ניתוח להיטים של ספוטיפיי: נתונים, אלגוריתמים ומדע ההצלחה המוזיקלית

אינפורמטק דיגיטל » Recursos » ניתוח להיטים של ספוטיפיי: נתונים, אלגוריתמים ומדע ההצלחה המוזיקלית

ספוטיפיי הפכה למעבדה המושלמת לחקור מה הופך שיר ללהיטיש לנו נתוני השמעה בזמן אמת, מדדים מתקדמים לאמנים, ומיליוני מאזינים שמקבלים החלטות בכל שנייה. ספוטיפיי הפכה, רחוקה מלהיות רק פלטפורמת האזנה, לתחום ענק. מסד הנתונים שבהם ניתן לנתח דפוסים, רגשות, ז'אנרים ואסטרטגיות של פלייליסטים כדי להבין מדוע שירים מסוימים ממראים הצלחה ואחרים שוקעים אל תוך שכחה.

בשנים האחרונות, כלים, מחקר אקדמי ו מודלים של למידת מכונה מוקדש ל ניתוח להיטים של ספוטיפייהחל מלימוד מצעדי עריכה כמו "הלהיטים המובילים של היום" או "ראפ קוויאר", ועד לבניית אלגוריתמים המסוגלים לחזות האם שיר מסוים ישתייך לקבוצה הפופולרית ביותר בקטלוג. במקביל, Spotify for Artists הפכה את הגישה למדדים אלו לדמוקרטיזציה, ומאפשרת לכל אמן לראות מי מאזין לו, היכן וכיצד הוא מתגלה, ולהתאים את אסטרטגיית הקריאייטיב והשיווק שלו בהתאם.

מהו בעצם ניתוח תוצאות בספוטיפיי ולמה זה חשוב?

כשאנחנו מדברים ניתוח להיטים של ספוטיפיי אנחנו לא מדברים רק על התבוננות בכמה פעמים שיר נוגן. זוהי גישה רחבה יותר המשלבת אודיו, הקשר והתנהגות משתמש כדי לענות על שאלה לא נוחה אך מכרעת: האם ניתן לחזות את הצלחתו של שיר לפני שהוא יוצא לאור? באמצעות נתונים מממשק ה-API של ספוטיפיי, חוקרים עובדים עם משתנים כמו פופולריות, אנרגיה, ערכיות, משך זמן, קצב ויכולת ריקוד כדי לנסות להתקרב לתשובה זו.

גישה זו נעוצה במה שנקרא "מדע שירי הלהיט"רעיון זה, שהפך לפופולרי על ידי מייק מקרידי בתחילת שנות ה-2000, כרוך בשימוש באלגוריתמים ובמודלים מתמטיים כדי לחזות אילו שירים יצליחו במצעדים וברדיו. בעוד שמחקרים מוקדמים הגיעו למסקנה שזה קשה מאוד (ושהמודלים לא היו מדויקים מספיק), הנוף השתנה לחלוטין עם הופעת הסטרימינג, העלייה העצומה בנפח הנתונים ועידון טכניקות למידת מכונה.

כיום, Spotify מציעה ממשק API עם גישה לעשרות אלפי שירים. מאפיינים מוזיקליים והקשרייםמהסולם והמוד, ועד להסתברות שהשיר יהיה אקוסטי או אינסטרומנטלי, כולל מדדים שנועדו במיוחד לתאר כיצד השיר נתפס (אנרגיה, ערכיות, יכולת ריקוד וכו'). כל זה מאפשר לנו לעבור מדעות סובייקטיביות לניתוחים כמותיים מדויקים הרבה יותר.

במקביל, הכלי ספוטיפיי לאמנים זה עוזר ליוצרים להימנע מאבדים את עצמם במדדים של יהירות ולהתמקד במה שחשוב באמת: פיתוח קהל לטווח ארוך, מעורבות, שימור וכיצד מאמצי שיווק משפיעים על יצירת מעריצים אמיתיים. במילים אחרות, מספרים, כן, אבל עם הקשר וכוונה אסטרטגית.

פלייליסטים רשמיים ואסטרטגיה: משקלן של רשימות עריכה

אחד החלקים החשובים ביותר בכל ניתוח רציני של להיטים בספוטיפיי הוא תפקידו של ה- פלייליסטים רשמיים של מערכתמצעדים כמו Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint או ¡Viva Latino! משמשים כמגברים אדירים: כניסה לאחד מהם יכולה לשנות לחלוטין את מסלולו של שיר או אפילו של קריירה.

כלים של צד שלישי כמו Soundcharts מאפשרים לך לראות כיצד אמן מתנהג בפלייליסטים האלהמספר הופעות, משך שהייה, שווקים בהם יש להם את ההשפעה הרבה ביותר וכו'. ניתוח מסוג זה מבהיר שנוכחות ברשימות עריכה אינה קישוט, אלא מרכיב מרכזי באסטרטגיית הצמיחה בפלטפורמה.

ישנם קריטריונים חוזרים מסוימים בבניית רשימות השמעה איכותיות. לדוגמה, חשוב שיהיו מגוון אמנים במקום לחזור על אותם שמות שוב ושוברשימות שבהן אותו אמן מופיע פעמים רבות מדי נוטות לקבל דירוגים נמוכים יותר, משום שהן מפחיתות את תחושת הגילוי של המאזין.

מחפש גם א איזון מגדרי קוהרנטיכאשר רשימת השמעה מערבבת יותר מדי סגנונות ללא כיוון ברור, ה ניסיון זה הופך מקוטע והדירוג יורד. הרשימות הנתפסות ביותר נוטות להתמקד בז'אנר אחד או כמה ז'אנרים מוגדרים היטב, מה שעוזר למשתמש להבין במבט חטוף למה לצפות כשהוא לוחץ על כפתור ההפעלה.

היבט מרכזי נוסף הוא שילוב של נושאים ידועים ומתפתחיםפלייליסטים הכוללים רק להיטים גדולים הם בסדר, אבל הם מציעים מעט מאוד אפשרויות גילוי. לעומת זאת, פלייליסטים המשלבים שירים מבוססים עם פנינים פחות מוכרות נוטים לייצר מעורבות רבה יותר ולעזור ליצור להיטים חדשים.

לבסוף, ישנה הסכמה מסוימת שרשימת השמעה טובה צריכה לכלול לפחות כ-50 מסלולים כדי להציע חוויה שלמהמצעדים עם פחות מ-10 שירים נתפסים לעתים קרובות כגרועים ומקבלים ציונים נמוכים יותר, מה שמשפיע גם על ביצועי הרצועות שהם כוללים.

היסטוריה קצרה של ספוטיפיי ומקור האנליטיקה שלה

לפני שספוטיפיי יכלה לבצע ניתוח מתקדם של להיטים, הפלטפורמה עצמה הייתה צריכה למצוא את מקומה בתעשיית המוזיקה. הרעיון, שהגה המייסד השותף דניאל אק, צץ לאחר קריסתה של נאפסטר בשנת 2002. הוא רצה ליצור שירות שיהיה "טוב יותר מפיראטיות, אבל גם ישלם לתעשייה".באותה תקופה, אק הפעיל את uTorrent, אחד מלקוחות ההורדה והשיתוף העיקריים של P2P, כך שהייתה לו היכרות ממקור ראשון עם עולם ההפצה הלא מורשית.

לאחר שמכר את uTorrent ל-BitTorrent בסוף 2006, אק התמקד לחלוטין בבניית Spotify. האפליקציה הושקה רשמית בשנת 2008 בשוודיה, לאחר שהגיעה הסכמי רישוי והשתתפות במניות עם תאגידי מוזיקה גדוליםסוני מיוזיק אנטרטיינמנט, יוניברסל מיוזיק גרופ, וורנר מיוזיק גרופ. שנה לאחר מכן, היא התרחבה לממלכה המאוחדת, ובשנת 2011, הגיעה לארצות הברית.

בתקופה ראשונית זו, בסיס המנויים בתשלום גדל מכמיליון באירופה לכ- 4 מיליון ברחבי העולם בשנת 2012עד שנת 2016, ספוטיפיי כבר הכריזה על 40 מיליון משתמשים משלמים וכ-100 מיליון משתמשים בסך הכל, מה שביסס את הסטרימינג כצורת צריכת המוזיקה הדומיננטית ברחבי העולם.

במקביל, החלו להופיע כלי נתונים עבור אמנים. ראשית היה תובנות מעריציםפתרון זה הציע לחלק מהצוותים גישה מוגבלת לנתוני סטרימינג: נתונים דמוגרפיים, גיאוגרפיים ומגמות בסיסיות. בשנת 2017, פתרון זה התפתח ל-Spotify for Artists, ופתח את הדלת לכל האמנים לראות את המדדים המרכזיים שלהם ולהשתמש בנתונים כדי לקבל החלטות לגבי סיבובי הופעות, יציאות וקידום.

בשנת 2018, החברה הונפקה לציבור עם שווי שוק של כ... 30.000 מ'מאז, מספר השווקים שבהם היא פועלת המשיך לגדול, ועמו, חשיבות האנליטיקה בפלטפורמה. מה שהחל כנגן מדיה מורשה הפך לתשתית עולמית שבה הנתונים שולטים בכיפה.

מדדי ספוטיפיי: איך למדוד שיר מעבר להזרמות

כדי לבנות מודלים של חיזוי פגיעות, ראשית יש להבין איזה סוג של נתונים המסופקים על ידי Spotify APIבמחקר אחד שהתמקד בשוק ההודי, לדוגמה, חולצו יותר מ-46.000 רשומות שירים מפלייליסטים שנוצרו על ידי ספוטיפיי, המכסות מגוון רחב של ז'אנרים ותת-ז'אנרים.

המידע מאורגן למספר חלקים. ברמת המסלול, אנו מוצאים נתונים כגון מזהה, שם, אמן, פופולריות, תאריך יציאה ומשך זמן במילישניותברמת האלבום, המזהה והשם נשמרים. ברמת רשימת ההשמעה, מופיעים השם, המזהה, הז'אנר ותת-הז'אנר המשויך.

אבל הדבר המעניין ביותר לניתוח פגיעות הוא תכונות שמעמחולקים לקטגוריות שונות: מאפייני "מצב רוח" (יכולת ריקוד, אנרגיה, ערכיות, טמפו), תכונות פיזיקליות (עוצמת קול, דיבוריות, אינסטרומנטליות), הקשר (אקוסטיות, חיות) וקטעים מוזיקליים (סולם, מוד). כל אחד ממשתנים אלה מוגדר בקפידה ומנורמל.

ריקודיות, לדוגמה, מתבטאת כערך בין 0 ל-1 המסכם כמה קל לרקוד לצלילי שירבהתבסס על אלמנטים כמו קצב, יציבות טמפו ועוצמת הקצב, האנרגיה גם היא נעה בין 0 ל-1, בניסיון ללכוד האם השיר נשמע אינטנסיבי, מהיר ועוצמתי, לעומת משהו רגוע או רך יותר.

ולנסיה מתארת ​​את "חיוביות" רגשית נתפסת באודיו, ערכים נמוכים מתאימים לתחושות עצובות, מתוחות או קודרות, בעוד שערכים גבוהים מתאימים למוזיקה עליזה, בהירה או אופורית. אקוסטיות מודדת את הסבירות שהשיר יהיה אקוסטי, חיוניות את נוכחותו של קהל חי בהקלטה, ודיבוריות משקפת את שיעור המילים המדוברות במיקס (גבוה מאוד, למשל, בפודקאסטים או בקטעי מוזיקה מדוברת).

פרמטרים חשובים נוספים הם ה- קצב ב-BPMמשך הזמן הכולל, הסולם (מקודד כמספר שלם), המצב (מז'ור או מינור) והפופולריות של הרצועה. האחרון הוא מדד פנימי של ספוטיפיי שנע בין 0 ל-100. זה תלוי גם בכמות השידורים וגם בכמה הם חדשיםשיר שהיה ענק לפני שנים, אבל כמעט ולא מושמע עוד, יראה את הרייטינג שלו יורד עם הזמן.

כיצד להכין ולנקות את מערך הנתונים כדי שנוכל לחזות התאמות

שלב אחד שלעתים קרובות מתעלמים ממנו כשדנים בניתוח להיטים של ספוטיפיי הוא הכנת מערך נתוניםבמחקר הנדון, הנתונים נאספו באמצעות R ו-RStudio, תוך קריאה ל-API של Spotify עבור שילובים שונים של שוק (הודו), ז'אנרים ותת-ז'אנרים שנבחרו בהתאם למשקלם הגלובלי והמקומי.

כשמשלבים שירים מפלייליסטים נושאיים שונים, מקובל שרצועות רבות חוזרות על עצמן, מכיוון שאותו שיר יכול להופיע ברשימות שונות. מכיוון שהמטרה לא הייתה לנתח את אסטרטגיית הפלייליסט עצמה, אלא את מאפייני השירים, היה צורך... הם הסירו את הרצועות הכפולותמה שמפחית את הבסיס הכולל מ-46.417 לכ-39.147 שירים ייחודיים.

עמודות שלא נועדו לשמש כמשתני הסבר במודלים, כגון אמן, מזהה ושם אלבום, ושדות ספציפיים לרשימת השמעה, הוסרו. במקביל, הם תקניזו את שמות השדות וסוגי הנתונים הותאמו: לדוגמה, פופולריות, מצב, מפתח ומשך זמן הומרו לערכים מספריים מסוג צף כדי להקל על הטיפול הסטטיסטי.

החלטה מרכזית הייתה להפוך את הפופולריות למשתנה קל יותר לניהול. במקום לעבוד עם ערך רציף מ-0 עד 100, סף להפרדת שירים פופולריים ושירים לא פופולרייםאם ניקח את האחוזון ה-85 של ההתפלגות (סביב פופולריות של 65), רצועות מעל ערך זה נחשבו "פופולריות" והשאר "לא פופולריות".

באופן זה, קבוצת הנתונים חולקה ל- כמעט 6.000 שירים פופולריים וכ-33.000 שירים פחות פופולרייםלצורך הניתוח החקרני, הנתונים אף חולקו לחמש קטגוריות פופולריות (גבוהה מאוד, גבוהה, בינונית, נמוכה ונמוכה מאוד), עם מרווחים של 20 נקודות, שאפשרו השוואה של מגמות מדויקות בין רמות ההצלחה.

בנוסף, נוצר משתנה חדש משמות השירים: א. מדד סנטימנטבאמצעות ספריית TextBlob בפייתון, חושבה הקוטביות של כל כותרת (מספר בין -1 ל-1) וסווגה כחיובית, שלילית או ניטרלית. ערך מספרי זה נוסף למסגרת הנתונים כדי לבדוק האם הטון של הכותרת קשור לפופולריות שלה.

חקירת נתונים: מה מבדיל את השירים הפופולריים ביותר

לפני אימון כל מודל למידת מכונה, חיוני להקדיש זמן ל... בדיקה חזותית וסטטיסטית של הנתוניםבמקרה של מחקר זה, נותחו עקומות התפלגות, ממוצעים לכל קבוצת פופולריות והקשרים בין רגשות להצלחה.

אחד הממצאים הבולטים קשור לפופולריות של השירים המצליחים ביותר. כאשר בחנו שירים עם דירוג פופולריות מעל 90, נצפה כי מספר גדול יותר מהם היה מתחת לערך של 0,5 בוולנסיהבמילים אחרות, הם נשמעו עצובים יותר, קודרים יותר, או מלנכוליים יותר מאשר עליזים. זו לא הייתה דומיננטיות מוחלטת, אבל זו הייתה נטייה ברורה.

כאשר הוצגה התפלגות הפופולריות לפי מגדר, רוב העקומות אימצו צורת פעמון משוערתעם הרבה שירים סביב הממוצע ופחות בקצוות. עם זאת, ז'אנרים כמו רוק, R&B, EDM, מוזיקה עולמית ומוזיקה הודית הראו אסימטריה מסוימת עקב מספר רב של שירים עם אפס פופולריות. לעומת זאת, סגנונות כמו פופ, ראפ, לטיני ודסי נראו מאוזנים יותר ועם פחות ריכוז של שירים עם דירוג אפס.

זה מצביע על כך שבז'אנרים המיינסטרים יותר זה, באופן כללי, קל יותר להגיע לרמה מסוימת של פופולריותגם אם לשירים אין את כל המאפיינים האידיאליים, בעוד שבסגנונות אחרים חלוקת ההצלחה מקוטבת יותר.

כאשר משווים את הממוצעים של התכונות השונות לפי קטגוריית פופולריות, התגלה דפוס ברור מאוד: הנושאים המצליחים ביותר נוטים להיות בעלי אנרגיה רבה יותר ועוצמה רבה יותר (עוצמה נתפסת)כמו גם יותר אינסטרומנטליות ופחות דיבוריות. במילים פשוטות, שירים שמופיעים הכי טוב בסטרימינג נוטים להיות חזקים יותר וממוקדים יותר במוזיקה מאשר במילים מדוברות.

כמו כן נצפה כי שירים פופולריים מופיעים אקוסטיקה נמוכה יותר וחיוניות נמוכה יותרבמילים אחרות, הם נשמעים פחות "אקוסטיים" ופחות "חיים". הם יותר מופקים באולפן, מלוטשים יותר, עם פחות רעשי סביבה או תחושה של קונצרט.

ממצא מרכזי נוסף הוא ששירים פופולריים נוטים להיות קצרים יותר מאלה הלא פופולרייםבהקשר שבו ההכנסות תלויות במספר הסטרימינג ואלגוריתמים מתגמלים חזרות, הגיוני ששירים קצרים יותר יוכלו לצבור השמעות מהר יותר ולהפוך ל"ידידותיים" יותר לפלייליסטים.

בנוגע לאושר נתפס (ערכיות), המגמה מוזרה: הרמות עולות משכבות הפופולריות הנמוכות למעמד ה"גבוה", אך בקטגוריה הקיצונית ביותר, ה"גבוהה מאוד", יש ירידה ניכרת. במילים אחרות, שירים סופר-פופולריים נוטים להישמע עצובים יותר משירים "מצליחים" בלבד.זה פותח פתח לפרשנויות רבות לגבי טעם הציבור וההקשר החברתי-רגשי.

ניתוח סטטיסטי: השפעת ז'אנרים ותכונות שמע

לאחר בדיקת הנתונים, השלב הבא היה יישום מבחנים סטטיסטיים פורמליים כדי לראות אילו משתנים יכולים להיחשב רלוונטיים בהסבר הפופולריות. כדי לבדוק האם מגדר השפיע על הצלחה, נעשה שימוש בניתוח שונות (ANOVA) עם תשעה ז'אנרים עיקריים.

תוצאת ה-ANOVA הניבה ערך F גבוה מאוד ומשמעות כמעט אפסית, מה שאומר ש ישנם הבדלים משמעותיים סטטיסטית בפופולריות בין ז'אנריםעם זאת, זה לא מספיק: חשוב גם לדעת בין אילו זוגות מגדרים מתרחשים ההבדלים הללו והאם המשתנה יהיה שימושי למודל ניבוי.

מכיוון שהשונות לא הייתה הומוגנית ומספר השירים בכל ז'אנר השתנה, נעשה שימוש באפשרויות הבאות: מבחן פוסט-הוק של גיימס-האוולניתוח זה אפשר לאמת אילו שילובי מגדר לא הראו הבדלים משמעותיים בפופולריות, מה שבסך הכל הפחית את המומלץ להשתמש במגדר כגורם ניבוי חזק במודלים של למידת מכונה.

במקביל, בוצעו הפעולות הבאות מבחני t בלתי תלויים עבור כל מאפיין שמע, הושוו הממוצעים בין קבוצת השירים הפופולריים לקבוצת השירים הלא פופולריים. עם רמת מובהקות של 95%, נמצא שכמעט כל המשתנים (יכולת ריקוד, אנרגיה, עוצמה, אקוסטיות, חיות, משך, קצב, ערכיות ואינסטרומנטליות) הראו הבדלים משמעותיים בין שתי הקבוצות.

היוצא מן הכלל היחיד לכאורה היה דיבוריותבמבחן הראשון, ההבדל בממוצעים לא היה מובהק, אך ניתוח נוסף גילה שטווחי הדיבור עבור הנושאים הפופולריים ביותר (עם ערכים בין 0,024 ל-0,685) נפלו בטווח הרחב יותר של המחלקה הפחות פופולרית (בין 0 ל-0,964). חפיפה זו לא מנעה מדיבוריות, כאשר נעשה בה שימוש יעיל, לתרום מידע למודל, ולכן הוחלט לשמר אותה כגורם ניבוי.

לסיכום, בלוק תכונות האודיו הודגם כוח תיאורי ברור בנוגע לפופולריות, בעוד שמגדר טופל בזהירות רבה יותר ונשלל כמשתנה עיקרי בגישות חיזוי מסוימות.

בניית מודלים של למידת מכונה לחיזוי פגיעות

לאחר שקבוצת הנתונים הנקייה והמשתנים הרלוונטיים נבחרו, הגיע הזמן ליצור מודלים של סיווג בינארי מסוגל לחזות האם שיר שייך ל-15% המובילים בפופולריות. לשם כך, המשתנים הקטגוריים key ו-mode הומרו תחילה למשתני דמה באמצעות הפונקציה get_dummies של Pandas.

לאחר שילוב הדמה הללו, העמודות המקוריות עבור מפתח ומצב, כמו גם המשך הפופולריות, הוסרו, ומשתנה היעד נשמר. שדה בינארי של פופולריות (פופולרי לעומת לא פופולרי). לפני אימון המודלים, כל התכונות המספריות עברו סטנדרטיזציה באמצעות StandardScaler, מכיוון שהן עבדו על קני מידה שונים מאוד והיה חשוב שיהיה להן משקל דומה.

מערך הנתונים פוצל לאימון ולבדיקה באמצעות הפונקציה train_test_split, תוך שמירה על 20% מהנרשמים לבדיקותבדרך זו, נמנעו דליפות מידע והובטח כי מדדי הביצועים משקפים את יכולת ההכללה בפועל של המודלים, ולא רק את יכולתם לשנן נתוני אימון.

המודל הראשון שיושם היה רגרסיה לוגיסטיתטכניקה זו נמצאת בשימוש נרחב בסיווג בינארי. גרסה איטרטיבית עם קצב למידה של 0,01 ו-200 איטרציות יושמה והוערכה באמצעות אימות צולב. הדיוק הממוצע הגיע לכ-84,7%, תוצאה חזקה במיוחד עבור בעיה מורכבת כמו ניבוי הצלחה מוזיקלית.

לאחר מכן נבדק האלגוריתם K-Nearest Neighbours (KNN)אשר מסווג כל שיר לפי k השכנים הקרובים ביותר במרחב התכונות. התאמת ערך ky באמצעות חיפוש רשת כדי למצוא את התצורה האופטימלית הניבה דיוק דומה מאוד, כ-84,8%, עם שיפור קל בציון האימות הצולב בהשוואה לרגרסיה לוגיסטית.

הדגם הבא היה ה- מכונת וקטור תמיכה (SVM)טכניקה מפוקחת נוספת המסוגלת לטפל הן בקשרים ליניאריים והן בקשרים לא ליניאריים שימשה גם כן. שוב, באמצעות התאמת היפר-פרמטרים, הושגו דיוקים של כ-84,6%, עם ערכים שווים בבדיקת אימות צולב, דבר המצביע על ביצועים יציבים.

כמו כן, נערך הערכה של הדברים הבאים: מסווג בייס נאיביבהתבסס על השערת האי-תלות בין מאפיינים. למרות היותו מודל פשוט בהרבה מבחינת הנחות, תוצאות הדיוק שלו (כ-84,6%) היו דומות ל-SVM וקרובות מאוד לרגרסיה לוגיסטית ול-KNN, מה שמחזק את הרעיון שמבנה הבעיה מתאים היטב לסוג זה של גישה הסתברותית.

לבסוף, נבדקו מודלים המבוססים על עצי החלטה. מסווג עץ החלטות היא השיגה דיוק נמוך משמעותית, כ-75,4%, ואימות צולב אישר את הירידה בביצועים, ככל הנראה עקב בעיות של התאמת יתר. מסווג יערות אקראי, המשלבת עצים רבים כדי להחליק את ההשפעות הללו, השתפרה משמעותית, והשיגה דיוק של כ-84,1% ומעל 84% באימות צולב.

כדי להשלים את הניתוח, א מטריצת בלבול ודוח סיווג עבור יער האקראי. המודל הראה יכולת מצוינת לזהות שירים לא פופולריים (מחלקת הרוב), עם דיוק של 0,85 וזכירה קרובה ל-0,99, בעוד שביצועיו במחלקת השירים הפופולריים (מיעוט) היו צנועים יותר, עם דיוק של 0,40 וזכירה של 0,05. זה מדגיש את האתגר הקלאסי של חוסר איזון מעמדי בסוג זה של בעיה.

חשיבות המשתנים: מה ששוקל הכי הרבה בעת יצירת פגיעה

מעבר לדעת איזה מודל מדויק יותר, חשוב להבין אילו תכונות באמת מספקות מידע שימושי כאשר ניבויים האם שיר יהיה פופולרי. למטרה זו, נעשה שימוש ב-XGBoost ‏(XGBClassifier) ​​כדי לקבל ציוני חשיבות משתנים, המבוססים על תרומתו של כל מאפיין להפחתת שגיאות בעצי ההחלטה.

התוצאות הראו כי ה- אורך השיר בלט באופן ברור מהשארעם ציון F הרבה מעל 400. ממצא זה תואם את הרעיון ששירים קצרים יותר מעודדים האזנה חוזרת ולכן צוברים יותר השמעות בפחות זמן, דבר שאלגוריתם ההמלצות של ספוטיפיי נוטה לתגמל.

בקצה ההפוך, משתנים כמו הסולם, המצב או ה... תחושה שנלקחה מהכותרת הם קיבלו ציוני חשיבות מתחת ל-50, דבר המצביע על כך שתרומתם לכוח החיזוי הכולל של המודל הייתה קטנה. אין זה אומר שאין להם השפעה כלל, אלא שבהשוואה למאפיינים אחרים, משקלם נמוך בהרבה.

תכונות השמע הנותרות (כגון אנרגיה, יכולת ריקוד, ערכיות, עוצמה, אקוסטיות, חיות, דיבוריות ואינסטרומנטליות) היו בטווח בינוני עם ציוני F בין 200 ל-300, דבר המצביע על כך הם יוצרים גוש מידע מאוזן למדיאף אחד מהם לא שולט לחלוטין, אבל כולם יחד עוזרים לבנות תמונה מדויקת למדי של סיכויי ההצלחה של שיר.

בסך הכל, המודלים המבוססים על תכונות שמע הצליחו לחזות בערך שיעור הצלחה של 84-85% אם רמז יהיה חלק מ-15% הפופולריים ביותרזה מעניק תמיכה אמפירית מסוימת לאינטואיציה הישנה של "מדע שירי הלהיט": עם נתונים טובים וטכניקות מתאימות, הצלחה מוזיקלית אינה אקראית לחלוטין, אם כי נותר מרכיב משמעותי בלתי צפוי.

התמונה המצוירת על ידי ניתוח זה מראה ששילוב נתוני Spotify, סטטיסטיקות מסורתיות ומודלים של למידת מכונה מאפשר לנו ללכת הרבה מעבר לספירת סטרימינג בלבד. הבנת ההשפעה של משך, אנרגיה, ערכיות ואינסטרומנטליות, יחד עם תפקידן של רשימות השמעה עריכתיות ודינמיקת ההמלצות של הפלטפורמה, מספקת לאמנים, לייבלים ואנליסטים מפת דרכים קונקרטית מאוד לפרשנות מדוע שירים מסוימים הופכים ללהיטים וכיצד הם יכולים למקסם את סיכוייהם להצטרף לקבוצה נבחרת זו מבלי לאבד לחלוטין את האלמנט האנושי והיצירתי שלמרבה המזל, נותר בלתי ניתן לצמצום לכל נוסחה.