Analyse van Spotify-hits: data, algoritmes en de wetenschap achter muzikaal succes

Informatic Digital » Middelen » Analyse van Spotify-hits: data, algoritmes en de wetenschap achter muzikaal succes

Spotify is uitgegroeid tot het perfecte laboratorium om te onderzoeken wat een nummer tot een hit maakt.We beschikken over realtime afspeelgegevens, geavanceerde statistieken voor artiesten en miljoenen luisteraars die elke seconde beslissingen nemen. Spotify is veel meer dan alleen een luisterplatform; het is uitgegroeid tot een enorm databank waarbij patronen, emoties, genres en afspeellijststrategieën geanalyseerd kunnen worden om te begrijpen waarom sommige nummers aanslaan en andere in de vergetelheid raken.

De afgelopen jaren zijn er tools, academisch onderzoek en machine learning-modellen toegewijd aan Spotify-hitanalyseVan het bestuderen van hitlijsten zoals Today's Top Hits of Rap Caviar tot het ontwikkelen van algoritmes die kunnen voorspellen of een nummer tot de populairste categorie in de catalogus behoort. Tegelijkertijd heeft Spotify for Artists de toegang tot deze statistieken gedemocratiseerd, waardoor elke artiest kan zien wie naar hen luistert, waar en hoe ze worden ontdekt, en hun creatieve en marketingstrategie daarop kunnen aanpassen.

Wat is Spotify-hitanalyse precies en waarom is het belangrijk?

Als we het over hebben Spotify-hitanalyse Het gaat hier niet alleen om het aantal keren dat een nummer is afgespeeld. Het is een bredere aanpak die audio, context en gebruikersgedrag combineert om een ​​ongemakkelijke maar cruciale vraag te beantwoorden: kun je het succes van een nummer voorspellen voordat het wordt uitgebracht? Met behulp van data uit de API van Spotify werken onderzoekers met variabelen zoals populariteit, energie, valentie, duur, tempo en dansbaarheid om dichter bij dat antwoord te komen.

Deze aanpak is geworteld in de zogenaamde “Wetenschap van de hit”Dit idee, dat begin jaren 2000 populair werd gemaakt door Mike McCready, houdt in dat algoritmes en wiskundige modellen worden gebruikt om te voorspellen welke nummers het goed zullen doen in hitlijsten en op de radio. Hoewel vroege studies concludeerden dat dit erg moeilijk was (en dat de modellen niet nauwkeurig genoeg waren), is het landschap volledig veranderd met de opkomst van streaming, de enorme toename van datavolumes en de verfijning van machine learning-technieken.

Spotify biedt tegenwoordig een API waarmee je toegang krijgt tot tienduizenden nummers. muzikale en contextuele kenmerkenVan de toonsoort en modus tot de waarschijnlijkheid dat een nummer akoestisch of instrumentaal is, inclusief specifieke meetwaarden die beschrijven hoe het nummer wordt ervaren (energie, valentie, dansbaarheid, enz.). Dit alles stelt ons in staat om van subjectieve meningen over te stappen naar veel preciezere kwantitatieve analyses.

Tegelijkertijd gebruikt het gereedschap Spotify voor artiesten Het helpt makers om niet te verdwalen in oppervlakkige statistieken, maar zich te concentreren op wat er echt toe doet: publieksontwikkeling op de lange termijn, betrokkenheid, retentie en de impact van marketinginspanningen op het creëren van echte fans. Met andere woorden: cijfers, ja, maar wel met context en strategische intentie.

Officiële afspeellijsten en strategie: het gewicht van redactionele lijsten

Een van de belangrijkste aspecten in elke serieuze analyse van hits op Spotify is de rol van de officiële redactionele afspeellijstenHitlijsten zoals Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint of ¡Viva Latino! fungeren als enorme versterkers: een vermelding op een van deze lijsten kan de koers van een nummer of zelfs een carrière volledig veranderen.

Met tools van derden, zoals Soundcharts, kunt u zien hoe een artiest zich gedraagt ​​in deze afspeellijstenAantal vermeldingen, verblijfsduur, markten waar ze de grootste impact hebben, enzovoort. Dit soort analyses maakt duidelijk dat aanwezigheid in redactielijsten geen bijzaak is, maar een essentieel onderdeel van de groeistrategie op het platform.

Bij het samenstellen van kwalitatief goede afspeellijsten zijn er bepaalde terugkerende criteria. Zo wordt bijvoorbeeld gewaardeerd dat er... een verscheidenheid aan artiesten in plaats van steeds dezelfde namen te herhalenLijsten waarop dezelfde artiest te vaak voorkomt, krijgen doorgaans lagere beoordelingen, omdat dit het gevoel van ontdekking bij de luisteraar vermindert.

Ik ben ook op zoek naar een een evenwichtige genderverdelingWanneer een afspeellijst te veel verschillende stijlen combineert zonder duidelijke richting, dan... ervaring Het raakt gefragmenteerd en de waardering daalt. De best beoordeelde lijsten richten zich meestal op één of enkele duidelijk afgebakende genres, waardoor de gebruiker in één oogopslag begrijpt wat hij of zij kan verwachten wanneer er op 'afspelen' wordt gedrukt.

Een ander belangrijk aspect is de een mix van bekende en opkomende thema'sAfspeellijsten die alleen maar grote hits bevatten zijn prima, maar bieden weinig ruimte voor nieuwe ontdekkingen. Afspeellijsten die gevestigde nummers combineren met minder bekende pareltjes, daarentegen, zorgen vaak voor meer betrokkenheid en helpen bij het creëren van nieuwe hits.

Tot slot bestaat er enige consensus dat een goede afspeellijst ten minste de volgende nummers moet bevatten: zo'n 50 tracks voor een complete ervaring.Hitlijsten met minder dan 10 nummers worden vaak als minderwaardig beschouwd en krijgen lagere scores, wat ook de prestaties van de nummers die erin staan ​​beïnvloedt.

Een korte geschiedenis van Spotify en de oorsprong van de analyses.

Voordat Spotify geavanceerde hitanalyses kon uitvoeren, moest het platform zelf eerst zijn plek in de muziekindustrie vinden. Het idee, bedacht door medeoprichter Daniel Ek, ontstond na de ondergang van Napster in 2002. Hij wilde een dienst creëren die "beter was dan piraterij, maar die de industrie ook geld opleverde."Destijds gebruikte Ek uTorrent, een van de belangrijkste P2P-download- en deelprogramma's, en had hij dus uit eerste hand kennis van de wereld van ongeautoriseerde distributie.

Nadat Ek eind 2006 uTorrent aan BitTorrent had verkocht, concentreerde hij zich volledig op de ontwikkeling van Spotify. De applicatie werd officieel gelanceerd in 2008 in Zweden, na een succesvolle start. licentie- en participatieovereenkomsten met grote muziekmaatschappijenSony Music Entertainment, Universal Music Group en Warner Music Group. Een jaar later breidde het uit naar het Verenigd Koninkrijk en in 2011 kwam het naar de Verenigde Staten.

In die eerste periode groeide het aantal betalende abonnees in Europa van ongeveer 1 miljoen tot circa 4 miljoen wereldwijd in 2012In 2016 kondigde Spotify al 40 miljoen betalende gebruikers en ongeveer 100 miljoen gebruikers in totaal aan, waarmee streaming zich wereldwijd vestigde als de dominante vorm van muziekconsumptie.

Tegelijkertijd begonnen er data-analysetools voor kunstenaars te verschijnen. De eerste was FaninzichtenDeze oplossing bood sommige teams beperkte toegang tot streaminggegevens: demografische gegevens, geografische informatie en basistrends. In 2017 evolueerde deze oplossing naar Spotify for Artists, waardoor alle artiesten hun belangrijkste statistieken konden inzien en de gegevens konden gebruiken om beslissingen te nemen over tournees, releases en promotie.

In 2018 ging het bedrijf naar de beurs met een marktwaarde van ongeveer 30.000 miljoenSindsdien is het aantal markten waarin het actief is blijven groeien, en daarmee ook het belang van analyses binnen het platform. Wat begon als een mediabedrijf met licenties is uitgegroeid tot een wereldwijde infrastructuur waar data de boventoon voert.

Spotify-statistieken: hoe meet je een nummer, naast het aantal streams?

Om modellen te bouwen die hits voorspellen, is het allereerst nodig om te begrijpen welk type hit het betreft. Gegevens aangeleverd door de Spotify API.In een onderzoek dat zich bijvoorbeeld richtte op de Indiase markt, werden meer dan 46.000 nummers uit door Spotify gegenereerde afspeellijsten gehaald, die een breed scala aan genres en subgenres omvatten.

De informatie is onderverdeeld in verschillende secties. Op trackniveau vinden we gegevens zoals: identificatiecode, titel, artiest, populariteit, releasedatum en duur in millisecondenOp albumniveau worden de ID en naam opgeslagen. Op afspeellijstniveau worden de naam, ID, genre en bijbehorende subgenres weergegeven.

Maar het meest interessante voor de analyse van treffers is de audiofunctiesonderverdeeld in verschillende categorieën: "sfeer"-kenmerken (dansbaarheid, energie, valentie, tempo), fysieke eigenschappen (luidheid, spraakachtigheid, instrumentaliteit), context (akoestiek, levendigheid) en muzikale segmenten (toonsoort, modus). Elk van deze variabelen is zorgvuldig gedefinieerd en genormaliseerd.

Dansbaarheid wordt bijvoorbeeld uitgedrukt als een waarde tussen 0 en 1 die een samenvatting geeft van... Hoe makkelijk is het om op een liedje te dansen?Op basis van elementen zoals ritme, tempostabiliteit en beatsterkte varieert de energie van 0 tot 1, waarmee wordt geprobeerd vast te leggen of het nummer intens, snel en krachtig klinkt, of juist rustiger of zachter.

Valencia beschrijft de waargenomen emotionele “positiviteit” In audio corresponderen lage waarden met droevige, gespannen of sombere gevoelens, terwijl hoge waarden passen bij vrolijke, opgewekte of euforische muziek. Acousticness meet de waarschijnlijkheid dat een nummer akoestisch is, liveness de aanwezigheid van een live publiek in de opname, en speechiness weerspiegelt het aandeel gesproken woorden in de mix (zeer hoog, bijvoorbeeld in podcasts of gesproken-woordnummers).

Andere belangrijke parameters zijn de tempo in BPMDe totale duur, de toonsoort (gecodeerd als een geheel getal), de modus (majeur of mineur) en de populariteit van het nummer. Die laatste is een interne Spotify-indicator die varieert van 0 tot 100. Het hangt af van zowel het volume van de streams als hoe recent ze zijn.Een nummer dat jaren geleden enorm populair was, maar nu nauwelijks meer wordt gedraaid, zal na verloop van tijd in populariteit zien dalen.

Hoe bereid je de dataset voor en hoe maak je er een schone dataset van om treffers te kunnen voorspellen?

Een stap die vaak over het hoofd wordt gezien bij het analyseren van Spotify-hits is de voorbereiding van de datasetIn het onderhavige onderzoek werden de gegevens verzameld met behulp van R en RStudio, waarbij de Spotify API werd aangeroepen voor verschillende combinaties van markt (India), genres en subgenres, geselecteerd op basis van hun wereldwijde en lokale gewicht.

Bij het combineren van nummers uit verschillende thematische afspeellijsten komt het vaak voor dat veel nummers herhaald worden, omdat hetzelfde nummer in verschillende lijsten kan voorkomen. Aangezien het doel niet was om de strategie voor het samenstellen van afspeellijsten zelf te analyseren, maar eerder de kenmerken van de nummers, werd dit onderwerp verder onderzocht. Ze hebben de dubbele nummers verwijderd.waardoor het totale aantal unieke nummers wordt teruggebracht van 46.417 naar ongeveer 39.147.

Kolommen die niet als verklarende variabelen in de modellen zouden worden gebruikt, zoals artiest, album-ID en -naam, en afspeellijstspecifieke velden, werden verwijderd. Tegelijkertijd, Ze hebben de veldnamen gestandaardiseerd. En de gegevenstypen werden aangepast: zo werden bijvoorbeeld populariteit, modus, sleutel en duur omgezet in numerieke waarden van het type float om de statistische verwerking te vergemakkelijken.

Een belangrijke beslissing was om populariteit om te zetten in een beter hanteerbare variabele. In plaats van te werken met een continue waarde van 0 tot 100, drempelwaarde voor het scheiden van populaire en impopulaire liedjesUitgaande van het 85e percentiel van de verdeling (rond een populariteit van 65), werden nummers boven die waarde als "populair" beschouwd en de rest als "niet populair".

Op deze manier werd de dataset verdeeld in bijna 6.000 populaire liedjes en ongeveer 33.000 minder populaire liedjesVoor de verkennende analyse werden de gegevens zelfs onderverdeeld in vijf populariteitsklassen (zeer hoog, hoog, gemiddeld, laag en zeer laag), met intervallen van 20 punten, waardoor subtiele trends tussen de verschillende succesniveaus konden worden vergeleken.

Daarnaast werd er een nieuwe variabele gegenereerd op basis van de songtitels: een sentimentindicatorMet behulp van de TextBlob-bibliotheek in Python werd de polariteit van elke titel (een getal tussen -1 en 1) berekend en geclassificeerd als positief, negatief of neutraal. Deze numerieke waarde werd toegevoegd aan het dataframe om te onderzoeken of de toon van de titel verband houdt met de populariteit ervan.

Data-analyse: wat onderscheidt de populairste liedjes?

Voordat je een machine learning-model traint, is het essentieel om tijd te besteden aan de visuele en statistische analyse van de gegevensIn dit onderzoek werden verdelingscurven, gemiddelden per populariteitsgroep en de verbanden tussen emoties en succes geanalyseerd.

Een van de opvallende bevindingen heeft betrekking op de populariteit van de meest succesvolle nummers. Bij nummers met een populariteitsscore boven de 90 werd geconstateerd dat Een groter aantal daarvan lag onder de waarde van 0,5 in Valencia.Met andere woorden, ze klonken droeviger, somberder of melancholischer dan vrolijk. Het was geen absolute dominantie, maar wel een duidelijke tendens.

Bij het uitzetten van de populariteitsverdeling naar geslacht namen de meeste curves een ongeveer klokvormigVeel nummers scoorden rond het gemiddelde, terwijl er minder nummers aan de uitersten zaten. Genres zoals rock, R&B, EDM, wereldmuziek en Indiase muziek vertoonden echter enige asymmetrie door een groot aantal nummers met een populariteit van nul. Stijlen zoals pop, rap, Latin en desi leken daarentegen evenwichtiger verdeeld, met een lagere concentratie van nummers met een populariteit van nul.

Dit suggereert dat het in die meer gangbare genres over het algemeen zo is: makkelijker om een ​​bepaald populariteitsniveau te bereikenook al hebben de liedjes niet alle ideale kenmerken, terwijl bij andere stijlen het succes meer gepolariseerd is.

Bij het vergelijken van de gemiddelden van de verschillende kenmerken per populariteitscategorie kwam een ​​zeer duidelijk patroon naar voren: de meest succesvolle onderwerpen hebben doorgaans de volgende eigenschappen: meer energie en een groter volume (waargenomen geluidsniveau)En ook meer instrumentale muziek en minder gesproken tekst. Simpel gezegd: nummers die het best presteren op streamingplatforms zijn doorgaans krachtiger en meer gericht op muziek dan op gesproken woord.

Er werd ook opgemerkt dat populaire nummers kenmerken vertonen die lagere akoestiek en minder levendigheidMet andere woorden, ze klinken minder "akoestisch" en minder "live". Ze zijn meer in de studio geproduceerd, gepolijster, met minder omgevingsgeluid of een concertgevoel.

Een andere belangrijke bevinding is dat populaire liedjes vaak korter dan de impopulaireIn een context waar de inkomsten afhangen van het aantal streams en algoritmes herhaling belonen, is het logisch dat kortere nummers sneller afspeelmomenten genereren en "geschikter" worden voor afspeellijsten.

Wat betreft het ervaren geluk (valentie), is de trend merkwaardig: de niveaus stijgen van de lagere populariteitsklassen naar de 'hogere' klasse, maar in de meest extreme categorie, de 'zeer hoge', is er een duidelijke daling. Met andere woorden, Superpopulaire liedjes klinken vaak droeviger dan liedjes die simpelweg "succesvol" zijn.Dit biedt ruimte voor vele interpretaties over de publieke smaak en de sociaal-emotionele context.

Statistische analyse: de impact van genres en audio-eigenschappen

Nadat de gegevens waren geanalyseerd, was de volgende stap het toepassen ervan. formele statistische tests Om te zien welke variabelen relevant zouden kunnen zijn voor het verklaren van populariteit. Om te onderzoeken of geslacht van invloed was op succes, werd een variantieanalyse (ANOVA) uitgevoerd met negen belangrijke genres.

De ANOVA-uitkomst leverde een zeer hoge F-waarde op en een significantie van vrijwel nul, wat betekent dat Er bestaan ​​statistisch significante verschillen in populariteit tussen genres.Dat is echter niet voldoende: het is ook belangrijk om te weten tussen welke paren van geslachten deze verschillen zich voordoen en of de variabele bruikbaar is voor een voorspellend model.

Aangezien de varianties niet homogeen waren en het aantal liedjes per genre varieerde, werd het volgende gebruikt: Games-Howell post-hoc testDeze analyse maakte het mogelijk om te verifiëren welke gendercombinaties geen significante verschillen in populariteit vertoonden, waardoor het over het algemeen minder raadzaam werd om gender als sterke voorspellende factor te gebruiken in machine learning-modellen.

Parallel daaraan werden de volgende werkzaamheden uitgevoerd: onafhankelijke t-toetsen Voor elk audiokenmerk werden de gemiddelden vergeleken tussen de groep populaire liedjes en de groep niet-populaire liedjes. Met een significantieniveau van 95% werd vastgesteld dat bijna alle variabelen (dansbaarheid, energie, luidheid, akoestiek, levendigheid, duur, tempo, valentie en instrumentaliteit) significante verschillen vertoonden tussen de twee groepen.

De enige schijnbare uitzondering was de spraakzaamheidBij de eerste test was het verschil in gemiddelden niet significant, maar verdere analyse wees uit dat de spraakzaamheidswaarden voor de zeer populaire onderwerpen (tussen 0,024 en 0,685) binnen het bredere bereik van de minder populaire categorie vielen (tussen 0 en 0,964). Deze overlap verhinderde niet dat spraakzaamheid, mits effectief gebruikt, informatie aan het model bijdroeg. Daarom werd besloten om spraakzaamheid als voorspellende variabele te behouden.

Samenvattend demonstreerde het audiofunctieblok het volgende: een duidelijke beschrijvende kracht met betrekking tot populariteitTerwijl met geslacht voorzichtiger werd omgegaan en het in sommige voorspellingsmodellen als primaire variabele werd uitgesloten.

Machine learning-modellen bouwen om hits te voorspellen

Met de schone dataset en de relevante variabelen geselecteerd, was het tijd om te creëren. binaire classificatiemodellen In staat om te voorspellen of een nummer tot de populairste 15% behoort. Om dit te doen, werden de categorische variabelen 'key' en 'mode' eerst omgezet in dummyvariabelen met behulp van de `get_dummies`-functie van Pandas.

Na het toevoegen van deze dummyvariabelen werden de oorspronkelijke kolommen voor sleutel en modus, evenals de voortdurende populariteit, verwijderd en werd de doelvariabele behouden. binair populariteitsveld (populair versus niet populair). Voordat de modellen werden getraind, werden alle numerieke kenmerken gestandaardiseerd met StandardScaler, omdat ze op zeer verschillende schalen werkten en het belangrijk was dat ze een vergelijkbaar gewicht hadden.

De dataset werd opgesplitst in trainings- en testgegevens met behulp van de functie `train_test_split`, waarbij de rest van de dataset werd gereserveerd. 20% van de aanmeldingen voor de testsOp deze manier werden informatielekken voorkomen en werd ervoor gezorgd dat de prestatiemaatstaven de werkelijke generaliseerbaarheid van de modellen weerspiegelden, en niet alleen hun vermogen om trainingsgegevens te onthouden.

Het eerste toegepaste model was de Logistische regressieDeze techniek wordt veel gebruikt bij binaire classificatie. Een iteratieve versie met een leerfrequentie van 0,01 en 200 iteraties werd geïmplementeerd en geëvalueerd met behulp van kruisvalidatie. De gemiddelde nauwkeurigheid bereikte ongeveer 84,7%, een opmerkelijk sterk resultaat voor een probleem dat zo complex is als het voorspellen van muzikaal succes.

Vervolgens werd het algoritme getest. K-Dichtbijzijnde Buren (KNN)waarbij elk nummer wordt geclassificeerd op basis van de k dichtstbijzijnde buren in de kenmerkenruimte. Het aanpassen van de waarde van ky met behulp van Grid Search om de optimale configuratie te vinden, leverde een zeer vergelijkbare nauwkeurigheid op, rond de 84,8%, met een lichte verbetering in de kruisvalidatiescore vergeleken met logistische regressie.

Het volgende model was de Support Vector Machine (SVM)Er werd ook een andere supervised learning-techniek gebruikt die zowel lineaire als niet-lineaire verbanden aankon. Ook hier werden, door middel van hyperparameter-fitting, nauwkeurigheden van ongeveer 84,6% behaald, met vergelijkbare waarden bij kruisvalidatie, wat wijst op stabiele prestaties.

Het volgende werd ook geëvalueerd: Naïeve Bayes-classificatorGebaseerd op de hypothese van onafhankelijkheid tussen kenmerken. Hoewel het een veel eenvoudiger model is qua aannames, waren de nauwkeurigheidsresultaten (ongeveer 84,6%) vergelijkbaar met SVM en zeer dicht bij die van logistische regressie en KNN, wat het idee versterkt dat de probleemstructuur zich goed leent voor dit type probabilistische aanpak.

Ten slotte werden modellen gebaseerd op beslissingsbomen getest. Beslissingsboomclassificatie Het behaalde een aanzienlijk lagere nauwkeurigheid, rond de 75,4%, en kruisvalidatie bevestigde deze prestatiedaling, waarschijnlijk als gevolg van overfitting. Willekeurige bosclassificatieDe methode, die veel bomen combineert om deze effecten te verzachten, verbeterde aanzienlijk en behaalde een nauwkeurigheid van ongeveer 84,1% en meer dan 84% bij kruisvalidatie.

Om de analyse te voltooien, een verwarringsmatrix en een classificatierapport Voor het Random Forest-model bleek het model uitstekend in staat om niet-populaire liedjes (meerderheidsklasse) te identificeren, met een nauwkeurigheid van 0,85 en een recall van bijna 0,99. De prestaties in de klasse van populaire liedjes (minderheidsklasse) waren echter bescheidener, met een nauwkeurigheid van 0,40 en een recall van 0,05. Dit benadrukt de klassieke uitdaging van klasse-ongelijkheid in dit type probleem.

Belang van variabelen: wat weegt het zwaarst mee bij het creëren van een hit?

Naast het weten welk model nauwkeuriger is, is het essentieel om te begrijpen welke functies daadwerkelijk nuttige informatie opleveren Bij het voorspellen of een nummer populair zal zijn, werd XGBoost (XGBClassifier) ​​gebruikt om scores voor de belangrijkheid van variabelen te verkrijgen, gebaseerd op de bijdrage van elk kenmerk aan de foutreductie in de beslissingsbomen.

De resultaten toonden aan dat de De lengte van het nummer viel duidelijk op in vergelijking met de rest.met een F-score van ruim boven de 400. Deze bevinding sluit aan bij het idee dat kortere nummers herhaald luisteren stimuleren en daardoor in kortere tijd meer afspeelmomenten opleveren, iets wat het aanbevelingsalgoritme van Spotify doorgaans beloont.

Aan het andere uiterste bevinden zich variabelen zoals de toonsoort, de modus of de gevoel ontleend aan de titel Ze behaalden belangrijkheidsscores onder de 50, wat erop wijst dat hun bijdrage aan de algehele voorspellende kracht van het model gering was. Dit betekent niet dat ze helemaal geen effect hebben, maar eerder dat hun gewicht, vergeleken met andere kenmerken, veel kleiner is.

De overige audio-eigenschappen (zoals energie, dansbaarheid, valentie, luidheid, akoestiek, levendigheid, spraakachtigheid en instrumentaliteit) bevonden zich in een intermediair bereik met F-scores tussen 200 en 300, wat aangeeft dat Ze vormen een redelijk evenwichtig informatieblok.Geen van deze factoren is volledig doorslaggevend, maar samen geven ze een redelijk nauwkeurig beeld van de kansen op succes van een nummer.

Al met al waren de modellen gebaseerd op audiofuncties in staat om met ongeveer de volgende nauwkeurigheid te voorspellen: een succespercentage van 84-85% als een aanwijzing deel uitmaakt van de 15% meest populaire aanwijzingen.Dit biedt enige empirische ondersteuning aan de oude intuïtie van "hitsongwetenschap": met goede data en de juiste technieken is muzikaal succes niet puur toeval, hoewel er een aanzienlijk onvoorspelbaar element blijft bestaan.

Het beeld dat deze analyse schetst, laat zien dat de combinatie van Spotify-data, traditionele statistieken en machine learning-modellen ons in staat stelt veel verder te gaan dan alleen het tellen van streams. Inzicht in de impact van duur, energie, valentie en instrumentaliteit, samen met de rol van redactionele afspeellijsten en de aanbevelingsmechanismen van het platform, biedt artiesten, labels en analisten een zeer concrete routekaart om te interpreteren waarom bepaalde nummers hits worden en hoe ze hun kansen kunnen maximaliseren om tot die selecte groep te behoren, zonder het menselijke en creatieve element volledig te verliezen dat gelukkig niet in een formule te vatten is.