Анализа хитова на Спотифају: подаци, алгоритми и наука о музичком успеху

Информатек Дигитал » Средства » Анализа хитова на Спотифају: подаци, алгоритми и наука о музичком успеху

Спотифај је постао савршена лабораторија за проучавање шта чини песму хитомИмамо податке о репродукцији у реалном времену, напредне метрике за уметнике и милионе слушалаца који доносе одлуке сваке секунде. Далеко од тога да је само платформа за слушање, Spotify се трансформисао у огромну база података где се обрасци, емоције, жанрови и стратегије плејлиста могу анализирати како би се разумело зашто неке песме постају популарне, а друге тону у заборав.

Последњих година, алати, академска истраживања и модели машинског учења посвећен Анализа погодака на СпотифајуОд проучавања уредничких листа попут „Today's Top Hits“ или „Rap Caviar“, до изградње алгоритама способних да предвиде да ли ће нумера припадати најпопуларнијој групи у каталогу. Истовремено, Spotify for Artists је демократизовао приступ овим метрикама, омогућавајући сваком уметнику да види ко га слуша, где и како га откривају и да у складу са тим прилагоди своју креативну и маркетиншку стратегију.

Шта је тачно анализа погодака на Спотифају и зашто је важна?

Када причамо Анализа погодака на Спотифају Не говоримо само о томе колико пута је песма репродукована. То је шири приступ који комбинује звук, контекст и понашање корисника како би одговорио на неугодно, али кључно питање: можете ли предвидети успех песме пре него што буде објављена? Користећи податке из Спотифајевог АПИ-ја, истраживачи раде са варијаблама попут популарности, енергије, валенце, трајања, темпа и плесности како би покушали да се приближе том одговору.

Овај приступ је утемељен у тзв. „Наука о хит песмама“Ова идеја, коју је популаризовао Мајк Мекриди почетком 2000-их, подразумева коришћење алгоритама и математичких модела за предвиђање које ће песме добро проћи на топ листама и радију. Иако су ране студије закључиле да је то веома тешко (и да модели нису довољно прецизни), ситуација се потпуно променила појавом стримовања, масивним повећањем количине података и усавршавањем техника машинског учења.

Данас, Spotify нуди API са приступом десетинама хиљада нумера са својим музички и контекстуални атрибутиОд тоналитета и модуса, до вероватноће да ли је нумера акустична или инструментална, укључујући метрике посебно дизајниране да опишу како се песма доживљава (енергија, валенца, плесност итд.). Све ово нам омогућава да пређемо са субјективних мишљења на много прецизније квантитативне анализе.

Паралелно, алат Spotifi za umetnike Помаже креаторима да избегну да се изгубе у сујетним метрикама и да се фокусирају на оно што је заиста важно: дугорочни развој публике, ангажовање, задржавање и како маркетиншки напори утичу на стварање правих обожавалаца. Другим речима, бројеви, да, али са контекстом и стратешком намером.

Званичне плејлисте и стратегија: тежина уредничких листа

Један од најважнијих делова у свакој озбиљној анализи хитова на Спотифају је улога званичне уредничке плејлистеТоп-листе попут Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint или ¡Viva Latino! делују као масивни појачивачи: појављивање на једној од њих може потпуно променити путању песме или чак каријере.

Алати трећих страна попут Soundcharts-а вам омогућавају да видите како се извођач понаша на овим плејлистамаБрој појављивања, дужина боравка, тржишта на којима имају највећи утицај итд. Ова врста анализе јасно показује да присуство на уредничким листама није украс, већ кључна компонента стратегије раста на платформи.

Постоје одређени критеријуми који се понављају у изради квалитетних плејлиста. На пример, вреднује се да постоје разноврсни уметници уместо понављања истих имена изнова и изноваЛисте на којима се исти извођач појављује превише пута имају тенденцију да добију лошије оцене, јер смањују осећај открића код слушаоца.

Такође тражим кохерентна родна равнотежаКада плејлиста меша превише стилова без јасног правца, искуство Постаје фрагментирано и оцена пада. Листе са најбољим оценама обично се фокусирају на један или неколико добро дефинисаних жанрова, што помаже кориснику да на први поглед разуме шта да очекује када притисне дугме за репродукцију.

Други кључни аспект је мешавина добро познатих и нових темаПлејлисте које укључују само велике хитове су у реду, али нуде мало могућности за откривање. Насупрот томе, плејлисте које комбинују познате песме са мање познатим драгуљима имају тенденцију да генеришу већу интеракцију и помажу у стварању нових хитова.

Коначно, постоји извесни консензус да добра плејлиста треба да има барем око 50 нумера за комплетно искуствоТоп-листе са мање од 10 песама се често доживљавају као лоше и добијају ниже оцене, што такође утиче на перформансе нумера које укључују.

Кратка историја Спотифаја и порекло његове аналитике

Пре него што је Спотифај могао да изврши напредну анализу хитова, сама платформа је морала да пронађе своје место у музичкој индустрији. Идеја, коју је осмислио суоснивач Данијел Ек, настала је након колапса Напстера 2002. године. Желео је да створи услугу која је „боља од пиратерије, али која такође исплаћује индустрији“.У то време, Ек је водио uTorrent, један од главних P2P клијената за преузимање и дељење, тако да је из прве руке имао знање о свету неовлашћене дистрибуције.

Након што је продао uTorrent компанији BitTorrent крајем 2006. године, Ек се у потпуности фокусирао на изградњу Spotify-а. Апликација је званично покренута 2008. године у Шведској, након што је достигла споразуми о лиценцирању и учешћу у капиталу са великим музичким корпорацијамаSony Music Entertainment, Universal Music Group и Warner Music Group. Годину дана касније, проширила се на Уједињено Краљевство, а 2011. године и на Сједињене Америчке Државе.

У том почетном периоду, база плаћених претплатника је порасла са око милион у Европи на приближно 4 милиона широм света у 2012. годиниДо 2016. године, Spotify је већ најављивао 40 милиона корисника који плаћају и око 100 милиона укупних корисника, учвршћујући стриминг као доминантан облик конзумирања музике широм света.

У исто време, почели су да се појављују алати за податке за уметнике. Први је био Увиди фановаОво решење је неким тимовима нудило ограничен приступ подацима о стримингу: демографији, географији и основним трендовима. Године 2017, ово решење је еволуирало у Spotify for Artists, отварајући врата свим уметницима да виде своје кључне метрике и користе податке за доношење одлука о турнејама, издањима и промоцији.

Компанија је 2018. године изашла на берзу са тржишном капитализацијом од приближно КСНУМКС милионаОд тада, број тржишта на којима послује је наставио да расте, а са њим и значај аналитике унутар платформе. Оно што је почело као лиценцирани медијски плејер постало је глобална инфраструктура где подаци владају.

Спотифај метрике: како мерити песму изван стримова

Да би се направили модели за предвиђање погодака, прво је потребно разумети какву врсту подаци које пружа Spotify APIНа пример, у једној студији усмереној на индијско тржиште, више од 46.000 песама је извучено из плејлиста које је генерисао Спотифај, покривајући широк спектар жанрова и поджанрова.

Информације су организоване у неколико одељака. На нивоу стазе налазимо податке као што су идентификатор, наслов, извођач, популарност, датум објављивања и трајање у милисекундамаНа нивоу албума, чувају се ИД и назив. На нивоу листе песама, појављују се назив, ИД, жанр и повезани поджанр.

Али најзанимљивија ствар за анализу погодака је аудио функцијеподељено у различите категорије: карактеристике „расположења“ (плесност, енергија, валенца, темпо), физичка својства (гласноћа, говорност, инструменталност), контекст (акустика, живост) и музички сегменти (тоналитет, модус). Свака од ових варијабли је пажљиво дефинисана и нормализована.

Плесност, на пример, изражава се као вредност између 0 и 1 која сумира колико је лако плесати уз песмуНа основу елемената као што су ритам, стабилност темпа и снага бита, енергија се такође креће од 0 до 1, покушавајући да ухвати да ли нумера звучи интензивно, брзо и снажно, у односу на нешто мирније или тише.

Валенсија описује перципирана емоционална „позитивност“ У аудио запису, ниске вредности одговарају тужним, напетим или мрачним осећањима, док се високе вредности уклапају са веселом, светлом или еуфоричном музиком. Акустичност мери вероватноћу да је нумера акустична, живост присуство публике у снимку, а говорност одражава удео изговорених речи у миксу (веома високе, на пример, у подкастима или нумерама са изговореним речима).

Други важни параметри су темпо у BPM-уукупно трајање, тоналитет (кодиран као цео број), модус (дурски или молски) и популарност нумере. Потоња је интерна Спотифајева метрика која се креће од 0 до 100. Зависи и од количине стримова и од тога колико су скорашњиПесма која је била веома популарна пре много година, али се више једва пушта, временом ће доживети пад рејтинга.

Како припремити и очистити скуп података да би се могли предвидети поготци

Један корак који се често занемарује када се говори о анализи погодака на Спотифају јесте припрема скупа податакаУ овој студији, подаци су прикупљени коришћењем R и RStudio, позивајући Spotify API за различите комбинације тржишта (Индија), жанрова и поджанрова одабраних према њиховој глобалној и локалној тежини.

Приликом комбиновања песама са различитих тематских плејлиста, уобичајено је да се многе нумере понављају, јер се иста песма може појавити на различитим листама. Пошто циљ није био да се анализира сама стратегија плејлиста, већ карактеристике песама, било је Уклонили су дуплиране нумересмањењем укупне базе са 46.417 на приближно 39.147 јединствених песама.

Колоне које нису требало да се користе као објашњавајуће променљиве у моделима, као што су извођач, ИД и назив албума и поља специфична за листу песама, су уклоњене. Истовремено, Стандардизовали су имена поља и типови података су прилагођени: на пример, популарност, мод, кључ и трајање су конвертовани у нумеричке вредности типа float ради олакшавања статистичке обраде.

Кључна одлука је била да се популарност трансформише у променљиву којом се лакше управља. Уместо рада са континуираном вредношћу од 0 до 100, праг за раздвајање популарних и непопуларних песамаУзимајући у обзир 85. перцентил дистрибуције (око популарности од 65), нумере изнад те вредности су сматране „популарним“, а остале „непопуларним“.

На овај начин, скуп података је подељен на скоро 6.000 популарних песама и око 33.000 непопуларнихЗа истраживачку анализу, подаци су чак сегментирани у пет класа популарности (веома висока, висока, средња, ниска и веома ниска), са интервалима од 20 поена, што је омогућило поређење финих трендова између нивоа успеха.

Поред тога, из наслова песама генерисана је нова променљива: a индикатор расположењаКористећи библиотеку TextBlob у Пајтону, поларитет сваког наслова (број између -1 и 1) је израчунат и класификован као позитиван, негативан или неутралан. Ова нумеричка вредност је додата у оквир података како би се проучило да ли је тон наслова повезан са његовом популарношћу.

Истраживање података: шта разликује најпопуларније песме

Пре него што се тренира било који модел машинског учења, неопходно је посветити време визуелно и статистичко истраживање податакаУ случају ове студије, анализиране су криве дистрибуције, просеци по групи популарности и односи између емоција и успеха.

Једно од упечатљивих открића односи се на популарност најуспешнијих песама. Када се посматрају песме са оценом популарности изнад 90, примећено је да Већи број њих је био испод вредности од 0,5 у Валенсији.Другим речима, звучали су тужније, више озбиљно или меланхолично него весело. Није била апсолутна доминација, али је била јасна тенденција.

Када је приказана расподела популарности по полу, већина кривих је усвојила приближан облик звонаса много песама око просека и мање на екстремима. Међутим, жанрови попут рока, R&B-а, EDM-а, светске и индијске музике показали су извесну асиметрију због великог броја песама са нултом популарношћу. Насупрот томе, стилови попут попа, репа, латиноамеричке и деси музике деловали су уравнотеженије и са мањом концентрацијом песама са нултом популарношћу.

Ово сугерише да је у тим мејнстрим жанровима то, генерално, лакше је достићи одређени ниво популарностичак и ако песме немају све идеалне карактеристике, док је у другим стиловима расподела успеха поларизованија.

Када се упореде просеци различитих карактеристика по класи популарности, појавио се веома јасан образац: најуспешније теме обично имају већа енергија и већа гласноћа (перцептивна јачина звука)као и више инструментализма и мање говора. Једноставно речено, песме које најбоље функционишу на стримовању имају тенденцију да буду снажније и више фокусиране на музику него на изговорене речи.

Такође је примећено да популарне нумере садрже нижа акустичност и мања живостДругим речима, звуче мање „акустично“ и мање „живо“. Више су студијски продуцирани, углађенији, са мање амбијенталне буке или концертног осећаја.

Још један кључни налаз је да популарне песме имају тенденцију да буду краћи од непопуларнихУ контексту где приход зависи од броја стримова, а алгоритми награђују понављање, има смисла да краће нумере могу брже акумулирати репродукције и постати „пријатељскије“ за плејлисте.

Што се тиче перципиране среће (валентности), тренд је чудан: нивои расту од нижих класа популарности до „више“ класе, али у најекстремнијој категорији, „веома високој“, долази до значајног пада. Другим речима, Суперпопуларне песме обично звуче тужније од оних које су само „успешне“.Ово отвара врата многим тумачењима о јавном укусу и социо-емоционалном контексту.

Статистичка анализа: утицај жанрова и аудио атрибута

Након што су подаци истражени, следећи корак је био примена формални статистички тестови да би се видело које варијабле би се могле сматрати релевантним у објашњавању популарности. Да би се проучило да ли пол утиче на успех, коришћена је анализа варијансе (ANOVA) са девет главних жанрова.

Резултат ANOVA анализе је дао веома високу F-вредност и практично нулту значајност, што значи да Постоје статистички значајне разлике у популарности између жанроваМеђутим, то није довољно: важно је знати и између којих парова полова се ове разлике јављају и да ли ће променљива бити корисна за предиктивни модел.

Пошто варијансе нису биле хомогене и број песама по жанру је варирао, коришћено је следеће: Пост-хок тест Гејмс-ХауелОва анализа је омогућила да се провери које комбинације полова нису показале значајне разлике у популарности, што је, генерално, учинило мање препоручљивим коришћење пола као јаког предиктора у моделима машинског учења.

Паралелно, спроведено је следеће независни t-тестови За сваку аудио карактеристику, упоређене су средње вредности између групе популарних песама и групе непопуларних песама. Са нивоом значајности од 95%, утврђено је да скоро све варијабле (плесност, енергија, гласноћа, акустичност, живост, трајање, темпо, валенца и инструменталност) показују значајне разлике између две групе.

Једини очигледни изузетак био је говорљивостУ првом тесту, разлика у средњим вредностима није била значајна, али даља анализа је показала да су распони говорљивости за веома популарне теме (са вредностима између 0,024 и 0,685) спадали у шири распон мање популарне класе (између 0 и 0,964). Ово преклапање није спречило говорност, када се ефикасно користи, да допринесе информацијама моделу, па је одлучено да се задржи као предиктор.

Укратко, блок аудио функција је демонстрирао јасна описна моћ у вези са популарношћу, док је пол третиран опрезније и искључен је као примарна варијабла у неким приступима предвиђању.

Изградња модела машинског учења за предвиђање погодака

Са чистим скупом података и одабраним релевантним променљивим, било је време за креирање бинарни модели класификације способан да предвиди да ли песма припада првих 15% популарности. Да би се то урадило, категоријалне променљиве key и mode су прво конвертоване у фиктивне променљиве помоћу Пандасове функције get_dummies.

Након укључивања ових пробних варијабли, оригиналне колоне за кључ и мод, као и континуирана популарност, су уклоњене, а циљна променљива је задржана. бинарно поље популарности (популарно наспрам непопуларног). Пре тренирања модела, све нумеричке карактеристике су стандардизоване помоћу StandardScaler-а, јер су радиле на веома различитим скалама и било је важно да имају упоредиву тежину.

Скуп података је подељен на тренинг и тест коришћењем функције train_test_split, резервишући 20% регистрација за тестирањеНа овај начин је избегнуто цурење информација и осигурано је да метрике учинка одражавају стварну генерализацију модела, а не само њихову способност памћења података о обуци.

Први примењени модел био је Логистичка регресијаОва техника се широко користи у бинарној класификацији. Итеративна верзија са стопом учења од 0,01 и 200 итерација је имплементирана и евалуирана коришћењем унакрсне валидације. Просечна тачност је достигла приближно 84,7%, што је изузетно јак резултат за проблем сложен као што је предвиђање музичког успеха.

Затим је алгоритам тестиран К-најближи суседи (КНН)што класификује сваку песму према k најближих суседа у простору карактеристика. Подешавање вредности ky коришћењем Grid Search-а да би се пронашла оптимална конфигурација дало је веома сличну тачност, око 84,8%, са благим побољшањем резултата унакрсне валидације у поређењу са логистичком регресијом.

Следећи модел је био Машина вектора подршке (SVM)Коришћена је још једна надгледана техника способна да обрађује и линеарне и нелинеарне односе. Поново, путем хиперпараметарског уклапања, постигнута је тачност од око 84,6%, са еквивалентним вредностима у унакрсној валидацији, што указује на стабилне перформансе.

Такође је оцењено следеће: Наивни Бајесов класификаторНа основу хипотезе о независности између карактеристика. Упркос томе што је много једноставнији модел у смислу претпоставки, његови резултати тачности (приближно 84,6%) били су у рангу са SVM-ом и веома близу логистичкој регресији и KNN-у, што појачава идеју да се структура проблема добро уклапа у ову врсту вероватносног приступа.

Коначно, тестирани су модели засновани на стаблима одлучивања. Класификатор стабла одлучивања Постигнута је знатно нижа тачност, око 75,4%, а унакрсна валидација је потврдила овај пад перформанси, вероватно због проблема са прекомерним прилагођавањем. Класификатор случајне шуме, који комбинује многа стабла како би ублажио ове ефекте, значајно се побољшао, постижући тачност од око 84,1% и преко 84% у унакрсној валидацији.

Да би се анализа завршила, матрица конфузије и извештај о класификацији за Случајну шуму. Модел је показао одличну способност идентификације непопуларних песама (класа већине), са тачношћу од 0,85 и присетљивошћу близу 0,99, док су његове перформансе у класи популарних песама (мањина) биле скромније, са тачношћу од 0,40 и присетљивошћу од 0,05. Ово истиче класичан изазов неравнотеже класа у овој врсти проблема.

Значај варијабли: шта је најважније при креирању погодка

Поред сазнања који је модел тачнији, кључно је разумети које функције заправо пружају корисне информације приликом предвиђања да ли ће песма бити популарна. У ту сврху, коришћен је XGBoost (XGBClassifier) ​​​​за добијање променљивих оцена важности, на основу доприноса сваке карактеристике смањењу грешака у стаблима одлучивања.

Резултати су показали да је Дужина песме се јасно издвајала од осталихса F оценом знатно изнад 400. Ово откриће се уклапа у идеју да краће нумере подстичу поновљено слушање и стога акумулирају више репродукција за краће време, нешто што Spotify-јев алгоритам препорука обично награђује.

На супротној крајности, променљиве као што су кључ, модус или осећај као да је преузет из наслова Добили су оцене важности испод 50, што указује на то да је њихов допринос укупној предиктивној моћи модела био мали. То не значи да уопште немају ефекта, већ да је, у поређењу са другим карактеристикама, њихова тежина много мања.

Преостали аудио атрибути (као што су енергија, плесност, валенција, гласноћа, акустичност, живост, говорност и инструменталност) били су у средњем распону са F-резултатима између 200 и 300, што указује да Они чине прилично уравнотежен информациони блокНиједна од њих не доминира у потпуности, али све заједно помажу у изградњи прилично тачне слике о шансама песме за успех.

Све у свему, модели засновани на аудио карактеристикама били су у стању да предвиде са око стопа успеха од 84-85% ако би траг био део најпопуларнијих 15%Ово пружа извесну емпиријску потпору старој интуицији „науке о хит песмама“: са ​​добрим подацима и одговарајућим техникама, музички успех није потпуно случајан, иако остаје значајна непредвидива компонента.

Слика коју је приказала ова анализа показује да комбиновање података са Спотифаја, традиционалне статистике и модела машинског учења омогућава да идемо далеко даље од пуког бројања стримова. Разумевање утицаја трајања, енергије, валенце и инструменталности, заједно са улогом уредничких плејлиста и динамике препорука платформе, пружа уметницима, издавачким кућама и аналитичарима веома конкретну мапу пута за тумачење зашто одређене песме постају хитови и како могу максимизирати своје шансе да се придруже тој одабраној групи, а да притом потпуно не изгубе људски и креативни елемент који, срећом, остаје несводив на било коју формулу.