Popularität zusammenhängt.

Datenanalyse: Was zeichnet die beliebtesten Lieder aus?

Vor dem Training eines beliebigen Modells für maschinelles Lernen ist es unerlässlich, ausreichend Zeit dafür einzuplanen. visuelle und statistische Auswertung der DatenIm Rahmen dieser Studie wurden Verteilungskurven, Mittelwerte pro Popularitätsgruppe und Zusammenhänge zwischen Emotionen und Erfolg analysiert.

Eine der auffälligsten Erkenntnisse betrifft die Popularität der erfolgreichsten Lieder. Bei der Betrachtung von Titeln mit einer Popularitätsbewertung über 90 wurde Folgendes festgestellt: In Valencia lagen die meisten Werte unter 0,5.Anders ausgedrückt: Sie klangen eher traurig, düster oder melancholisch als fröhlich. Es war keine absolute Dominanz, aber eine deutliche Tendenz.

Als die Verteilung der Popularität nach Geschlecht grafisch dargestellt wurde, nahmen die meisten Kurven einen bestimmten Verlauf an. annähernde GlockenformViele Titel lagen im Durchschnittsbereich, während die meisten an den Extremen verblieben. Genres wie Rock, R&B, EDM, Weltmusik und indische Musik wiesen jedoch aufgrund der vielen Titel mit null Popularität eine gewisse Asymmetrie auf. Im Gegensatz dazu erschienen Stile wie Pop, Rap, Latin und Desi ausgeglichener und mit weniger Titeln mit null Beliebtheit.

Dies deutet darauf hin, dass es in den eher gängigen Genres im Allgemeinen so ist, Es ist einfacher, ein gewisses Maß an Popularität zu erreichen.selbst wenn die Lieder nicht alle idealen Eigenschaften aufweisen, während die Erfolgsverteilung in anderen Stilrichtungen polarisierter ist.

Beim Vergleich der Durchschnittswerte der verschiedenen Merkmale nach Popularitätsklasse ergab sich ein sehr klares Muster: Die erfolgreichsten Themen weisen tendenziell folgende Merkmale auf: größere Energie und größere Lautstärke (wahrgenommene Lautstärke)sowie mehr Instrumentalmusik und weniger gesprochene Passagen. Einfach ausgedrückt: Songs, die auf Streaming-Plattformen am besten performen, sind tendenziell ausdrucksstärker und konzentrieren sich stärker auf die Musik als auf gesprochene Worte.

Es wurde auch festgestellt, dass beliebte Titel geringere Akustik und geringere LebendigkeitAnders ausgedrückt: Sie klingen weniger „akustisch“ und weniger „live“. Sie sind stärker im Studio produziert, glatter, mit weniger Umgebungsgeräuschen und weniger Konzertcharakter.

Ein weiteres wichtiges Ergebnis ist, dass populäre Lieder tendenziell kürzer als die unbeliebtenIn einem Kontext, in dem die Einnahmen von der Anzahl der Streams abhängen und Algorithmen Wiederholungen belohnen, ist es logisch, dass kürzere Titel schneller Abspielhäufigkeit erreichen und sich besser für Wiedergabelisten eignen.

Was das empfundene Glücksempfinden (Valenz) betrifft, ist der Trend interessant: Die Werte steigen von den niedrigeren Beliebtheitsklassen zur „oberen“ Klasse an, aber in der extremsten Kategorie, der „sehr hohen“, ist ein deutlicher Abfall zu verzeichnen. Mit anderen Worten: Superpopuläre Lieder klingen tendenziell trauriger als lediglich "erfolgreiche" Lieder.Dies eröffnet vielfältige Interpretationsmöglichkeiten hinsichtlich des öffentlichen Geschmacks und des sozio-emotionalen Kontextes.

Statistische Analyse: Einfluss von Genres und Audioattributen

Nachdem die Daten analysiert worden waren, bestand der nächste Schritt darin, sie anzuwenden. formale statistische Tests Um herauszufinden, welche Variablen für die Erklärung von Popularität relevant sein könnten, wurde eine Varianzanalyse (ANOVA) mit neun Hauptgenres durchgeführt, um zu untersuchen, ob das Geschlecht den Erfolg beeinflusst.

Das ANOVA-Ergebnis ergab einen sehr hohen F-Wert und praktisch keine Signifikanz, was bedeutet, dass Es gibt statistisch signifikante Unterschiede in der Popularität zwischen den Genres.Das reicht jedoch nicht aus: Es ist auch wichtig zu wissen, zwischen welchen Geschlechterpaaren diese Unterschiede auftreten und ob die Variable für ein Vorhersagemodell nützlich ist.

Da die Varianzen nicht homogen waren und die Anzahl der Lieder pro Genre variierte, wurde Folgendes angewendet: Games-Howell-Post-hoc-TestDiese Analyse ermöglichte es, zu überprüfen, welche Geschlechterkombinationen keine signifikanten Unterschiede in der Popularität aufwiesen, was insgesamt dazu führte, dass es weniger ratsam war, das Geschlecht als starken Prädiktor in Modellen des maschinellen Lernens zu verwenden.

Parallel dazu wurden folgende Arbeiten durchgeführt: unabhängige t-Tests Für jedes Audiomerkmal wurden die Mittelwerte der Gruppe der populären Lieder mit denen der Gruppe der weniger populären Lieder verglichen. Bei einem Signifikanzniveau von 95 % zeigte sich, dass nahezu alle Variablen (Tanzbarkeit, Energie, Lautstärke, Akustik, Lebendigkeit, Dauer, Tempo, Valenz und Instrumentierung) signifikante Unterschiede zwischen den beiden Gruppen aufwiesen.

Die einzige offensichtliche Ausnahme war die RedseligkeitIm ersten Test war der Unterschied zwischen den Mittelwerten nicht signifikant. Eine weitere Analyse ergab jedoch, dass die Sprachintensitätswerte der sehr beliebten Themen (zwischen 0,024 und 0,685) innerhalb des breiteren Bereichs der weniger beliebten Themen (zwischen 0 und 0,964) lagen. Diese Überlappung beeinträchtigte die Sprachintensität bei effektiver Nutzung nicht und führte daher dazu, dass sie als Prädiktor beibehalten wurde.

Zusammenfassend lässt sich sagen, dass der Audiofunktionsblock Folgendes demonstrierte: eine klare beschreibende Kraft in Bezug auf PopularitätDas Geschlecht wurde hingegen vorsichtiger behandelt und in einigen Vorhersageansätzen als primäre Variable ausgeschlossen.

Entwicklung von Modellen des maschinellen Lernens zur Vorhersage von Treffern

Nachdem der bereinigte Datensatz und die relevanten Variablen ausgewählt waren, war es an der Zeit zu erstellen binäre Klassifizierungsmodelle Die Funktion ist in der Lage vorherzusagen, ob ein Lied zu den beliebtesten 15 % gehört. Dazu wurden die kategorialen Variablen „key“ und „mode“ zunächst mithilfe der Pandas-Funktion „get_dummies“ in Dummy-Variablen umgewandelt.

Nach der Einbeziehung dieser Dummy-Variablen wurden die ursprünglichen Spalten für Schlüssel und Modus sowie die fortgesetzte Popularität entfernt, und die Zielvariable wurde beibehalten. binäres Popularitätsfeld (populär vs. nicht populär). Vor dem Training der Modelle wurden alle numerischen Merkmale mit StandardScaler standardisiert, da sie auf sehr unterschiedlichen Skalen arbeiteten und es wichtig war, dass sie ein vergleichbares Gewicht hatten.

Der Datensatz wurde mithilfe der Funktion train_test_split in Trainings- und Testdaten aufgeteilt, wobei die 20 % der Anmeldungen für den TestAuf diese Weise wurden Informationslecks vermieden und sichergestellt, dass die Leistungsmetriken die tatsächliche Generalisierbarkeit der Modelle widerspiegelten und nicht nur deren Fähigkeit, Trainingsdaten zu speichern.

Das erste angewandte Modell war das Logistische RegressionDiese Technik findet breite Anwendung in der binären Klassifizierung. Eine iterative Variante mit einer Lernrate von 0,01 und 200 Iterationen wurde implementiert und mittels Kreuzvalidierung evaluiert. Die durchschnittliche Genauigkeit erreichte ca. 84,7 %, ein bemerkenswert gutes Ergebnis für ein so komplexes Problem wie die Vorhersage musikalischen Erfolgs.

Anschließend wurde der Algorithmus getestet. K-Nächste Nachbarn (KNN)Dabei wird jedes Lied anhand seiner k nächsten Nachbarn im Merkmalsraum klassifiziert. Die Optimierung des ky-Wertes mittels Grid Search ergab eine sehr ähnliche Genauigkeit von etwa 84,8 %, jedoch eine leichte Verbesserung des Kreuzvalidierungs-Scores im Vergleich zur logistischen Regression.

Das nächste Modell war das Support Vector Machine (SVM)Ein weiteres überwachtes Verfahren, das sowohl lineare als auch nichtlineare Zusammenhänge verarbeiten kann, wurde ebenfalls eingesetzt. Durch Hyperparameter-Anpassung wurden erneut Genauigkeiten von rund 84,6 % erzielt, mit äquivalenten Werten in der Kreuzvalidierung, was auf eine stabile Leistung hinweist.

Folgendes wurde ebenfalls bewertet: Naiver Bayes-KlassifikatorAusgehend von der Annahme der Unabhängigkeit der Merkmale. Obwohl es sich hinsichtlich der Annahmen um ein deutlich einfacheres Modell handelt, waren seine Genauigkeitsergebnisse (ca. 84,6 %) vergleichbar mit denen von SVM und sehr nah an denen von logistischer Regression und KNN, was die Annahme bestärkt, dass sich die Problemstruktur gut für diesen probabilistischen Ansatz eignet.

Abschließend wurden Modelle auf Basis von Entscheidungsbäumen getestet. Entscheidungsbaum-Klassifizierer Es wurde eine deutlich geringere Genauigkeit von etwa 75,4 % erreicht, und die Kreuzvalidierung bestätigte diesen Leistungsabfall, der wahrscheinlich auf Probleme mit Überanpassung zurückzuführen ist. Zufälliger WaldklassifiziererDie Methode, die viele Bäume kombiniert, um diese Effekte auszugleichen, verbesserte sich deutlich und erreichte eine Genauigkeit von rund 84,1 % und über 84 % bei der Kreuzvalidierung.

Um die Analyse abzuschließen, Konfusionsmatrix und Klassifizierungsbericht Der Random Forest zeigte eine ausgezeichnete Fähigkeit, weniger populäre Lieder (Mehrheitsklasse) zu identifizieren (Genauigkeit: 0,85; Recall: nahezu 0,99). Die Leistung bei populären Liedern (Minderheitsklasse) war hingegen mit einer Genauigkeit von 0,40 und einem Recall von 0,05 deutlich geringer. Dies verdeutlicht die klassische Herausforderung der Klassenungleichheit bei solchen Problemen.

Bedeutung der Variablen: Was hat beim Erstellen eines Hits das größte Gewicht?

Abgesehen davon, zu wissen, welches Modell genauer ist, ist es entscheidend zu verstehen welche Funktionen tatsächlich nützliche Informationen liefern Bei der Vorhersage der Popularität eines Liedes wurde XGBoost (XGBClassifier) ​​verwendet, um die Wichtigkeit der Variablen zu bestimmen. Diese Wichtigkeit basiert auf dem Beitrag jedes Merkmals zur Fehlerreduzierung in den Entscheidungsbäumen.

Die Ergebnisse zeigten, dass die Die Länge des Liedes hob sich deutlich vom Rest ab.mit einem F-Wert deutlich über 400. Dieses Ergebnis deckt sich mit der Annahme, dass kürzere Titel zum wiederholten Hören anregen und somit in kürzerer Zeit mehr Wiedergaben erzielen – etwas, das der Empfehlungsalgorithmus von Spotify tendenziell belohnt.

Am anderen Ende des Spektrums stehen Variablen wie der Schlüssel, der Modus oder der Gefühl, das dem Titel entnommen ist Sie erzielten Wichtigkeitswerte unter 50, was darauf hindeutet, dass ihr Beitrag zur Gesamtvorhersagekraft des Modells gering war. Das bedeutet nicht, dass sie keinerlei Einfluss haben, sondern lediglich, dass ihr Gewicht im Vergleich zu anderen Merkmalen deutlich geringer ist.

Die übrigen Audioattribute (wie Energie, Tanzbarkeit, Valenz, Lautstärke, Akustik, Lebendigkeit, Sprachcharakter und Instrumentalisierung) lagen im mittleren Bereich mit F-Werten zwischen 200 und 300, was darauf hindeutet, dass Sie bilden einen recht ausgewogenen InformationsblockKeiner dieser Faktoren dominiert vollständig, aber zusammengenommen tragen sie dazu bei, ein recht genaues Bild der Erfolgsaussichten eines Liedes zu zeichnen.

Insgesamt konnten die auf Audiomerkmalen basierenden Modelle Vorhersagen mit einer Genauigkeit von etwa eine Erfolgsquote von 84-85%, wenn ein Hinweis zu den beliebtesten 15% gehören würdeDies gibt der alten Intuition der „Wissenschaft der Hitsongs“ eine gewisse empirische Unterstützung: Mit guten Daten und geeigneten Techniken ist musikalischer Erfolg nicht rein zufällig, auch wenn es eine bedeutende unvorhersehbare Komponente gibt.

Die Analyse zeigt, dass die Kombination von Spotify-Daten, traditionellen Statistiken und Modellen des maschinellen Lernens weit über die reine Zählung von Streams hinausgeht. Das Verständnis des Einflusses von Dauer, Energie, Valenz und Instrumentierung sowie der Rolle redaktioneller Playlists und der Empfehlungsdynamik der Plattform bietet Künstlern, Labels und Analysten einen konkreten Leitfaden, um zu interpretieren, warum bestimmte Songs zu Hits werden und wie sie ihre Chancen maximieren können, zu dieser exklusiven Gruppe zu gehören – ohne dabei das menschliche und kreative Element zu verlieren, das sich glücklicherweise keiner Formel entzieht.