Spotify hitu analīze: dati, algoritmi un muzikālo panākumu zinātne

Informatec Digital » Resursi » Spotify hitu analīze: dati, algoritmi un muzikālo panākumu zinātne

Spotify ir kļuvusi par perfektu laboratoriju, lai pētītu, kas padara dziesmu par hituMums ir pieejami reāllaika atskaņošanas dati, uzlaboti metrikas māksliniekiem, un miljoniem klausītāju katru sekundi pieņem lēmumus. Spotify nebūt nav tikai klausīšanās platforma, tā ir pārveidojusies par milzīgu... datubāze kur var analizēt modeļus, emocijas, žanrus un atskaņošanas sarakstu stratēģijas, lai saprastu, kāpēc dažas dziesmas kļūst populāras, bet citas grimst aizmirstībā.

Pēdējos gados rīki, akadēmiskie pētījumi un mašīnmācīšanās modeļi veltīta Spotify hitu analīzeSākot ar tādu redakcionālu topu kā “Today's Top Hits” vai “Rap Caviar” izpēti, līdz algoritmu izveidei, kas spēj paredzēt, vai dziesma piederēs populārākajai grupai katalogā. Vienlaikus Spotify for Artists ir demokratizējis piekļuvi šiem rādītājiem, ļaujot jebkuram māksliniekam redzēt, kas viņu klausās, kur un kā viņš tiek atklāts, un attiecīgi pielāgot savu radošo un mārketinga stratēģiju.

Kas īsti ir Spotify hitu analīze un kāpēc tā ir svarīga?

Kad mēs runājam par Spotify hitu analīze Mēs nerunājam tikai par to, cik reižu dziesma ir atskaņota. Tā ir plašāka pieeja, kas apvieno audio, kontekstu un lietotāja uzvedību, lai atbildētu uz neērtu, bet svarīgu jautājumu: vai var paredzēt dziesmas panākumus pirms tās izdošanas? Izmantojot datus no Spotify API, pētnieki strādā ar tādiem mainīgajiem lielumiem kā popularitāte, enerģija, valence, ilgums, temps un dejojamība, lai mēģinātu pietuvoties šai atbildei.

Šī pieeja sakņojas t.s. "Hītu zinātne"Šo ideju, ko 2000. gadu sākumā popularizēja Maiks Makkrīdijs, izmanto algoritmus un matemātiskus modeļus, lai prognozētu, kuras dziesmas labi darbosies topos un radio. Lai gan agrīnie pētījumi secināja, ka tas ir ļoti sarežģīti (un ka modeļi nav pietiekami precīzi), ainava ir pilnībā mainījusies līdz ar straumēšanas parādīšanos, milzīgo datu apjoma pieaugumu un mašīnmācīšanās metožu pilnveidošanu.

Mūsdienās Spotify piedāvā API ar piekļuvi desmitiem tūkstošu dziesmu ar savu muzikālie un kontekstuālie atribūtiSākot ar tonalitāti un režīmu un beidzot ar dziesmas akustiskā vai instrumentālā skanējuma varbūtību, ieskaitot rādītājus, kas īpaši izstrādāti, lai aprakstītu dziesmas uztveri (enerģija, valence, dejojamība utt.). Tas viss ļauj mums pāriet no subjektīviem viedokļiem uz daudz precīzāku kvantitatīvu analīzi.

Paralēli instruments Spotify for Artists Tas palīdz veidotājiem neapmaldīties iedomības rādītājos un koncentrēties uz to, kas patiesi ir svarīgs: ilgtermiņa auditorijas attīstība, iesaiste, noturēšana un tas, kā mārketinga centieni ietekmē īstu fanu piesaisti. Citiem vārdiem sakot, skaitļi, jā, bet ar kontekstu un stratēģisku nolūku.

Oficiālie atskaņošanas saraksti un stratēģija: redakcionālo sarakstu svars

Viens no svarīgākajiem elementiem jebkurā nopietnā Spotify hitu analīzē ir loma oficiālie redakcijas atskaņošanas sarakstiTādi topi kā Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint vai ¡Viva Latino! darbojas kā milzīgi pastiprinātāji: nokļūšana vienā no tiem var pilnībā mainīt dziesmas vai pat karjeras trajektoriju.

Trešo pušu rīki, piemēram, Soundcharts, ļauj jums redzēt kā mākslinieks uzvedas šajos atskaņošanas sarakstosParādīšanās reižu skaits, uzturēšanās ilgums, tirgi, kuros tiem ir vislielākā ietekme utt. Šāda veida analīze skaidri parāda, ka klātbūtne redakcionālajos sarakstos nav rotājums, bet gan galvenā platformas izaugsmes stratēģijas sastāvdaļa.

Kvalitatīvu atskaņošanas sarakstu veidošanā pastāv noteikti atkārtoti kritēriji. Piemēram, tiek vērtēts, ka pastāv dažādus māksliniekus, nevis atkārtot tos pašus vārdus atkal un atkalSaraksti, kuros viens un tas pats mākslinieks parādās pārāk daudzas reizes, parasti saņem zemākus vērtējumus, jo tie mazina klausītāja atklāšanas sajūtu.

Arī meklēju saskaņots dzimumu līdzsvarsJa atskaņošanas sarakstā ir sajaukti pārāk daudzi stili bez skaidra virziena, pieredze Tas kļūst fragmentārs, un vērtējums krītas. Vislabāk uztveramie saraksti parasti koncentrējas uz vienu vai dažiem precīzi definētiem žanriem, kas palīdz lietotājam uzreiz saprast, ko sagaidīt, nospiežot atskaņošanas pogu.

Vēl viens svarīgs aspekts ir labi zināmu un jaunu tēmu sajaukumsAtskaņošanas saraksti, kas ietver tikai lielus hitus, ir labi, taču tie piedāvā maz atklāšanas iespēju. Turpretī atskaņošanas saraksti, kas apvieno jau zināmas dziesmas ar mazāk zināmiem dārgakmeņiem, parasti rada lielāku iesaisti un palīdz radīt jaunus hitus.

Visbeidzot, pastāv zināma vienprātība, ka labā atskaņošanas sarakstā jābūt vismaz aptuveni 50 dziesmas, lai piedāvātu pilnīgu pieredziTopi, kuros ir mazāk nekā 10 dziesmas, bieži tiek uztverti kā slikti un saņem zemākus vērtējumus, kas ietekmē arī tajos iekļauto dziesmu sniegumu.

Īsa Spotify vēsture un tā analītikas izcelsme

Pirms Spotify varēja veikt padziļinātu hitu analīzi, pašai platformai bija jāatrod sava vieta mūzikas industrijā. Ideja, ko izstrādāja līdzdibinātājs Daniels Eks, radās pēc Napster sabrukuma 2002. gadā. Viņš vēlējās izveidot pakalpojumu, kas būtu "labāks par pirātismu, bet kas arī atmaksātos nozarei".Tajā laikā Eks vadīja uTorrent, vienu no galvenajiem P2P lejupielādes un koplietošanas klientiem, tāpēc viņam bija tiešas zināšanas par neatļautas izplatīšanas pasauli.

Pēc uTorrent pārdošanas BitTorrent 2006. gada beigās, Eks pilnībā koncentrējās uz Spotify izveidi. Lietotne tika oficiāli palaista 2008. gadā Zviedrijā pēc tam, kad sasniedza licencēšanas un kapitāla līdzdalības līgumi ar lielākajām mūzikas korporācijāmSony Music Entertainment, Universal Music Group un Warner Music Group. Gadu vēlāk tā paplašinājās uz Apvienoto Karalisti un 2011. gadā ieradās Amerikas Savienotajās Valstīs.

Šajā sākotnējā periodā maksas abonentu bāze pieauga no aptuveni 1 miljona Eiropā līdz aptuveni 4 miljoni visā pasaulē 2012. gadāLīdz 2016. gadam Spotify jau paziņoja par 40 miljoniem maksājošu lietotāju un aptuveni 100 miljoniem kopējo lietotāju, nostiprinot straumēšanu kā dominējošo mūzikas patēriņa veidu visā pasaulē.

Vienlaikus sāka parādīties datu rīki māksliniekiem. Vispirms bija Fanu ieskatiŠis risinājums dažām komandām piedāvāja ierobežotu piekļuvi straumēšanas datiem: demogrāfiskajiem datiem, ģeogrāfiskajiem datiem un pamata tendencēm. 2017. gadā šis risinājums attīstījās par Spotify māksliniekiem, paverot iespēju visiem māksliniekiem redzēt savus galvenos rādītājus un izmantot datus, lai pieņemtu lēmumus par koncerttūrēm, izlaidumiem un reklamēšanu.

2018. gadā uzņēmums kļuva publiski pieejams ar tirgus kapitalizāciju aptuveni 30.000 miljoniKopš tā laika tirgu skaits, kuros tas darbojas, ir turpinājis pieaugt, un līdz ar to ir pieaugusi analītikas nozīme platformā. Tas, kas sākās kā licencēts multivides atskaņotājs, ir kļuvis par globālu infrastruktūru, kurā dati ir vissvarīgākie.

Spotify metrika: kā izmērīt dziesmu ārpus straumēšanas

Lai izveidotu trāpījumu prognozēšanas modeļus, vispirms ir jāsaprot, kāda veida Spotify API sniegtie datiPiemēram, vienā pētījumā, kas bija vērsts uz Indijas tirgu, no Spotify ģenerētajiem atskaņošanas sarakstiem tika iegūti vairāk nekā 46 000 dziesmu ierakstu, aptverot plašu žanru un apakšžanru klāstu.

Informācija ir sakārtota vairākos blokos. Trases līmenī mēs atrodam tādus datus kā identifikators, nosaukums, izpildītājs, popularitāte, izdošanas datums un ilgums milisekundēsAlbuma līmenī tiek saglabāts ID un nosaukums. Atskaņošanas saraksta līmenī tiek parādīts nosaukums, ID, žanrs un saistītais apakšžanrs.

Bet visinteresantākais trāpījumu analīzei ir audio funkcijasiedalīts dažādās kategorijās: “noskaņojuma” raksturlielumi (dejojamība, enerģija, valence, temps), fizikālās īpašības (skaļums, runas kvalitāte, instrumentalitāte), konteksts (akustika, dzīvīgums) un muzikālie segmenti (toņkārta, moduss). Katrs no šiem mainīgajiem ir rūpīgi definēts un normalizēts.

Piemēram, dejojamība tiek izteikta kā vērtība no 0 līdz 1, kas apkopo Cik viegli ir dejot dziesmas pavadījumāPamatojoties uz tādiem elementiem kā ritms, tempa stabilitāte un bīta stiprums, enerģija svārstās arī no 0 līdz 1, mēģinot noteikt, vai dziesma izklausās intensīva, ātra un spēcīga, nevis mierīgāka vai maigāka.

Valensija apraksta uztvertā emocionālā “pozitivitāte” Audio ierakstos zemas vērtības atbilst skumjām, saspringtām vai drūmām sajūtām, savukārt augstas vērtības atbilst dzīvespriecīgai, spilgtai vai eiforiskai mūzikai. Akustiskums mēra ieraksta akustiskā rakstura iespējamību, dzīvīgums — dzīvas auditorijas klātbūtni ierakstā, un runas intensitāte atspoguļo runāto vārdu īpatsvaru ierakstā (ļoti augsta, piemēram, podkāstos vai runāto vārdu ierakstos).

Citi svarīgi parametri ir temps BPMkopējais ilgums, tonalitāte (kodēta kā vesels skaitlis), režīms (liels vai mazsvarīgs) un dziesmas popularitāte. Pēdējais ir iekšējs Spotify rādītājs, kas svārstās no 0 līdz 100. Tas ir atkarīgs gan no straumju skaita, gan no to nesenuma.Dziesma, kas pirms gadiem bija ļoti populāra, bet vairs gandrīz netiek atskaņota, laika gaitā piedzīvos savu reitingu kritumu.

Kā sagatavot un iztīrīt datu kopu, lai varētu paredzēt sakritības

Viens solis, kas bieži tiek aizmirsts, apspriežot Spotify hitu analīzi, ir datu kopas sagatavošanaŠajā pētījumā dati tika apkopoti, izmantojot R un RStudio, izsaucot Spotify API dažādām tirgus (Indija), žanru un apakšžanru kombinācijām, kas atlasītas atbilstoši to globālajam un vietējam svaram.

Apvienojot dziesmas no dažādiem tematiskiem atskaņošanas sarakstiem, bieži vien daudzas dziesmas atkārtojas, jo viena un tā pati dziesma var parādīties dažādos sarakstos. Tā kā mērķis nebija analizēt pašu atskaņošanas saraksta veidošanas stratēģiju, bet gan dziesmu raksturlielumus, tas bija Viņi noņēma dublētos ierakstussamazinot kopējo bāzi no 46 417 līdz aptuveni 39 147 unikālām dziesmām.

Kolonnas, kas modeļos netika izmantotas kā skaidrojošie mainīgie, piemēram, izpildītājs, albuma ID un nosaukums, kā arī atskaņošanas sarakstam specifiski lauki, tika noņemtas. Vienlaikus tika noņemtas Viņi standartizēja lauku nosaukumus un datu tipi tika pielāgoti: piemēram, popularitāte, režīms, atslēga un ilgums tika pārveidoti par peldošā tipa skaitliskām vērtībām, lai atvieglotu statistisko apstrādi.

Svarīgs lēmums bija pārveidot popularitāti par vieglāk pārvaldāmu mainīgo. Tā vietā, lai strādātu ar nepārtrauktu vērtību no 0 līdz 100, slieksnis populāru un nepopulāru dziesmu atdalīšanaiŅemot sadalījuma 85. procentili (aptuveni popularitāte 65), dziesmas virs šīs vērtības tika uzskatītas par “populārām”, bet pārējās – par “nepopulārām”.

Tādā veidā datu kopa tika sadalīta gandrīz 6.000 populāru dziesmu un aptuveni 33 000 nepopulāru dziesmuIzpētes analīzei dati tika segmentēti piecās popularitātes klasēs (ļoti augsta, augsta, vidēja, zema un ļoti zema) ar 20 punktu intervālu, kas ļāva salīdzināt smalkas tendences starp panākumu līmeņiem.

Turklāt no dziesmu nosaukumiem tika ģenerēts jauns mainīgais: a noskaņojuma indikatorsIzmantojot TextBlob bibliotēku Python valodā, tika aprēķināta katra nosaukuma polaritāte (skaitlis no -1 līdz 1) un klasificēta kā pozitīva, negatīva vai neitrāla. Šī skaitliskā vērtība tika pievienota datu rāmim, lai izpētītu, vai nosaukuma tonis ir saistīts ar tā popularitāti.

Datu izpēte: kas atšķir populārākās dziesmas

Pirms jebkura mašīnmācīšanās modeļa apmācības ir svarīgi veltīt laiku datu vizuāla un statistiska izpēteŠī pētījuma gadījumā tika analizētas sadalījuma līknes, vidējie rādītāji katrā popularitātes grupā un emociju un panākumu attiecības.

Viens no pārsteidzošajiem atklājumiem ir saistīts ar veiksmīgāko dziesmu popularitāti. Aplūkojot dziesmas ar popularitātes vērtējumu virs 90, tika novērots, ka Lielāks skaits no tiem Valensijā bija zem 0,5 vērtības.Citiem vārdiem sakot, tie skanēja skumjāk, drūmāk vai melanholiskāk nekā dzīvespriecīgi. Tā nebija absolūta dominance, bet tā bija skaidra tendence.

Kad tika attēlots popularitātes sadalījums pēc dzimuma, lielākajā daļā līkņu tika izmantota aptuvenā zvana formaar daudzām dziesmām aptuveni vidējā līmenī un mazāk galējos līmeņos. Tomēr tādos žanros kā roks, ritmblūzs, elektroniskā deju mūzika, pasaules mūzika un indiešu mūzika bija novērojama zināma asimetrija liela skaita dziesmu dēļ, kurām nebija nekādas popularitātes. Turpretī tādi stili kā pops, reps, latīņu mūzika un desi mūzika šķita līdzsvarotāki un ar mazāku nulles popularitātes dziesmu koncentrāciju.

Tas liek domāt, ka šajos populārākajos žanros tas kopumā ir vieglāk sasniegt noteiktu popularitātes līmenipat ja dziesmām nepiemīt visas ideālās īpašības, savukārt citos stilos panākumu sadalījums ir polarizētāks.

Salīdzinot dažādu funkciju vidējos rādītājus pēc popularitātes klases, parādījās ļoti skaidra tendence: veiksmīgākajām tēmām parasti ir lielāka enerģija un lielāks skaļums (uztvertais skaļums)kā arī vairāk instrumentālisma un mazāk runas. Vienkārši sakot, dziesmas, kas vislabāk darbojas straumēšanas platformās, parasti ir spēcīgākas un vairāk vērstas uz mūziku, nevis uz runātiem vārdiem.

Tika arī novērots, ka populārās dziesmās ir zemāka akustiskā kvalitāte un zemāka dzīvīguma pakāpeCitiem vārdiem sakot, tie skan mazāk "akustiski" un mazāk "dzīvi". Tie ir vairāk producēti studijā, izsmalcinātāki, ar mazāku apkārtējā trokšņa vai koncerta sajūtu.

Vēl viens svarīgs atklājums ir tas, ka populāras dziesmas mēdz būt īsāki nekā nepopulārieKontekstā, kur ieņēmumi ir atkarīgi no straumju skaita un algoritmi atalgo atkārtošanu, ir loģiski, ka īsāki skaņdarbi var ātrāk uzkrāt atskaņošanas skaitu un kļūt “draudzīgāki” atskaņošanas sarakstiem.

Attiecībā uz uztverto laimi (valenci) tendence ir interesanta: līmeņi paaugstinās no zemākajām popularitātes klasēm līdz "augstākajai" klasei, bet galējā kategorijā, "ļoti augstajā", ir vērojams ievērojams kritums. Citiem vārdiem sakot, Superpopulāras dziesmas mēdz izklausīties skumjāk nekā tikai "veiksmīgas".Tas paver durvis daudzām interpretācijām par sabiedrības gaumi un sociāli emocionālo kontekstu.

Statistiskā analīze: žanru un audio atribūtu ietekme

Kad dati bija izpētīti, nākamais solis bija pielietot formāli statistikas testi lai noskaidrotu, kurus mainīgos varētu uzskatīt par būtiskiem popularitātes skaidrošanā. Lai izpētītu, vai dzimums ietekmē panākumus, tika izmantota dispersijas analīze (ANOVA) ar deviņiem galvenajiem žanriem.

ANOVA rezultāts deva ļoti augstu F vērtību un praktiski nulles nozīmīgumu, kas nozīmē, ka Žanru popularitātē pastāv statistiski nozīmīgas atšķirībasTomēr ar to nepietiek: ir svarīgi arī zināt, starp kuriem dzimumu pāriem šīs atšķirības rodas un vai mainīgais būs noderīgs paredzošajam modelim.

Tā kā dispersijas nebija viendabīgas un dziesmu skaits katrā žanrā atšķīrās, tika izmantots sekojošais: Games-Howell post-hoc testsŠī analīze ļāva pārbaudīt, kurām dzimumu kombinācijām nebija būtisku atšķirību popularitātē, kas kopumā padarīja mazāk ieteicamu dzimuma izmantošanu kā spēcīgu prognozētāju mašīnmācīšanās modeļos.

Paralēli tika veiktas šādas darbības neatkarīgi t-testi Katrai audio funkcijai tika salīdzināti vidējie rādītāji starp populāru dziesmu grupu un nepopulāru dziesmu grupu. Ar 95% nozīmīguma līmeni tika konstatēts, ka gandrīz visi mainīgie (dejotspēja, enerģija, skaļums, akustiskums, dzīvīgums, ilgums, temps, valence un instrumentalitāte) uzrādīja būtiskas atšķirības starp abām grupām.

Vienīgais acīmredzamais izņēmums bija runas spējaPirmajā testā vidējo vērtību atšķirība nebija būtiska, taču turpmākā analīze atklāja, ka ļoti populāru tēmu runas diapazoni (ar vērtībām no 0,024 līdz 0,685) atbilda mazāk populārās klases plašākajam diapazonam (no 0 līdz 0,964). Šī pārklāšanās netraucēja runas intensitātei, efektīvi izmantojot to, sniegt informāciju modelim, tāpēc tika nolemts to saglabāt kā prognozētāju.

Rezumējot, audio funkciju bloks demonstrēja skaidra aprakstoša spēja attiecībā uz popularitāti, savukārt dzimums tika apstrādāts piesardzīgāk un dažās prognozēšanas pieejās tika izslēgts kā primārais mainīgais.

Mašīnmācīšanās modeļu veidošana, lai prognozētu trāpījumus

Kad datu kopa bija tīra un atbilstošie mainīgie bija atlasīti, bija pienācis laiks izveidot binārie klasifikācijas modeļi spējīga paredzēt, vai dziesma pieder pie 15% popularitātes augšējiem. Lai to izdarītu, kategoriskie mainīgie key un mode vispirms tika pārveidoti par fiktīviem mainīgajiem, izmantojot Pandas get_dummies funkciju.

Pēc šo fiktīvu mainīgo iekļaušanas sākotnējās atslēgas un režīma kolonnas, kā arī nepārtrauktās popularitātes kolonna tika noņemtas, un mērķa mainīgais tika saglabāts. binārais popularitātes lauks (populāri pret nepopulāriem). Pirms modeļu apmācības visas skaitliskās pazīmes tika standartizētas ar StandardScaler, jo tās darbojās ļoti dažādos mērogos un bija svarīgi, lai tām būtu salīdzināms svars.

Datu kopa tika sadalīta apmācības un testēšanas daļās, izmantojot funkciju train_test_split, rezervējot 20% no testēšanas reģistrācijāmTādā veidā tika novērstas informācijas noplūdes un tika nodrošināts, ka veiktspējas rādītāji atspoguļo modeļu faktisko vispārināmību, nevis tikai to spēju iegaumēt apmācības datus.

Pirmais pielietotais modelis bija Loģistiskā regresijaŠī metode tiek plaši izmantota binārajā klasifikācijā. Tika ieviesta iteratīva versija ar mācīšanās ātrumu 0,01 un 200 iterācijām un novērtēta, izmantojot krustvalidāciju. Vidējā precizitāte sasniedza aptuveni 84,7%, kas ir ievērojami spēcīgs rezultāts tik sarežģītai problēmai kā muzikālo panākumu prognozēšana.

Pēc tam algoritms tika pārbaudīts K — tuvākie kaimiņi (KNN), kas klasificē katru dziesmu pēc k tuvākajiem kaimiņiem pazīmju telpā. Pielāgojot ky vērtību, izmantojot režģa meklēšanu, lai atrastu optimālo konfigurāciju, tika iegūta ļoti līdzīga precizitāte, aptuveni 84,8%, ar nelielu uzlabojumu šķērsvalidācijas rādītājā salīdzinājumā ar loģistisko regresiju.

Nākamais modelis bija Atbalsta vektoru mašīna (SVM)Tika izmantota arī cita uzraudzīta metode, kas spēj apstrādāt gan lineāras, gan nelineāras attiecības. Arī šajā gadījumā, izmantojot hiperparametru pielāgošanu, tika sasniegta aptuveni 84,6% precizitāte ar līdzvērtīgām vērtībām krustvalidācijā, kas norāda uz stabilu veiktspēju.

Tika izvērtēts arī sekojošais: Naivs Bajesa klasifikatorsBalstoties uz hipotēzi par pazīmju neatkarību. Lai gan pieņēmumu ziņā tas ir daudz vienkāršāks modelis, tā precizitātes rezultāti (aptuveni 84,6%) bija līdzvērtīgi SVM un ļoti tuvi loģistiskajai regresijai un KNN, pastiprinot ideju, ka problēmas struktūra ir labi piemērota šāda veida varbūtības pieejai.

Visbeidzot, tika pārbaudīti modeļi, kuru pamatā ir lēmumu koki. Lēmumu koka klasifikators Tas sasniedza ievērojami zemāku precizitāti, aptuveni 75,4%, un savstarpējā validācija apstiprināja šo veiktspējas kritumu, iespējams, pārmērīgas pielāgošanas problēmu dēļ. Nejaušs meža klasifikators, kas apvieno daudzus kokus, lai izlīdzinātu šos efektus, ievērojami uzlabojās, sasniedzot aptuveni 84,1 % precizitāti un vairāk nekā 84 % savstarpējā validācijā.

Lai pabeigtu analīzi, a apjukuma matrica un klasifikācijas ziņojums Nejaušajam mežam. Modelis uzrādīja izcilu spēju identificēt nepopulāras dziesmas (vairākuma klase) ar precizitāti 0,85 un atcerēšanās spēju tuvu 0,99, savukārt tā sniegums populāro dziesmu klasē (mazākuma klase) bija pieticīgāks ar precizitāti 0,40 un atcerēšanās spēju 0,05. Tas izceļ klasisko klases nelīdzsvarotības izaicinājumu šāda veida problēmās.

Mainīgo svarīgums: kam ir vislielākā nozīme trāpījuma veidošanā

Papildus tam, lai zinātu, kurš modelis ir precīzāks, ir svarīgi saprast kuras funkcijas faktiski sniedz noderīgu informāciju prognozējot, vai dziesma būs populāra. Šim nolūkam tika izmantots XGBoost (XGBClassifier), lai iegūtu mainīgu svarīguma rādītājus, pamatojoties uz katras pazīmes ieguldījumu kļūdu samazināšanā lēmumu kokos.

Rezultāti parādīja, ka Dziesmas garums nepārprotami izcēlās uz pārējo fonaar F vērtējumu, kas krietni pārsniedz 400. Šis atklājums atbilst idejai, ka īsāki ieraksti veicina atkārtotu klausīšanos un tādējādi uzkrāj vairāk atskaņošanas reižu īsākā laikā, ko Spotify ieteikumu algoritms parasti atalgo.

Pretējā galējībā tādi mainīgie kā atslēga, režīms vai sajūta, kas ņemta no nosaukuma To nozīmīguma rādītāji bija zem 50, kas liecina, ka to ieguldījums modeļa kopējā prognozēšanas spējā bija neliels. Tas nenozīmē, ka tiem vispār nav nekādas ietekmes, bet gan to, ka, salīdzinot ar citām pazīmēm, to svars ir daudz mazāks.

Atlikušie audio atribūti (piemēram, enerģija, dejojamība, valence, skaļums, akustiskums, dzīvīgums, runas kvalitāte un instrumentalitāte) atradās vidējā diapazonā ar F-rādītājiem no 200 līdz 300, kas norāda, ka Tie veido diezgan līdzsvarotu informācijas bloku.Neviens no tiem pilnībā nedominē, bet visi kopā tie palīdz veidot diezgan precīzu priekšstatu par dziesmas panākumu izredzēm.

Kopumā modeļi, kuru pamatā ir audio funkcijas, spēja paredzēt aptuveni 84–85 % veiksmes rādītājs, ja pavediens būtu daļa no 15 % populārāko pavedienuTas sniedz zināmu empīrisku atbalstu senajai intuīcijai par "hitu dziesmu zinātni": ar labiem datiem un atbilstošām metodēm muzikālie panākumi nav pilnīgi nejauši, lai gan joprojām pastāv ievērojama neparedzama komponente.

Šīs analīzes radītais attēls rāda, ka Spotify datu, tradicionālās statistikas un mašīnmācīšanās modeļu apvienošana ļauj mums iet daudz tālāk par vienkāršu straumju skaitīšanu. Izpratne par ilguma, enerģijas, valences un instrumentalitātes ietekmi, kā arī redakcionālo atskaņošanas sarakstu lomu un platformas ieteikumu dinamiku sniedz māksliniekiem, ierakstu kompānijām un analītiķiem ļoti konkrētu ceļvedi, lai interpretētu, kāpēc noteiktas dziesmas kļūst par hitiem un kā viņi var maksimāli palielināt savas izredzes pievienoties šai atlasītajai grupai, pilnībā nezaudējot cilvēcisko un radošo elementu, kas, par laimi, joprojām nav reducējams uz nevienu formulu.