การวิเคราะห์เพลงฮิตบน Spotify: ข้อมูล อัลกอริทึม และวิทยาศาสตร์แห่งความสำเร็จทางดนตรี

อินฟอร์เมเทค ดิจิตอล » Recursos » การวิเคราะห์เพลงฮิตบน Spotify: ข้อมูล อัลกอริทึม และวิทยาศาสตร์แห่งความสำเร็จทางดนตรี

Spotify ได้กลายเป็นห้องทดลองที่สมบูรณ์แบบสำหรับการศึกษาว่าอะไรทำให้เพลงหนึ่งประสบความสำเร็จ : เรามีข้อมูลการเล่นแบบเรียลไทม์ ตัวชี้วัดขั้นสูงสำหรับศิลปิน และผู้ฟังหลายล้านคนที่ตัดสินใจทุกวินาที Spotify ไม่ได้เป็นเพียงแค่แพลตฟอร์มสำหรับการฟังเพลงอีกต่อไป แต่ได้เปลี่ยนไปเป็นฐานข้อมูล ขนาดใหญ่ ที่สามารถวิเคราะห์รูปแบบ อารมณ์ ประเภทเพลง และกลยุทธ์การจัดเพลย์ลิสต์ เพื่อทำความเข้าใจว่าทำไมบางเพลงถึงได้รับความนิยมและบางเพลงกลับจางหายไป

ในช่วงไม่กี่ปีที่ผ่านมา เครื่องมือ งานวิจัยทางวิชาการ และโมเดลการเรียนรู้ของเครื่องจักรที่มุ่งเน้นการวิเคราะห์เพลงฮิต บน Spotify ได้เกิดขึ้น มากมาย ตั้งแต่การศึกษาชาร์ตเพลงยอดนิยมอย่าง Today's Top Hits หรือ Rap Caviar ไปจนถึงการสร้างอัลกอริทึมที่สามารถทำนายได้ว่าเพลงใดจะอยู่ในกลุ่มเพลงยอดนิยมที่สุดในแคตตาล็อก ในขณะเดียวกัน Spotify for Artists ก็ทำให้การเข้าถึงข้อมูลเหล่านี้เป็นเรื่องง่ายขึ้น ช่วยให้ศิลปินทุกคนสามารถดูได้ว่าใครกำลังฟังเพลงของพวกเขา พวกเขาถูกค้นพบจากที่ไหนและอย่างไร และสามารถปรับกลยุทธ์ด้านความคิดสร้างสรรค์และการตลาดของตนได้ตามนั้น

การวิเคราะห์ยอดวิวของ Spotify คืออะไรกันแน่ และทำไมมันถึงสำคัญ?

เมื่อเราพูดถึงการวิเคราะห์ความนิยมของ Spotifyเราไม่ได้หมายถึงแค่จำนวนครั้งที่เพลงถูกเล่นเท่านั้น แต่เป็นการวิเคราะห์ในวงกว้างที่ผสมผสานเสียง บริบท และพฤติกรรมของผู้ใช้ เพื่อตอบคำถามที่อาจไม่สบายใจแต่สำคัญอย่างยิ่ง นั่นคือ คุณสามารถทำนายความสำเร็จของเพลงก่อนที่จะปล่อยออกมาได้หรือไม่? โดยใช้ข้อมูลจาก API ของ Spotify นักวิจัยทำงานกับตัวแปรต่างๆ เช่น ความนิยม พลังงาน ความรู้สึก ระยะเวลา จังหวะ และความสามารถในการเต้น เพื่อพยายามเข้าใกล้คำตอบนั้นให้มากที่สุด

แนวทางนี้มีรากฐานมาจากสิ่งที่เรียกว่า"วิทยาศาสตร์เพลงฮิต " ซึ่งเป็นแนวคิดที่ไมค์ แมคเครดี้ทำให้เป็นที่นิยมในช่วงต้นทศวรรษ 2000: การใช้อัลกอริทึมและแบบจำลองทางคณิตศาสตร์เพื่อทำนายว่าเพลงใดจะประสบความสำเร็จในชาร์ตและวิทยุ แม้ว่าการศึกษาในช่วงแรกจะสรุปว่าทำได้ยากมาก (และแบบจำลองก็ไม่แม่นยำเพียงพอ) แต่สถานการณ์ได้เปลี่ยนแปลงไปอย่างสิ้นเชิงด้วยการมาถึงของการสตรีมมิ่ง ปริมาณข้อมูลที่เพิ่มขึ้นอย่างมหาศาล และการพัฒนาเทคนิคการเรียนรู้ของเครื่องจักรให้ดียิ่งขึ้น

ปัจจุบัน Spotify มี API ที่เข้าถึงเพลงนับหมื่นเพลง พร้อมคุณลักษณะทางดนตรีและบริบท ต่างๆ ตั้งแต่คีย์และโหมด ไปจนถึงความเป็นไปได้ที่เพลงนั้นจะเป็นเพลงอะคูสติกหรือเพลงบรรเลง รวมถึงตัวชี้วัดที่ออกแบบมาโดยเฉพาะเพื่ออธิบายว่าเพลงนั้นถูกรับรู้ในลักษณะใด (พลังงาน คุณค่า ความสามารถในการเต้น ฯลฯ) ทั้งหมดนี้ช่วยให้เปลี่ยนจากการตัดสินด้วยความคิดเห็นส่วนตัวไปสู่การวิเคราะห์เชิงปริมาณที่แม่นยำยิ่งขึ้น

ในขณะเดียวกัน เครื่องมือ Spotify for Artistsช่วยให้ครีเอเตอร์หลีกเลี่ยงการหลงไปกับตัวชี้วัดที่ไร้สาระ และหันมาโฟกัสกับสิ่งที่สำคัญอย่างแท้จริง นั่นคือ การพัฒนาฐานผู้ฟังในระยะยาว การมีส่วนร่วม การรักษาฐานผู้ฟัง และผลกระทบของการตลาดต่อการสร้างฐานแฟนคลับที่แท้จริง กล่าวอีกนัยหนึ่งคือ ตัวเลขสำคัญ แต่ต้องมีบริบทและเจตนารมณ์เชิงกลยุทธ์ด้วย

เพลย์ลิสต์อย่างเป็นทางการและกลยุทธ์: ความสำคัญของรายชื่อที่จัดทำโดยกองบรรณาธิการ

หนึ่งในองค์ประกอบที่สำคัญที่สุดในการวิเคราะห์เพลงฮิตบน Spotify อย่างจริงจัง คือบทบาทของเพลย์ลิสต์อย่างเป็นทางการจากกองบรรณาธิการ เพลย์ลิสต์ต่างๆ เช่น Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint หรือ ¡Viva Latino! ทำหน้าที่เป็นเหมือนเครื่องขยายเสียงขนาดใหญ่ การได้เข้าไปอยู่ในเพลย์ลิสต์เหล่านี้สามารถเปลี่ยนแปลงทิศทางของเพลงหรือแม้กระทั่งอาชีพของศิลปินได้อย่างสิ้นเชิง

เครื่องมือจากภายนอกอย่าง Soundcharts ช่วยให้คุณเห็นว่าศิลปินคนนั้นมีผลงานอย่างไรในเพลย์ลิสต์เหล่านี้เช่น จำนวนครั้งที่ปรากฏ ระยะเวลาที่อยู่ในเพลย์ลิสต์ ตลาดที่พวกเขามีอิทธิพลมากที่สุด เป็นต้น การวิเคราะห์ประเภทนี้ทำให้เห็นได้อย่างชัดเจนว่าการปรากฏตัวในชาร์ตของกองบรรณาธิการไม่ใช่แค่การแสดง แต่เป็นองค์ประกอบสำคัญของกลยุทธ์การเติบโตบนแพลตฟอร์ม

มีเกณฑ์สำคัญบางประการในการสร้างเพลย์ลิสต์คุณภาพ ตัวอย่างเช่นความหลากหลายของศิลปินมีความสำคัญมากกว่าการใช้ชื่อศิลปินเดิมซ้ำๆ เพลย์ลิสต์ที่มีศิลปินคนเดียวกันปรากฏอยู่มากเกินไปมักจะได้รับคะแนนต่ำกว่า เพราะมันลดความรู้สึกของการค้นพบสิ่งใหม่ๆ ของผู้ฟัง

นอกจากนี้ยังต้องการความสมดุลที่ลงตัวของแนวเพลงต่างๆด้วย เมื่อเพลย์ลิสต์ผสมผสานหลายสไตล์มากเกินไปโดยไม่มีทิศทางที่ชัดเจนประสบการณ์ก็จะขาดความต่อเนื่องและเรตติ้งก็จะลดลง เพลย์ลิสต์ที่ได้รับความนิยมสูงสุดมักจะเน้นไปที่แนวเพลงหนึ่งหรือสองแนวที่กำหนดไว้อย่างชัดเจน ช่วยให้ผู้ใช้เข้าใจได้ทันทีว่าจะได้ฟังอะไรเมื่อกดเล่น

อีกแง่มุมที่สำคัญคือการผสมผสานระหว่างเพลงที่รู้จักกันดีและเพลงใหม่ ๆเพลย์ลิสต์ที่มีแต่เพลงฮิตติดชาร์ตนั้นก็ดีอยู่ แต่ไม่ค่อยช่วยให้ค้นพบเพลงใหม่ ๆ ในทางตรงกันข้าม เพลย์ลิสต์ที่ผสมผสานเพลงที่ได้รับความนิยมแล้วกับเพลงที่ไม่ค่อยเป็นที่รู้จักมักจะดึงดูดความสนใจได้มากกว่าและช่วยสร้างเพลงฮิตใหม่ ๆ ได้

สุดท้ายนี้ มีความเห็นพ้องกันโดยทั่วไปว่าเพลย์ลิสต์ที่ดีควรมีอย่างน้อย50 เพลง เพื่อมอบประสบการณ์ที่สมบูรณ์เพลย์ลิสต์ที่มีเพลงน้อยกว่า 10 เพลงมักถูกมองว่าด้อยคุณภาพและได้รับคะแนนต่ำ ซึ่งส่งผลต่อประสิทธิภาพของเพลงเหล่านั้นด้วย

ประวัติโดยย่อของ Spotify และที่มาของระบบวิเคราะห์ข้อมูล

ก่อนที่ Spotify จะสามารถวิเคราะห์เพลงฮิตได้อย่างลึกซึ้ง แพลตฟอร์มนี้ต้องหาที่ยืนในอุตสาหกรรมดนตรีเสียก่อน แนวคิดนี้เกิดขึ้นจากแดเนียล เอ็ก ผู้ร่วมก่อตั้ง หลังจากที่ Napster ล่มสลายในปี 2002 เขาต้องการสร้างบริการที่ "ดีกว่าการละเมิดลิขสิทธิ์ แต่ก็สร้างรายได้ให้กับอุตสาหกรรมด้วย " ในขณะนั้น เอ็กกำลังบริหาร uTorrent ซึ่งเป็นหนึ่งในโปรแกรมดาวน์โหลดและแชร์ไฟล์แบบ P2P ชั้นนำ ดังนั้นเขาจึงมีความรู้โดยตรงเกี่ยวกับโลกของการเผยแพร่โดยไม่ได้รับอนุญาต

หลังจากขาย uTorrent ให้กับ BitTorrent ในช่วงปลายปี 2006 Ek ก็ทุ่มเทความสนใจทั้งหมดไปกับการสร้าง Spotify แอปพลิเคชันนี้เปิดตัวอย่างเป็นทางการในปี 2008 ในประเทศสวีเดน หลังจากบรรลุข้อตกลงด้านลิขสิทธิ์และการถือหุ้นกับค่ายเพลงรายใหญ่ได้แก่ Sony Music Entertainment, Universal Music Group และ Warner Music Group หนึ่งปีต่อมาก็ขยายไปยังสหราชอาณาจักร และในปี 2011 ก็เปิดตัวในสหรัฐอเมริกา

ในช่วงเริ่มต้นนั้น ฐานผู้สมัครสมาชิกแบบเสียค่าบริการเติบโตจากประมาณ 1 ล้านคนในยุโรปไปเป็นเกือบ4 ล้านคนทั่วโลกในปี 2012และในปี 2016 Spotify ก็ประกาศว่ามีผู้ใช้แบบเสียค่าบริการถึง 40 ล้านคน และผู้ใช้ทั้งหมดประมาณ 100 ล้านคน ตอกย้ำว่าการสตรีมเพลงเป็นรูปแบบการบริโภคเพลงที่โดดเด่นที่สุดทั่วโลก

ในขณะเดียวกัน เครื่องมือวิเคราะห์ข้อมูลสำหรับศิลปินก็เริ่มปรากฏขึ้น เริ่มจากFan Insightsซึ่งให้ทีมงานบางทีมเข้าถึงข้อมูลการสตรีมได้ในวงจำกัด เช่น ข้อมูลประชากร ภูมิศาสตร์ และแนวโน้มพื้นฐาน ในปี 2017 โซลูชันนี้ได้พัฒนาเป็น Spotify for Artists เปิดโอกาสให้ศิลปินทุกคนสามารถดูตัวชี้วัดสำคัญและใช้ข้อมูลเหล่านั้นในการตัดสินใจเกี่ยวกับการทัวร์ การออกอัลบั้ม และการโปรโมท

ในปี 2018 บริษัทได้เข้าจดทะเบียนในตลาดหลักทรัพย์ด้วยมูลค่าตลาดเกือบ30.000 พันล้านดอลลาร์สหรัฐนับตั้งแต่นั้นมา จำนวนตลาดที่บริษัทดำเนินงานก็เติบโตขึ้นอย่างต่อเนื่อง พร้อมกับความสำคัญของการวิเคราะห์ข้อมูลภายในแพลตฟอร์ม สิ่งที่เริ่มต้นจากการเป็นโปรแกรมเล่นสื่อแบบมีลิขสิทธิ์ได้กลายเป็นโครงสร้างพื้นฐานระดับโลกที่ข้อมูลเป็นสิ่งสำคัญที่สุด

ตัวชี้วัดของ Spotify: วิธีวัดผลเพลงนอกเหนือจากจำนวนการสตรีม

ในการสร้างแบบจำลองการทำนายความนิยม จำเป็นต้องเข้าใจก่อนว่าAPI ของ Spotify นำเสนอข้อมูล ประเภทใด ตัวอย่างเช่น ในการศึกษาที่มุ่งเน้นตลาดอินเดีย มีการดึงข้อมูลเพลงมากกว่า 46.000 รายการจากเพลย์ลิสต์ที่สร้างโดย Spotify ซึ่งครอบคลุมหลากหลายประเภทและประเภทย่อย

ข้อมูลถูกจัดเรียงเป็นหลายส่วน ในระดับแทร็ก เราจะพบข้อมูลต่างๆ เช่นรหัสเพลง ชื่อเพลง ศิลปิน ความนิยม วันที่วางจำหน่าย และระยะเวลาเป็นมิลลิวินาทีในระดับอัลบั้ม จะเก็บรหัสและชื่ออัลบั้ม และในระดับเพลย์ลิสต์ จะปรากฏชื่อเพลย์ลิสต์ รหัสเพลง ประเภทเพลง และประเภทเพลงย่อยที่เกี่ยวข้อง

แต่สิ่งที่น่าสนใจที่สุดสำหรับการวิเคราะห์เพลงฮิตคือคุณลักษณะทางเสียงซึ่งแบ่งออกเป็นหมวดหมู่ต่างๆ ได้แก่ ลักษณะอารมณ์ (ความสามารถในการเต้น พลังงาน ความรู้สึก จังหวะ) คุณสมบัติทางกายภาพ (ความดัง เสียงพูด เสียงเครื่องดนตรี) บริบท (ความเป็นอะคูสติก ความมีชีวิตชีวา) และส่วนประกอบทางดนตรี (คีย์ โหมด) ตัวแปรแต่ละตัวเหล่านี้ได้รับการกำหนดและปรับให้เป็นมาตรฐานอย่างละเอียดถี่ถ้วน

ตัวอย่างเช่น ค่าความง่ายในการเต้นจะแสดงออกมาเป็นค่าระหว่าง 0 ถึง 1 ซึ่งสรุปว่าเพลงนั้นเต้นง่ายแค่ไหนโดยพิจารณาจากองค์ประกอบต่างๆ เช่น จังหวะ ความคงที่ของจังหวะ และความหนักแน่นของบีท ส่วนค่าพลังงานก็มีค่าระหว่าง 0 ถึง 1 เช่นกัน และพยายามบ่งบอกว่าเพลงนั้นฟังดูหนักแน่น รวดเร็ว และทรงพลัง หรือฟังดูสงบหรือนุ่มนวลกว่ากัน

ค่าความรู้สึก (Valency) อธิบายถึง"ความรู้สึกเชิงบวก" ที่รับรู้ได้จากเสียง: ค่าต่ำสอดคล้องกับความรู้สึกเศร้า ตึงเครียด หรือหดหู่ ในขณะที่ค่าสูงสอดคล้องกับดนตรีที่ร่าเริง สดใส หรือเบิกบาน ค่าความเป็นอะคูสติก (Acousticness) วัดโอกาสที่แทร็กจะเป็นอะคูสติก ค่าความมีชีวิต (Liveness) วัดการมีอยู่ของผู้ชมสดในการบันทึก และค่าความเป็นคำพูด (Speechiness) สะท้อนถึงสัดส่วนของคำพูดในมิกซ์ (สูงมาก เช่น ในพอดแคสต์หรือแทร็กเสียงพูด)

พารามิเตอร์สำคัญอื่นๆ ได้แก่จังหวะ (BPM) , ระยะเวลาทั้งหมด, คีย์ (เข้ารหัสเป็นจำนวนเต็ม), โหมด (เมเจอร์หรือไมเนอร์) และความนิยมของเพลง ความนิยมเป็นตัวชี้วัดภายในของ Spotify ที่มีค่าตั้งแต่ 0 ถึง 100 และขึ้นอยู่กับทั้งปริมาณการฟังและความใหม่ของเพลง เพลงที่เคยได้รับความนิยมอย่างมากเมื่อหลายปีก่อน แต่ปัจจุบันไม่ค่อยมีคนฟังแล้ว คะแนนความนิยมจะลดลงเมื่อเวลาผ่านไป

วิธีการเตรียมและทำความสะอาดชุดข้อมูลเพื่อให้สามารถทำนายผลลัพธ์ได้

ขั้นตอนหนึ่งที่มักถูกมองข้ามเมื่อพูดถึงการวิเคราะห์ความนิยมของ Spotify คือการเตรียมชุดข้อมูลในการศึกษาครั้งนี้ ข้อมูลถูกรวบรวมโดยใช้ R และ RStudio โดยเรียกใช้ Spotify API สำหรับการผสมผสานที่แตกต่างกันของตลาด (อินเดีย) ประเภทเพลง และประเภทเพลงย่อยที่เลือกตามน้ำหนักทั้งในระดับโลกและระดับท้องถิ่น

เมื่อนำเพลงจากเพลย์ลิสต์ที่มีธีมแตกต่างกันมารวมกัน มักจะพบว่ามีเพลงซ้ำกันหลายเพลง เนื่องจากเพลงเดียวกันอาจปรากฏอยู่ในเพลย์ลิสต์ที่แตกต่างกันได้ เนื่องจากเป้าหมายไม่ได้อยู่ที่การวิเคราะห์กลยุทธ์การสร้างเพลย์ลิสต์ แต่เป็นการวิเคราะห์ลักษณะเฉพาะของเพลง จึงได้ทำการลบเพลงที่ซ้ำกันออกทำให้จำนวนเพลงทั้งหมดลดลงจาก 46.417 เพลง เหลือประมาณ 39.147 เพลงที่ไม่ซ้ำกัน

คอลัมน์ที่ไม่ถูกนำมาใช้เป็นตัวแปรอธิบายในแบบจำลอง เช่น ศิลปิน รหัสและชื่ออัลบั้ม และฟิลด์เฉพาะของเพลย์ลิสต์ ถูกลบออก ในขณะเดียวกันชื่อฟิลด์ก็ถูกปรับให้เป็นมาตรฐานและชนิดข้อมูลก็ได้รับการปรับเปลี่ยน ตัวอย่างเช่น ความนิยม โหมด คีย์ และระยะเวลา ถูกแปลงเป็นค่าทศนิยมเพื่ออำนวยความสะดวกในการวิเคราะห์ทางสถิติ

การตัดสินใจที่สำคัญคือการเปลี่ยนความนิยมให้เป็นตัวแปรที่จัดการได้ง่ายขึ้น แทนที่จะใช้ค่าต่อเนื่องจาก 0 ถึง 100 จึงมีการกำหนดค่าเกณฑ์เพื่อแยกเพลงยอดนิยมและเพลงที่ไม่ได้รับความนิยมโดยใช้เปอร์เซ็นไทล์ที่ 85 ของการกระจาย (ซึ่งอยู่ที่ประมาณความนิยม 65) เพลงที่มีความนิยมสูงกว่าค่านี้จะถือว่าเป็น "เพลงยอดนิยม" และเพลงที่เหลือจะถือว่าเป็น "เพลงที่ไม่ได้รับความนิยม"

ด้วยวิธีนี้ ชุดข้อมูลจึงถูกแบ่งออกเป็นเพลงยอดนิยมเกือบ 6.000 เพลง และเพลงที่ไม่ได้รับความนิยมประมาณ 33.000 เพลงสำหรับการวิเคราะห์เชิงสำรวจ ยังได้แบ่งชุดข้อมูลออกเป็นห้าระดับความนิยม (สูงมาก สูง ปานกลาง ต่ำ และต่ำมาก) โดยมีช่วงห่าง 20 จุด ซึ่งช่วยให้สามารถเปรียบเทียบแนวโน้มที่ละเอียดอ่อนระหว่างระดับความสำเร็จต่างๆ ได้

นอกจากนี้ ยังมีการสร้างตัวแปรใหม่จากชื่อเพลง นั่นคือตัวบ่งชี้ความรู้สึกโดยใช้ไลบรารี TextBlob ใน Python คำนวณค่าขั้วของแต่ละชื่อเพลง (ตัวเลขระหว่าง -1 ถึง 1) และจำแนกเป็นบวก ลบ หรือเป็นกลาง จากนั้นจึงเพิ่มค่าตัวเลขนี้ลงในดาต้าเฟรมเพื่อศึกษาว่าโทนของชื่อเพลงนั้นเชื่อมโยงกับความนิยมของเพลงหรือไม่

การวิเคราะห์ข้อมูล: อะไรคือสิ่งที่ทำให้เพลงยอดนิยมแตกต่างกัน

ก่อนที่จะฝึกฝนโมเดลการเรียนรู้ของเครื่องใดๆ จำเป็นอย่างยิ่งที่จะต้องใช้เวลาในการสำรวจข้อมูลทั้งในเชิงภาพและเชิงสถิติในกรณีของการศึกษาครั้งนี้ ได้มีการวิเคราะห์เส้นโค้งการกระจาย ค่าเฉลี่ยต่อกลุ่มความนิยม และความสัมพันธ์ระหว่างอารมณ์และความสำเร็จ

หนึ่งในข้อค้นพบที่น่าสนใจคือเกี่ยวกับค่าอารมณ์ของเพลงที่ประสบความสำเร็จมากที่สุด เมื่อพิจารณาเพลงที่มีคะแนนความนิยมสูงกว่า 90 พบว่าเพลงจำนวนมากมีค่าอารมณ์ต่ำกว่า 0,5นั่นคือ เพลงเหล่านั้นฟังดูเศร้าหมอง หม่นหมอง หรือโศกเศร้ามากกว่าร่าเริง แม้จะไม่ใช่การครอบงำอย่างเด็ดขาด แต่ก็เป็นแนวโน้มที่ชัดเจน

เมื่อนำกราฟแสดงการกระจายความนิยมตามประเภทเพลงมาพล็อตดู พบว่าเส้นโค้งส่วนใหญ่มีรูปร่างคล้ายระฆังโดยมีเพลงจำนวนมากอยู่รอบค่าเฉลี่ยและมีจำนวนน้อยที่ค่าสุดขั้ว อย่างไรก็ตาม ประเภทเพลงอย่างร็อก อาร์แอนด์บี อีดีเอ็ม เวิลด์มิวสิก และเพลงอินเดีย กลับแสดงความไม่สมมาตรเนื่องจากมีเพลงจำนวนมากที่มีความนิยมเป็นศูนย์ ในทางตรงกันข้าม ประเภทเพลงอย่างป๊อป แร็พ ละติน และเดซี กลับดูสมดุลกว่าและมีการกระจุกตัวที่ศูนย์น้อยกว่า

สิ่งนี้ชี้ให้เห็นว่าในแนวเพลงกระแสหลักนั้นโดยทั่วไปแล้วจะง่ายกว่าที่จะประสบความสำเร็จในระดับหนึ่งแม้ว่าเพลงเหล่านั้นจะไม่มีคุณสมบัติที่สมบูรณ์แบบทุกประการก็ตาม ในขณะที่ในแนวเพลงอื่นๆ การกระจายความสำเร็จจะมีความแตกต่างกันมากกว่า

เมื่อเปรียบเทียบค่าเฉลี่ยของคุณลักษณะต่างๆ ตามระดับความนิยมแล้ว จะเห็นรูปแบบที่ชัดเจนมาก นั่นคือ เพลงที่ประสบความสำเร็จมากที่สุดมักจะมีพลังและความดัง (ระดับเสียงที่รับรู้ได้)มากกว่า รวมถึงมีดนตรีประกอบมากกว่าและมีเนื้อร้องน้อยกว่า กล่าวโดยง่ายคือ เพลงที่ได้รับความนิยมสูงสุดบนแพลตฟอร์มสตรีมมิ่งมักจะมีพลังมากกว่าและเน้นที่ดนตรีมากกว่าเนื้อร้อง

นอกจากนี้ยังพบว่าเพลงยอดนิยมมีคุณภาพเสียงและความมีชีวิตชีวาต่ำกว่ากล่าวคือ ฟังดู "ไม่เหมือนเพลงอะคูสติก" และ "ไม่เหมือนการแสดงสด" เพลงเหล่านั้นถูกผลิตในสตูดิโอมากกว่า มีความประณีตกว่า มีเสียงรบกวนรอบข้างหรือความรู้สึกเหมือนอยู่ในคอนเสิร์ตน้อยกว่า

อีกหนึ่งข้อค้นพบที่สำคัญคือ เพลงยอดนิยมมักจะสั้นกว่าเพลงที่ไม่ได้รับความนิยม ในบริบทที่รายได้ขึ้นอยู่กับจำนวนการสตรีมและอัลกอริทึมให้รางวัลกับการเล่นซ้ำ จึงเป็นเรื่องสมเหตุสมผลที่เพลงที่สั้นกว่าจะสามารถสะสมยอดการเล่นได้เร็วขึ้นและเหมาะกับการนำไปใส่ในเพลย์ลิสต์มากกว่า

ในส่วนของความรู้สึกสุข (valence) นั้น แนวโน้มค่อนข้างน่าสนใจ คือ ระดับความสุขจะเพิ่มขึ้นจากระดับความนิยมต่ำไปสู่ระดับ "สูง" แต่ในระดับสูงสุดคือ "สูงมาก" กลับลดลงอย่างเห็นได้ชัด กล่าวอีกนัยหนึ่งเพลงที่ได้รับความนิยมอย่างมากมักจะฟังดูเศร้ากว่าเพลงที่ "ประสบความสำเร็จ" ทั่วไปซึ่งเปิดโอกาสให้ตีความได้หลายแง่มุมเกี่ยวกับรสนิยมของสาธารณชนและบริบททางสังคมและอารมณ์

การวิเคราะห์ทางสถิติ: ผลกระทบของประเภทเพลงและคุณลักษณะด้านเสียง

เมื่อได้สำรวจข้อมูลแล้ว ขั้นตอนต่อไปคือการใช้การทดสอบทางสถิติอย่างเป็นทางการเพื่อดูว่าตัวแปรใดบ้างที่มีความเกี่ยวข้องในการอธิบายความนิยม เพื่อศึกษาว่าเพศมีอิทธิพลต่อความสำเร็จหรือไม่ จึงใช้การวิเคราะห์ความแปรปรวน (ANOVA) กับแนวเพลงหลักเก้าประเภท

ผลการวิเคราะห์ ANOVA ให้ค่า F สูงมากและแทบไม่มีนัยสำคัญทางสถิติ ซึ่งหมายความว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติในความนิยมระหว่างเพศอย่างไรก็ตาม นั่นยังไม่เพียงพอ สิ่งสำคัญคือต้องทราบด้วยว่าความแตกต่างเหล่านี้เกิดขึ้นระหว่างเพศคู่ใดบ้าง และตัวแปรนี้จะมีประโยชน์สำหรับแบบจำลองการทำนายหรือไม่

เนื่องจากความแปรปรวนไม่เป็นเนื้อเดียวกันและจำนวนเพลงต่อประเภทแตกต่างกัน จึงใช้การทดสอบหลังการวิเคราะห์ Games-Howellการวิเคราะห์นี้ช่วยให้เราสามารถระบุได้ว่าการผสมผสานประเภทเพลงใดที่ไม่แสดงความแตกต่างอย่างมีนัยสำคัญในด้านความนิยม ซึ่งโดยรวมแล้วทำให้การใช้ประเภทเพลงเป็นตัวทำนายที่แข็งแกร่งในแบบจำลองการเรียนรู้ของเครื่องนั้นไม่เหมาะสมนัก

ในขณะเดียวกัน ได้ทำการทดสอบt-test แบบอิสระสำหรับคุณลักษณะเสียงแต่ละอย่าง โดยเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มเพลงยอดนิยมและกลุ่มเพลงที่ไม่เป็นที่นิยม ที่ระดับนัยสำคัญ 95% ตัวแปรเกือบทั้งหมด (ความสามารถในการเต้น พลังงาน ความดัง ความเป็นอะคูสติก ความมีชีวิตชีวา ระยะเวลา จังหวะ อารมณ์ และความเป็นดนตรี) แสดงความแตกต่างอย่างมีนัยสำคัญระหว่างสองกลุ่ม

ข้อยกเว้นที่เห็นได้ชัดเพียงอย่างเดียวคือความสามารถในการพูดในการทดสอบครั้งแรก ความแตกต่างของค่าเฉลี่ยไม่มีนัยสำคัญ แต่การวิเคราะห์เพิ่มเติมพบว่าช่วงความสามารถในการพูดสำหรับหัวข้อที่ได้รับความนิยมสูง (โดยมีค่าอยู่ระหว่าง 0,024 ถึง 0,685) อยู่ภายในช่วงที่กว้างกว่าของกลุ่มหัวข้อที่ได้รับความนิยมน้อยกว่า (ระหว่าง 0 ถึง 0,964) การทับซ้อนนี้ไม่ได้ขัดขวางความสามารถในการพูด เมื่อนำมาใช้อย่างมีประสิทธิภาพ ในการให้ข้อมูลแก่แบบจำลอง ดังนั้นจึงตัดสินใจที่จะคงไว้เป็นตัวทำนาย

โดยสรุปแล้ว บล็อกคุณลักษณะด้านเสียงแสดงให้เห็นถึงพลังในการอธิบายที่ชัดเจนเกี่ยวกับความนิยมในขณะที่ประเภทเพลงได้รับการจัดการอย่างระมัดระวังมากขึ้นและถูกตัดออกจากการเป็นตัวแปรหลักในวิธีการทำนายบางวิธี

สร้างแบบจำลองการเรียนรู้ของเครื่องจักรเพื่อทำนายจำนวนการเข้าชม

หลังจากทำความสะอาดชุดข้อมูลและเลือกตัวแปรที่เกี่ยวข้องแล้ว ก็ถึงเวลาสร้างแบบจำลองการจำแนกแบบไบนารีที่สามารถทำนายได้ว่าเพลงนั้นอยู่ในกลุ่ม 15% แรกของความนิยมหรือไม่ ในการทำเช่นนี้ ตัวแปรเชิงหมวดหมู่ key และ mode จะถูกแปลงเป็นตัวแปรดัมมี่ก่อนโดยใช้ฟังก์ชัน get_dummies ของ Pandas

หลังจากรวมตัวแปรดัมมี่เหล่านี้แล้ว คอลัมน์โทนเสียงและโหมดดั้งเดิม รวมถึงความนิยมแบบต่อเนื่อง จะถูกลบออก และฟิลด์ความนิยมแบบไบนารี (ได้รับความนิยมหรือไม่ได้รับความนิยม) จะถูกเก็บไว้เป็นตัวแปรเป้าหมาย ก่อนการฝึกโมเดล คุณลักษณะเชิงตัวเลขทั้งหมดจะถูกทำให้เป็นมาตรฐานโดยใช้ StandardScaler เนื่องจากคุณลักษณะเหล่านี้ทำงานในมาตราส่วนที่แตกต่างกันมาก และเป็นสิ่งสำคัญที่พวกมันจะต้องมีน้ำหนักที่เทียบเคียงกันได้

ชุดข้อมูลถูกแบ่งออกเป็นชุดฝึกฝนและชุดทดสอบโดยใช้ฟังก์ชัน train_test_split โดยสงวนข้อมูล 20% ไว้สำหรับการทดสอบวิธีนี้ช่วยป้องกันการรั่วไหลของข้อมูลและทำให้มั่นใจได้ว่าตัวชี้วัดประสิทธิภาพสะท้อนถึงความสามารถในการใช้งานจริงของแบบจำลอง ไม่ใช่แค่ความสามารถในการจดจำข้อมูลการฝึกฝนเท่านั้น

แบบจำลองแรกที่นำมาใช้คือการถดถอยโลจิสติก (Logistic Regression ) ซึ่งเป็นเทคนิคที่ใช้กันอย่างแพร่หลายในการจำแนกแบบไบนารี ได้มีการนำเวอร์ชันแบบวนซ้ำมาใช้ โดยมีอัตราการเรียนรู้ 0,01 และจำนวนรอบการวนซ้ำ 200 รอบ และทำการประเมินผลโดยใช้การตรวจสอบแบบไขว้ (cross-validation) ความแม่นยำเฉลี่ยอยู่ที่ประมาณ 84,7% ซึ่งเป็นผลลัพธ์ที่แข็งแกร่งอย่างน่าทึ่งสำหรับปัญหาที่ซับซ้อนเช่นการทำนายความสำเร็จทางดนตรี

ถัดมา ได้ทำการทดสอบอัลกอริธึมK-Nearest Neighbors (KNN)ซึ่งจำแนกเพลงแต่ละเพลงตามเพื่อนบ้านที่ใกล้ที่สุด k ตัวในพื้นที่คุณลักษณะ โดยการปรับค่า ky โดยใช้ Grid Search เพื่อหาการกำหนดค่าที่เหมาะสมที่สุด ผลลัพธ์ที่ได้มีความแม่นยำใกล้เคียงกัน คือประมาณ 84,8% โดยมีคะแนนการตรวจสอบแบบไขว้ที่ดีขึ้นเล็กน้อยเมื่อเทียบกับการถดถอยโลจิสติก

โมเดลถัดมาคือSupport Vector Machine (SVM)ซึ่งเป็นเทคนิคแบบมีผู้กำกับดูแลอีกแบบหนึ่งที่สามารถจัดการได้ทั้งความสัมพันธ์เชิงเส้นและไม่เชิงเส้น เช่นเดียวกับโมเดลแรก การปรับแต่งพารามิเตอร์ทำให้ได้ความแม่นยำประมาณ 84,6% โดยมีค่าที่เทียบเท่ากันในการตรวจสอบแบบไขว้ ซึ่งบ่งชี้ถึงประสิทธิภาพที่เสถียร

ตัวจำแนกแบบ Naive Bayes ซึ่งตั้งอยู่บนสมมติฐานความเป็นอิสระระหว่างคุณลักษณะต่างๆ ก็ได้รับการประเมินเช่นกันแม้ว่าจะเป็นแบบจำลองที่เรียบง่ายกว่ามากในแง่ของสมมติฐาน แต่ผลลัพธ์ด้านความแม่นยำ (ประมาณ 84,6%) ก็เทียบเท่ากับ SVM และใกล้เคียงกับ Logistic Regression และ KNN มาก ซึ่งเป็นการตอกย้ำแนวคิดที่ว่าโครงสร้างของปัญหานั้นเหมาะสมกับวิธีการเชิงความน่าจะเป็นแบบนี้

สุดท้ายนี้ ได้ทำการทดสอบโมเดลที่ใช้ต้นไม้ตัดสินใจ (Decision Tree Classifier) ​​พบ ว่า Decision Tree Classifierมีความแม่นยำลดลงอย่างมาก อยู่ที่ประมาณ 75,4% และการตรวจสอบแบบ Cross-validation ก็ยืนยันถึงประสิทธิภาพที่ลดลงนี้ ซึ่งอาจเกิดจากปัญหา Overfitting ส่วนRandom Forest Classifierซึ่งรวมต้นไม้หลายๆ ต้นเข้าด้วยกันเพื่อลดผลกระทบเหล่านี้ มีประสิทธิภาพดีขึ้นอย่างเห็นได้ชัด โดยมีความแม่นยำประมาณ 84,1% และมากกว่า 84% ในการตรวจสอบแบบ Cross-validation

เพื่อทำการวิเคราะห์ให้เสร็จสมบูรณ์ จึง ได้สร้างเมทริกซ์ความสับสนและรายงานการจำแนกประเภทสำหรับ Random Forest แบบจำลองแสดงให้เห็นถึงความสามารถที่ยอดเยี่ยมในการระบุเพลงที่ไม่ได้รับความนิยม (กลุ่มส่วนใหญ่) โดยมีความแม่นยำ 0,85 และค่าการเรียกคืนใกล้เคียง 0,99 ในขณะที่ประสิทธิภาพในกลุ่มเพลงยอดนิยม (กลุ่มส่วนน้อย) นั้นค่อนข้างปานกลาง โดยมีความแม่นยำ 0,40 และค่าการเรียกคืน 0,05 สิ่งนี้เน้นให้เห็นถึงความท้าทายแบบคลาสสิกของความไม่สมดุลของกลุ่มในปัญหาประเภทนี้

ความสำคัญของตัวแปร: อะไรคือปัจจัยสำคัญที่สุดในการสร้างผลงานที่ประสบความสำเร็จ

นอกเหนือจากการรู้ว่าโมเดลใดมีความแม่นยำที่สุดแล้ว สิ่งสำคัญคือต้องเข้าใจว่าคุณลักษณะใดให้ข้อมูลที่เป็นประโยชน์อย่างแท้จริงเมื่อทำนายว่าเพลงนั้นจะได้รับความนิยมหรือไม่ ด้วยเหตุนี้ จึงได้ใช้ XGBoost (XGBClassifier) ​​เพื่อหาคะแนนความสำคัญของตัวแปร โดยพิจารณาจากส่วนร่วมของแต่ละคุณลักษณะในการลดข้อผิดพลาดในต้นไม้ตัดสินใจ

ผลการวิจัยแสดงให้เห็นว่าความยาวของเพลงนั้นโดดเด่นกว่าเพลงอื่นๆ อย่างเห็นได้ชัดโดยมีคะแนน F สูงกว่า 400 อย่างมาก ข้อค้นพบนี้สอดคล้องกับแนวคิดที่ว่าเพลงที่สั้นกว่าจะกระตุ้นให้ผู้ฟังฟังซ้ำได้มากขึ้น และสะสมจำนวนการฟังได้มากขึ้นในเวลาที่สั้นกว่า ซึ่งเป็นสิ่งที่อัลกอริทึมการแนะนำของ Spotify มักให้ความสำคัญ

ในทางตรงกันข้าม ตัวแปรต่างๆ เช่น คำหลัก รูปแบบ หรือความรู้สึกที่สกัดได้จากชื่อเรื่องเอง ได้รับคะแนนความสำคัญต่ำกว่า 50 ซึ่งบ่งชี้ว่าการมีส่วนร่วมของตัวแปรเหล่านั้นต่อพลังการทำนายโดยรวมของแบบจำลองนั้นมีน้อยมาก นี่ไม่ได้หมายความว่าตัวแปรเหล่านั้นไม่มีผลเลย แต่หมายความว่าเมื่อเทียบกับคุณลักษณะอื่นๆ แล้ว น้ำหนักของตัวแปรเหล่านั้นน้อยกว่ามาก

คุณลักษณะด้านเสียงที่เหลือ (เช่น พลังงาน ความสามารถในการเต้น ความสัมพันธ์ ความดัง ความเป็นอะคูสติก ความมีชีวิตชีวา ความเหมือนเสียงพูด และความเป็นเครื่องดนตรี) อยู่ในระดับปานกลาง โดยมีคะแนน F ระหว่าง 200 ถึง 300 ซึ่งบ่งชี้ว่าคุณลักษณะเหล่านี้ประกอบกันเป็นข้อมูลที่มีความสมดุลพอสมควรไม่มีคุณลักษณะใดที่โดดเด่นอย่างสมบูรณ์ แต่เมื่อรวมกันแล้วจะช่วยสร้างภาพที่ค่อนข้างแม่นยำเกี่ยวกับโอกาสความสำเร็จของเพลงได้

โดยรวมแล้ว โมเดลที่อิงตามคุณลักษณะด้านเสียงสามารถทำนายได้อย่างแม่นยำประมาณ 84-85% ว่าเพลงนั้นจะติดอันดับ 15% แรกของเพลงยอดนิยมหรือไม่ซึ่งเป็นการให้การสนับสนุนเชิงประจักษ์แก่สัญชาตญาณดั้งเดิมของ "วิทยาศาสตร์เพลงฮิต" ที่ว่า ด้วยข้อมูลที่ดีและเทคนิคที่เหมาะสม ความสำเร็จทางดนตรีไม่ได้เกิดขึ้นโดยบังเอิญอย่างแท้จริง แม้ว่าจะยังมีองค์ประกอบที่ไม่สามารถคาดเดาได้อยู่มากก็ตาม

ภาพที่ได้จากการวิเคราะห์นี้แสดงให้เห็นว่า การผสมผสานข้อมูลจาก Spotify สถิติแบบดั้งเดิม และโมเดลการเรียนรู้ของเครื่อง ช่วยให้เราก้าวไปไกลกว่าการนับจำนวนการสตรีมเพียงอย่างเดียว การทำความเข้าใจผลกระทบของระยะเวลา พลังงาน คุณค่า และเครื่องดนตรี รวมถึงบทบาทของเพลย์ลิสต์ที่คัดสรรโดยบรรณาธิการ และกลไกการแนะนำของแพลตฟอร์ม ช่วยให้ศิลปิน ค่ายเพลง และนักวิเคราะห์มีแผนงานที่ชัดเจนมากในการตีความว่าทำไมเพลงบางเพลงถึงกลายเป็นเพลงฮิต และพวกเขาจะเพิ่มโอกาสในการเข้าร่วมกลุ่มเพลงฮิตนั้นได้อย่างไร โดยไม่สูญเสียองค์ประกอบด้านมนุษย์และความคิดสร้างสรรค์ ซึ่งโชคดีที่ยังไม่สามารถลดทอนลงเหลือเพียงสูตรสำเร็จใดๆ ได้