การวิเคราะห์เพลงฮิตบน Spotify: ข้อมูล อัลกอริทึม และวิทยาศาสตร์แห่งความสำเร็จทางดนตรี

อินฟอร์เมเทค ดิจิตอล » Recursos » การวิเคราะห์เพลงฮิตบน Spotify: ข้อมูล อัลกอริทึม และวิทยาศาสตร์แห่งความสำเร็จทางดนตรี

Spotify กลายเป็นห้องทดลองที่สมบูรณ์แบบสำหรับการศึกษาว่าอะไรทำให้เพลงเพลงหนึ่งประสบความสำเร็จเรามีข้อมูลการเล่นเพลงแบบเรียลไทม์ ตัวชี้วัดขั้นสูงสำหรับศิลปิน และผู้ฟังนับล้านที่ตัดสินใจทุกวินาที Spotify จึงไม่ได้เป็นเพียงแค่แพลตฟอร์มฟังเพลงอีกต่อไป แต่ได้เปลี่ยนแปลงตัวเองเป็นแพลตฟอร์มขนาดใหญ่ ฐานข้อมูล โดยสามารถวิเคราะห์รูปแบบ อารมณ์ ประเภทเพลง และกลยุทธ์การจัดเพลย์ลิสต์ เพื่อทำความเข้าใจว่าทำไมบางเพลงถึงได้รับความนิยม ในขณะที่บางเพลงกลับถูกลืมเลือนไป

ในช่วงไม่กี่ปีที่ผ่านมา เครื่องมือ การวิจัยทางวิชาการ และ โมเดลการเรียนรู้ของเครื่อง อุทิศให้กับ การวิเคราะห์ยอดวิว Spotifyจากการศึกษาชาร์ตเพลงยอดนิยมอย่าง Today's Top Hits หรือ Rap Caviar ไปจนถึงการสร้างอัลกอริทึมที่สามารถทำนายได้ว่าเพลงใดจะอยู่ในกลุ่มเพลงยอดนิยมที่สุดในแคตตาล็อก ในขณะเดียวกัน Spotify for Artists ก็ทำให้การเข้าถึงข้อมูลเหล่านี้เป็นเรื่องง่ายขึ้น ช่วยให้ศิลปินทุกคนสามารถดูได้ว่าใครกำลังฟังเพลงของพวกเขา พวกเขาถูกค้นพบจากที่ไหนและอย่างไร และสามารถปรับกลยุทธ์ด้านความคิดสร้างสรรค์และการตลาดของตนได้ตามนั้น

การวิเคราะห์ยอดวิวของ Spotify คืออะไรกันแน่ และทำไมมันถึงสำคัญ?

เมื่อเราพูดถึง การวิเคราะห์ยอดวิว Spotify เราไม่ได้พูดถึงแค่การดูว่าเพลงนั้นถูกเล่นไปกี่ครั้งเท่านั้น นี่เป็นแนวทางที่กว้างกว่านั้น ซึ่งผสมผสานเสียง บริบท และพฤติกรรมของผู้ใช้ เพื่อตอบคำถามที่อาจไม่สบายใจแต่สำคัญอย่างยิ่ง นั่นคือ คุณสามารถทำนายความสำเร็จของเพลงได้ก่อนที่จะปล่อยออกมาหรือไม่? โดยใช้ข้อมูลจาก API ของ Spotify นักวิจัยกำลังทำงานกับตัวแปรต่างๆ เช่น ความนิยม พลังงาน คุณค่า ระยะเวลา จังหวะ และความสามารถในการเต้น เพื่อพยายามเข้าใกล้คำตอบนั้นให้มากที่สุด

แนวทางนี้มีรากฐานมาจากสิ่งที่เรียกว่า “วิทยาศาสตร์เพลงฮิต”แนวคิดนี้ ซึ่งได้รับความนิยมจากไมค์ แม็คเครดี้ในช่วงต้นทศวรรษ 2000 เกี่ยวข้องกับการใช้อัลกอริทึมและแบบจำลองทางคณิตศาสตร์เพื่อทำนายว่าเพลงใดจะประสบความสำเร็จในชาร์ตและวิทยุ แม้ว่าการศึกษาในช่วงแรกจะสรุปว่าทำได้ยากมาก (และแบบจำลองก็ไม่แม่นยำเพียงพอ) แต่สถานการณ์ได้เปลี่ยนแปลงไปอย่างสิ้นเชิงด้วยการมาถึงของบริการสตรีมมิ่ง ปริมาณข้อมูลที่เพิ่มขึ้นอย่างมหาศาล และการพัฒนาเทคนิคการเรียนรู้ของเครื่องจักรให้ดียิ่งขึ้น

ปัจจุบัน Spotify ให้บริการ API ที่สามารถเข้าถึงเพลงนับหมื่นเพลงได้ คุณลักษณะทางดนตรีและบริบทตั้งแต่คีย์และโหมด ไปจนถึงความน่าจะเป็นที่เพลงนั้นจะเป็นเพลงอะคูสติกหรือเพลงบรรเลง รวมถึงตัวชี้วัดที่ออกแบบมาโดยเฉพาะเพื่ออธิบายว่าเพลงนั้นถูกรับรู้ในลักษณะใด (พลังงาน คุณค่า ความสามารถในการเต้น ฯลฯ) ทั้งหมดนี้ช่วยให้เราเปลี่ยนจากความคิดเห็นส่วนตัวไปสู่การวิเคราะห์เชิงปริมาณที่แม่นยำยิ่งขึ้น

ในขณะเดียวกัน เครื่องมือดังกล่าว Spotify สำหรับศิลปิน มันช่วยให้ครีเอเตอร์หลีกเลี่ยงการหลงไปกับตัวชี้วัดที่ไร้สาระ และหันมาโฟกัสกับสิ่งที่สำคัญอย่างแท้จริง นั่นคือ การพัฒนาฐานผู้ชมในระยะยาว การมีส่วนร่วม การรักษาฐานผู้ชม และผลกระทบของการตลาดต่อการสร้างแฟนคลับที่แท้จริง กล่าวอีกนัยหนึ่งคือ ตัวเลขสำคัญ แต่ต้องมีบริบทและเจตนาเชิงกลยุทธ์ด้วย

เพลย์ลิสต์อย่างเป็นทางการและกลยุทธ์: ความสำคัญของรายชื่อที่จัดทำโดยกองบรรณาธิการ

หนึ่งในองค์ประกอบที่สำคัญที่สุดในการวิเคราะห์เพลงฮิตบน Spotify อย่างจริงจัง คือบทบาทของ... เพลย์ลิสต์อย่างเป็นทางการของกองบรรณาธิการชาร์ตเพลงอย่าง Discover Weekly, Release Radar, Today's Top Hits, New Music Friday, Rap Caviar, Mint หรือ ¡Viva Latino! ทำหน้าที่เป็นเหมือนเครื่องขยายเสียงขนาดใหญ่ การได้ติดอันดับในชาร์ตเหล่านี้สามารถเปลี่ยนแปลงทิศทางของเพลงหรือแม้กระทั่งอาชีพการงานได้อย่างสิ้นเชิง

เครื่องมือจากภายนอก เช่น Soundcharts ช่วยให้คุณเห็นสิ่งต่างๆ เหล่านี้ได้ พฤติกรรมของศิลปินในเพลย์ลิสต์เหล่านี้จำนวนครั้งที่ปรากฏ ระยะเวลาที่อยู่ในอันดับ ตลาดที่มีผลกระทบมากที่สุด ฯลฯ การวิเคราะห์ประเภทนี้ทำให้เห็นได้อย่างชัดเจนว่า การปรากฏอยู่ในรายชื่อของกองบรรณาธิการไม่ใช่แค่เครื่องประดับ แต่เป็นองค์ประกอบสำคัญของกลยุทธ์การเติบโตบนแพลตฟอร์ม

มีเกณฑ์สำคัญบางประการในการสร้างเพลย์ลิสต์คุณภาพ ตัวอย่างเช่น การมีองค์ประกอบดังต่อไปนี้ถือเป็นเรื่องสำคัญ เลือกศิลปินที่หลากหลาย แทนที่จะใช้ชื่อเดิมซ้ำๆ กันไปเรื่อยๆรายชื่อเพลงที่มีศิลปินคนเดียวกันปรากฏอยู่หลายครั้ง มักจะได้รับเรตติ้งที่แย่ลง เพราะมันลดความรู้สึกของการค้นพบสิ่งใหม่ๆ ของผู้ฟัง

กำลังมองหาอยู่เช่นกัน ความสมดุลทางเพศที่สอดคล้องกันเมื่อเพลย์ลิสต์ผสมผสานสไตล์ต่างๆ มากเกินไปโดยไม่มีทิศทางที่ชัดเจน... ประสบการณ์ มันจะกระจัดกระจายและเรตติ้งก็จะลดลง รายชื่อที่ได้รับความนิยมสูงสุดมักจะเน้นไปที่ประเภทเพลงหนึ่งหรือสองประเภทที่ชัดเจน ซึ่งช่วยให้ผู้ใช้เข้าใจได้ทันทีว่าจะได้ฟังอะไรเมื่อกดเล่น

ประเด็นสำคัญอีกประการหนึ่งคือ เป็นการผสมผสานระหว่างธีมที่คุ้นเคยและธีมใหม่ๆ ที่กำลังเกิดขึ้นเพลย์ลิสต์ที่มีแต่เพลงฮิตติดชาร์ตนั้นก็ดีอยู่ แต่ไม่ค่อยเปิดโอกาสให้ค้นพบเพลงใหม่ๆ ในทางตรงกันข้าม เพลย์ลิสต์ที่ผสมผสานเพลงที่รู้จักกันดีกับเพลงที่ไม่ค่อยเป็นที่รู้จัก มักจะดึงดูดความสนใจได้มากกว่า และช่วยสร้างเพลงฮิตใหม่ๆ ได้ด้วย

สุดท้ายนี้ มีความเห็นพ้องกันว่าเพลย์ลิสต์ที่ดีควรมีอย่างน้อย... มีเพลงให้เลือกประมาณ 50 เพลง เพื่อมอบประสบการณ์ที่สมบูรณ์แบบชาร์ตเพลงที่มีเพลงน้อยกว่า 10 เพลง มักถูกมองว่าด้อยคุณภาพและได้รับคะแนนต่ำ ซึ่งส่งผลต่อประสิทธิภาพของเพลงเหล่านั้นด้วย

ประวัติโดยย่อของ Spotify และที่มาของระบบวิเคราะห์ข้อมูล

ก่อนที่ Spotify จะสามารถวิเคราะห์เพลงฮิตได้อย่างลึกซึ้ง แพลตฟอร์มนี้ต้องหาที่ยืนในอุตสาหกรรมดนตรีเสียก่อน แนวคิดนี้เกิดขึ้นจากความคิดของแดเนียล เอ็ก ผู้ร่วมก่อตั้ง หลังจากที่ Napster ล่มสลายในปี 2002 เขาต้องการสร้างบริการที่ "ดีกว่าการละเมิดลิขสิทธิ์ แต่ยังสร้างรายได้ให้กับอุตสาหกรรมด้วย"ในเวลานั้น Ek กำลังใช้งาน uTorrent ซึ่งเป็นหนึ่งในโปรแกรมดาวน์โหลดและแชร์ไฟล์แบบ P2P ที่สำคัญ ดังนั้นเขาจึงมีความรู้โดยตรงเกี่ยวกับโลกของการเผยแพร่ที่ไม่ได้รับอนุญาต

หลังจากขาย uTorrent ให้กับ BitTorrent ในช่วงปลายปี 2006 Ek ก็ทุ่มเทความสนใจทั้งหมดไปกับการสร้าง Spotify แอปพลิเคชันนี้เปิดตัวอย่างเป็นทางการในปี 2008 ในประเทศสวีเดน หลังจากประสบความสำเร็จอย่างมาก ข้อตกลงด้านลิขสิทธิ์และการถือหุ้นกับบริษัทเพลงรายใหญ่บริษัท Sony Music Entertainment, Universal Music Group และ Warner Music Group เป็นผู้จัดจำหน่ายหลัก หนึ่งปีต่อมา บริษัทได้ขยายไปยังสหราชอาณาจักร และในปี 2011 ก็ได้เข้ามาดำเนินธุรกิจในสหรัฐอเมริกา

ในช่วงเริ่มต้นนั้น ฐานผู้สมัครสมาชิกแบบชำระเงินเติบโตจากประมาณ 1 ล้านคนในยุโรปไปเป็นประมาณ 4 ล้านคนทั่วโลกในปี 2012ในปี 2016 Spotify ประกาศว่ามีผู้ใช้ที่ชำระเงินแล้ว 40 ล้านคน และมีผู้ใช้ทั้งหมดประมาณ 100 ล้านคน ตอกย้ำว่าการสตรีมเพลงเป็นรูปแบบการบริโภคเพลงที่โดดเด่นที่สุดทั่วโลก

ในเวลาเดียวกัน เครื่องมือข้อมูลสำหรับศิลปินก็เริ่มปรากฏขึ้น เครื่องมือแรกคือ ความคิดเห็นจากแฟนๆโซลูชันนี้เปิดโอกาสให้บางทีมเข้าถึงข้อมูลการสตรีมได้อย่างจำกัด เช่น ข้อมูลประชากร ภูมิศาสตร์ และแนวโน้มพื้นฐาน ในปี 2017 โซลูชันนี้ได้พัฒนาเป็น Spotify for Artists ซึ่งเปิดโอกาสให้ศิลปินทุกคนสามารถดูตัวชี้วัดสำคัญของตนเองและใช้ข้อมูลเหล่านั้นในการตัดสินใจเกี่ยวกับการทัวร์ การออกอัลบั้ม และการโปรโมท

ในปี 2018 บริษัทได้เข้าจดทะเบียนในตลาดหลักทรัพย์ด้วยมูลค่าตลาดประมาณ 30.000 ล้านนับตั้งแต่นั้นมา จำนวนตลาดที่แพลตฟอร์มนี้ดำเนินงานก็เพิ่มขึ้นอย่างต่อเนื่อง และด้วยเหตุนี้ ความสำคัญของการวิเคราะห์ข้อมูลภายในแพลตฟอร์มจึงเพิ่มขึ้นตามไปด้วย สิ่งที่เริ่มต้นจากการเป็นโปรแกรมเล่นสื่อที่ได้รับอนุญาต ได้กลายเป็นโครงสร้างพื้นฐานระดับโลกที่ข้อมูลเป็นสิ่งสำคัญที่สุด

ตัวชี้วัดของ Spotify: วิธีวัดผลเพลงนอกเหนือจากจำนวนการสตรีม

ในการสร้างแบบจำลองการทำนายการโจมตี จำเป็นต้องเข้าใจก่อนว่าประเภทของการโจมตีนั้นเป็นอย่างไร ข้อมูลที่ได้รับจาก Spotify APIตัวอย่างเช่น ในการศึกษาวิจัยที่มุ่งเน้นตลาดอินเดีย พบว่ามีการดึงข้อมูลเพลงมากกว่า 46.000 รายการจากเพลย์ลิสต์ที่สร้างโดย Spotify ซึ่งครอบคลุมหลากหลายแนวเพลงและแนวเพลงย่อย

ข้อมูลถูกจัดเรียงเป็นหลายส่วน ในระดับแทร็ก เราจะพบข้อมูลต่างๆ เช่น ข้อมูลระบุตัวตน, ชื่อเพลง, ศิลปิน, ความนิยม, วันที่วางจำหน่าย และระยะเวลาในหน่วยมิลลิวินาทีในระดับอัลบั้ม จะมีการจัดเก็บ ID และชื่ออัลบั้ม ส่วนในระดับเพลย์ลิสต์ จะแสดงชื่อเพลง ID ประเภทเพลง และประเภทเพลงย่อยที่เกี่ยวข้อง

แต่สิ่งที่น่าสนใจที่สุดสำหรับการวิเคราะห์การโจมตีคือ... คุณสมบัติเสียงแบ่งออกเป็นหมวดหมู่ต่างๆ ได้แก่ ลักษณะ "อารมณ์" (ความสามารถในการเต้น พลังงาน คุณค่า จังหวะ) คุณสมบัติทางกายภาพ (ความดัง ความเหมือนเสียงพูด ความเหมือนเสียงเครื่องดนตรี) บริบท (ความเป็นอะคูสติก ความมีชีวิตชีวา) และส่วนประกอบทางดนตรี (คีย์ โหมด) ตัวแปรแต่ละตัวได้รับการกำหนดและทำให้เป็นมาตรฐานอย่างละเอียดถี่ถ้วน

ตัวอย่างเช่น ความสามารถในการเต้นจะแสดงออกมาเป็นค่าระหว่าง 0 ถึง 1 ซึ่งสรุปได้ว่า การเต้นตามเพลงนั้นง่ายแค่ไหนโดยพิจารณาจากองค์ประกอบต่างๆ เช่น จังหวะ ความคงที่ของจังหวะ และความหนักแน่นของบีท พลังงานจะถูกกำหนดตั้งแต่ 0 ถึง 1 โดยพยายามแสดงให้เห็นว่าเพลงนั้นฟังดูเข้มข้น รวดเร็ว และทรงพลัง หรือฟังดูสงบหรือนุ่มนวลกว่ากัน

วาเลนเซียอธิบายว่า การรับรู้ถึง “ความรู้สึกเชิงบวก” ทางอารมณ์ ในด้านเสียง ค่าต่ำจะสอดคล้องกับความรู้สึกเศร้า ตึงเครียด หรือหดหู่ ในขณะที่ค่าสูงจะสอดคล้องกับดนตรีที่ร่าเริง สดใส หรือเบิกบาน ค่า Acousticness วัดโอกาสที่แทร็กนั้นจะเป็นเสียงอะคูสติก ค่า Liveness วัดการมีอยู่ของผู้ชมสดในการบันทึก และค่า Speechiness สะท้อนสัดส่วนของคำพูดในมิกซ์ (ค่าสูงมาก เช่น ในพอดแคสต์หรือแทร็กเสียงพูด)

พารามิเตอร์สำคัญอื่นๆ ได้แก่ จังหวะใน BPMข้อมูลที่จะแสดงประกอบด้วย ระยะเวลาทั้งหมด คีย์ (เข้ารหัสเป็นจำนวนเต็ม) โหมด (เมเจอร์หรือไมเนอร์) และความนิยมของเพลง ซึ่งความนิยมเป็นตัวชี้วัดภายในของ Spotify ที่มีค่าตั้งแต่ 0 ถึง 100 ขึ้นอยู่กับทั้งปริมาณของสตรีมและเวลาล่าสุดของสตรีมเหล่านั้นเพลงที่เคยดังมากเมื่อหลายปีก่อน แต่ปัจจุบันแทบไม่มีใครฟังแล้ว ความนิยมก็จะลดลงตามกาลเวลา

วิธีการเตรียมและทำความสะอาดชุดข้อมูลเพื่อให้สามารถทำนายผลลัพธ์ได้

ขั้นตอนหนึ่งที่มักถูกมองข้ามเมื่อพูดถึงการวิเคราะห์เพลงฮิตบน Spotify คือ... การเตรียมชุดข้อมูลในการศึกษาครั้งนี้ ข้อมูลถูกรวบรวมโดยใช้ R และ RStudio โดยเรียกใช้ Spotify API สำหรับการผสมผสานที่แตกต่างกันของตลาด (อินเดีย) ประเภท และประเภทย่อยที่เลือกตามน้ำหนักทั้งในระดับโลกและระดับท้องถิ่น

เมื่อนำเพลงจากเพลย์ลิสต์ที่มีธีมแตกต่างกันมารวมกัน มักจะพบว่ามีเพลงซ้ำกันหลายเพลง เนื่องจากเพลงเดียวกันอาจปรากฏอยู่ในเพลย์ลิสต์ที่แตกต่างกันได้ เนื่องจากเป้าหมายไม่ได้อยู่ที่การวิเคราะห์กลยุทธ์การจัดเพลย์ลิสต์โดยตรง แต่เป็นการวิเคราะห์ลักษณะเฉพาะของเพลง ดังนั้นจึง... พวกเขาได้ลบแทร็กที่ซ้ำกันออกไปแล้วลดจำนวนเพลงทั้งหมดจาก 46.417 เพลง เหลือประมาณ 39.147 เพลงที่ไม่ซ้ำกัน

คอลัมน์ที่ไม่ถูกนำมาใช้เป็นตัวแปรอธิบายในแบบจำลอง เช่น ศิลปิน รหัสและชื่ออัลบั้ม และฟิลด์เฉพาะของเพลย์ลิสต์ ถูกลบออกไป ในขณะเดียวกัน พวกเขาได้กำหนดมาตรฐานชื่อฟิลด์แล้ว และมีการปรับรูปแบบข้อมูล เช่น ความนิยม โหมด คีย์ และระยะเวลา ถูกแปลงเป็นค่าตัวเลขประเภททศนิยม เพื่ออำนวยความสะดวกในการวิเคราะห์ทางสถิติ

การตัดสินใจที่สำคัญคือการเปลี่ยนความนิยมให้เป็นตัวแปรที่จัดการได้ง่ายขึ้น แทนที่จะใช้ค่าต่อเนื่องจาก 0 ถึง 100 ให้ใช้ค่าความนิยมเป็นตัวแปรที่จัดการได้ง่ายขึ้น เกณฑ์ในการแยกเพลงยอดนิยมและเพลงที่ไม่เป็นที่นิยมโดยพิจารณาจากเปอร์เซ็นไทล์ที่ 85 ของการกระจาย (ซึ่งอยู่ที่ประมาณ 65) เพลงที่มีค่าสูงกว่านั้นจะถือว่า "ได้รับความนิยม" และเพลงที่เหลือจะถือว่า "ไม่ได้รับความนิยม"

ด้วยวิธีนี้ ชุดข้อมูลจึงถูกแบ่งออกเป็น มีเพลงยอดนิยมเกือบ 6.000 เพลง และเพลงที่ไม่ได้รับความนิยมประมาณ 33.000 เพลงสำหรับการวิเคราะห์เชิงสำรวจ ข้อมูลถูกแบ่งออกเป็นห้าระดับความนิยม (สูงมาก สูง ปานกลาง ต่ำ และต่ำมาก) โดยมีช่วงห่าง 20 คะแนน ซึ่งช่วยให้สามารถเปรียบเทียบแนวโน้มที่ละเอียดระหว่างระดับความสำเร็จต่างๆ ได้

นอกจากนี้ ยังมีการสร้างตัวแปรใหม่ขึ้นจากชื่อเพลง: a ตัวชี้วัดความรู้สึกโดยใช้ไลบรารี TextBlob ใน Python ค่าความเป็นขั้วของแต่ละชื่อเรื่อง (ตัวเลขระหว่าง -1 ถึง 1) ถูกคำนวณและจำแนกเป็นบวก ลบ หรือเป็นกลาง ค่าตัวเลขนี้ถูกเพิ่มเข้าไปในดาต้าเฟรมเพื่อศึกษาว่าโทนของชื่อเรื่องมีความเชื่อมโยงกับความนิยมหรือไม่

การวิเคราะห์ข้อมูล: อะไรคือสิ่งที่ทำให้เพลงยอดนิยมแตกต่างกัน

ก่อนที่จะฝึกฝนโมเดลการเรียนรู้ของเครื่องใดๆ จำเป็นอย่างยิ่งที่จะต้องจัดสรรเวลาให้กับการศึกษาเรื่องนี้ การสำรวจข้อมูลด้วยภาพและเชิงสถิติในการศึกษาครั้งนี้ ได้มีการวิเคราะห์เส้นโค้งการกระจายตัว ค่าเฉลี่ยต่อกลุ่มความนิยม และความสัมพันธ์ระหว่างอารมณ์และความสำเร็จ

หนึ่งในข้อค้นพบที่น่าสนใจเกี่ยวข้องกับความนิยมของเพลงที่ประสบความสำเร็จมากที่สุด เมื่อพิจารณาเพลงที่มีคะแนนความนิยมสูงกว่า 90 พบว่า ในเมืองวาเลนเซีย มีจำนวนมากกว่าที่มีค่าต่ำกว่า 0,5กล่าวอีกนัยหนึ่งคือ เสียงของพวกเขามีความเศร้าหมอง หม่นหมอง หรือโศกเศร้ามากกว่าความร่าเริง มันไม่ใช่ความร่าเริงที่เด่นชัด แต่เป็นแนวโน้มที่ชัดเจน

เมื่อนำกราฟแสดงการกระจายความนิยมตามเพศมาพล็อตดู พบว่าเส้นโค้งส่วนใหญ่มีลักษณะคล้ายคลึงกัน รูปทรงคล้ายระฆังโดยประมาณโดยมีเพลงจำนวนมากอยู่ในระดับเฉลี่ยและมีจำนวนน้อยในระดับสุดขั้ว อย่างไรก็ตาม แนวเพลงอย่างร็อก อาร์แอนด์บี อีดีเอ็ม เวิลด์มิวสิก และเพลงอินเดีย แสดงให้เห็นถึงความไม่สมดุลเนื่องจากมีเพลงจำนวนมากที่มีความนิยมเป็นศูนย์ ในทางตรงกันข้าม แนวเพลงอย่างป๊อป แร็พ ลาติน และเดซี ดูมีความสมดุลมากกว่าและมีเพลงที่มีคะแนนเป็นศูนย์น้อยกว่า

สิ่งนี้บ่งชี้ว่าในแนวเพลงกระแสหลักเหล่านั้น โดยทั่วไปแล้วจะเป็นเช่นนั้น การได้รับความนิยมในระดับหนึ่งนั้นง่ายกว่าแม้ว่าเพลงเหล่านั้นอาจจะไม่มีคุณสมบัติที่สมบูรณ์แบบทุกประการ ในขณะที่เพลงแนวอื่น ๆ การกระจายความสำเร็จกลับมีความเหลื่อมล้ำมากกว่า

เมื่อเปรียบเทียบค่าเฉลี่ยของคุณลักษณะต่างๆ ตามระดับความนิยมแล้ว พบว่ามีรูปแบบที่ชัดเจนมาก นั่นคือ หัวข้อที่ประสบความสำเร็จมากที่สุดมักจะมี... พลังงานที่มากขึ้นและระดับเสียงที่ดังขึ้น (ระดับเสียงที่รับรู้ได้)รวมถึงเน้นดนตรีมากกว่าเนื้อร้อง กล่าวโดยง่ายคือ เพลงที่ได้รับความนิยมสูงสุดบนแพลตฟอร์มสตรีมมิ่งมักจะมีพลังและเน้นที่ดนตรีมากกว่าเนื้อร้อง

นอกจากนี้ยังพบว่าเพลงยอดนิยมมีองค์ประกอบต่างๆ อีกด้วย คุณภาพเสียงต่ำลง และความมีชีวิตชีวาลดลงกล่าวอีกนัยหนึ่งคือ เพลงเหล่านั้นฟังดู "ไม่เหมือนเพลงอะคูสติก" และ "ไม่เหมือนเพลงแสดงสด" เพลงเหล่านั้นผ่านการผลิตในสตูดิโอมากขึ้น มีความประณีตมากขึ้น และมีเสียงรบกวนรอบข้างหรือความรู้สึกเหมือนอยู่ในคอนเสิร์ตน้อยลง

อีกหนึ่งข้อค้นพบที่สำคัญคือ เพลงยอดนิยมมักจะเป็น... สั้นกว่าอันที่ไม่เป็นที่นิยมในบริบทที่รายได้ขึ้นอยู่กับจำนวนการสตรีม และอัลกอริทึมให้รางวัลกับการเล่นซ้ำ จึงเป็นเรื่องสมเหตุสมผลที่เพลงที่มีความยาวสั้นกว่าจะสามารถสะสมยอดการเล่นได้เร็วขึ้นและ "เหมาะสม" กับเพลย์ลิสต์มากกว่า

ในส่วนของความสุขที่รับรู้ได้ (valence) แนวโน้มค่อนข้างน่าสนใจ คือ ระดับความสุขจะเพิ่มขึ้นจากกลุ่มที่มีความนิยมต่ำไปจนถึงกลุ่ม "สูง" แต่ในกลุ่มที่สูงที่สุด คือ "สูงมาก" กลับลดลงอย่างเห็นได้ชัด กล่าวอีกนัยหนึ่งคือ เพลงที่ได้รับความนิยมอย่างมากมักจะมีเนื้อร้องที่เศร้ากว่าเพลงที่ "ประสบความสำเร็จ" ทั่วไปสิ่งนี้เปิดโอกาสให้เกิดการตีความได้หลากหลายเกี่ยวกับรสนิยมของสาธารณชนและบริบททางสังคมและอารมณ์

การวิเคราะห์ทางสถิติ: ผลกระทบของประเภทเพลงและคุณลักษณะด้านเสียง

เมื่อได้สำรวจข้อมูลแล้ว ขั้นตอนต่อไปคือการนำไปประยุกต์ใช้ การทดสอบทางสถิติอย่างเป็นทางการ เพื่อดูว่าตัวแปรใดบ้างที่อาจมีความเกี่ยวข้องในการอธิบายความนิยม ในการศึกษาว่าเพศมีอิทธิพลต่อความสำเร็จหรือไม่ จึงใช้การวิเคราะห์ความแปรปรวน (ANOVA) กับประเภทหลักเก้าประเภท

ผลการวิเคราะห์ ANOVA ให้ค่า F ที่สูงมาก และค่าความสำคัญแทบเป็นศูนย์ ซึ่งหมายความว่า มีความแตกต่างอย่างมีนัยสำคัญทางสถิติในด้านความนิยมระหว่างประเภทต่างๆอย่างไรก็ตาม นั่นยังไม่เพียงพอ สิ่งสำคัญคือต้องทราบด้วยว่าความแตกต่างเหล่านี้เกิดขึ้นระหว่างเพศคู่ใดบ้าง และตัวแปรนั้นจะมีประโยชน์สำหรับแบบจำลองการทำนายหรือไม่

เนื่องจากความแปรปรวนไม่เป็นเนื้อเดียวกันและจำนวนเพลงต่อประเภทแตกต่างกัน จึงใช้วิธีการดังต่อไปนี้: การทดสอบหลังการวิเคราะห์ Games-Howellการวิเคราะห์นี้ทำให้สามารถตรวจสอบได้ว่าการจับคู่เพศแบบใดที่ไม่แสดงความแตกต่างอย่างมีนัยสำคัญในด้านความนิยม ซึ่งโดยรวมแล้วทำให้การใช้เพศเป็นตัวทำนายที่สำคัญในแบบจำลองการเรียนรู้ของเครื่องนั้นไม่เหมาะสมนัก

ควบคู่ไปกับการดำเนินการต่อไปนี้ การทดสอบ t อิสระ สำหรับคุณลักษณะด้านเสียงแต่ละอย่าง ได้มีการเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มเพลงยอดนิยมและกลุ่มเพลงที่ไม่ได้รับความนิยม โดยใช้ระดับนัยสำคัญ 95% พบว่าตัวแปรเกือบทั้งหมด (ความสามารถในการเต้น, พลังงาน, ความดัง, ความเป็นอะคูสติก, ความมีชีวิตชีวา, ระยะเวลา, จังหวะ, อารมณ์ และความเป็นดนตรี) แสดงความแตกต่างอย่างมีนัยสำคัญระหว่างสองกลุ่ม

ข้อยกเว้นที่เห็นได้ชัดเพียงอย่างเดียวคือ ความสามารถในการพูดในการทดสอบครั้งแรก ความแตกต่างของค่าเฉลี่ยไม่มีนัยสำคัญ แต่การวิเคราะห์เพิ่มเติมพบว่าช่วงของความสามารถในการพูดสำหรับหัวข้อที่ได้รับความนิยมสูง (ค่าอยู่ระหว่าง 0,024 ถึง 0,685) อยู่ภายในช่วงที่กว้างกว่าของกลุ่มหัวข้อที่ได้รับความนิยมน้อยกว่า (ระหว่าง 0 ถึง 0,964) การทับซ้อนนี้ไม่ได้ขัดขวางความสามารถในการพูด เมื่อนำมาใช้อย่างมีประสิทธิภาพ เพื่อให้ข้อมูลแก่แบบจำลอง ดังนั้นจึงตัดสินใจคงไว้เป็นตัวทำนาย

โดยสรุปแล้ว บล็อกคุณสมบัติเสียงได้แสดงให้เห็นว่า... พลังในการอธิบายที่ชัดเจนเกี่ยวกับความนิยมในขณะที่เรื่องเพศได้รับการจัดการอย่างระมัดระวังมากขึ้น และถูกตัดออกจากการเป็นตัวแปรหลักในวิธีการทำนายบางวิธี

สร้างแบบจำลองการเรียนรู้ของเครื่องจักรเพื่อทำนายจำนวนการเข้าชม

เมื่อได้ชุดข้อมูลที่สะอาดและเลือกตัวแปรที่เกี่ยวข้องแล้ว ก็ถึงเวลาสร้าง แบบจำลองการจำแนกแบบไบนารี สามารถทำนายได้ว่าเพลงนั้นอยู่ในกลุ่ม 15% แรกของเพลงยอดนิยมหรือไม่ ในการทำเช่นนี้ ตัวแปรเชิงหมวดหมู่ key และ mode จะถูกแปลงเป็นตัวแปรดัมมี่ก่อนโดยใช้ฟังก์ชัน get_dummies ของ Pandas

หลังจากรวมตัวแปรดัมมี่เหล่านี้แล้ว คอลัมน์เดิมสำหรับคีย์และโหมด รวมถึงความนิยมต่อเนื่อง จะถูกลบออก และตัวแปรเป้าหมายจะยังคงอยู่ ฟิลด์ไบนารีของความนิยม (เป็นที่นิยม vs. ไม่เป็นที่นิยม) ก่อนฝึกโมเดล คุณลักษณะเชิงตัวเลขทั้งหมดได้รับการปรับมาตรฐานด้วย StandardScaler เนื่องจากทำงานในมาตราส่วนที่แตกต่างกันมาก และเป็นสิ่งสำคัญที่คุณลักษณะเหล่านั้นจะต้องมีน้ำหนักที่เทียบเคียงกันได้

ชุดข้อมูลถูกแบ่งออกเป็นชุดฝึกฝนและชุดทดสอบโดยใช้ฟังก์ชัน train_test_split โดยสงวนสิทธิ์ไว้สำหรับชุดข้อมูลชุดฝึกฝนและชุดทดสอบ 20% ของการลงทะเบียนเพื่อเข้ารับการทดสอบด้วยวิธีนี้ จึงสามารถหลีกเลี่ยงการรั่วไหลของข้อมูล และทำให้มั่นใจได้ว่าตัวชี้วัดประสิทธิภาพสะท้อนถึงความสามารถในการใช้งานจริงของแบบจำลอง ไม่ใช่แค่ความสามารถในการจดจำข้อมูลฝึกฝนเท่านั้น

แบบจำลองแรกที่นำมาใช้คือ การถดถอยโลจิสติกเทคนิคนี้ใช้กันอย่างแพร่หลายในการจำแนกแบบไบนารี มีการนำเวอร์ชันแบบวนซ้ำมาใช้ โดยมีอัตราการเรียนรู้ 0,01 และจำนวนรอบการวนซ้ำ 200 รอบ และทำการประเมินโดยใช้การตรวจสอบแบบไขว้ ความแม่นยำเฉลี่ยอยู่ที่ประมาณ 84,7% ซึ่งเป็นผลลัพธ์ที่แข็งแกร่งอย่างน่าทึ่งสำหรับปัญหาที่ซับซ้อนเช่นการทำนายความสำเร็จทางดนตรี

จากนั้นจึงทำการทดสอบอัลกอริธึม K-เพื่อนบ้านที่ใกล้ที่สุด (KNN)ซึ่งจำแนกเพลงแต่ละเพลงตามเพื่อนบ้านที่ใกล้ที่สุด k ตัวในพื้นที่คุณลักษณะ การปรับค่า ky โดยใช้ Grid Search เพื่อหาการกำหนดค่าที่เหมาะสมที่สุดให้ผลลัพธ์ความแม่นยำที่ใกล้เคียงกันมาก ประมาณ 84,8% โดยมีการปรับปรุงคะแนนการตรวจสอบแบบไขว้เล็กน้อยเมื่อเทียบกับการถดถอยโลจิสติก

รุ่นถัดไปคือ เครื่องเรียนรู้เวกเตอร์สนับสนุน (SVM)นอกจากนี้ ยังมีการใช้เทคนิคควบคุมอีกวิธีหนึ่งที่สามารถจัดการได้ทั้งความสัมพันธ์เชิงเส้นและไม่เชิงเส้น โดยการปรับค่าพารามิเตอร์อย่างเหมาะสม ทำให้ได้ความแม่นยำประมาณ 84,6% ซึ่งได้ค่าที่เทียบเท่ากันในการตรวจสอบแบบไขว้ แสดงให้เห็นถึงประสิทธิภาพที่เสถียร

นอกจากนี้ยังมีการประเมินสิ่งต่อไปนี้ด้วย: ตัวจำแนกแบบ Naive Bayesโดยอิงตามสมมติฐานเรื่องความเป็นอิสระระหว่างคุณลักษณะต่างๆ แม้ว่าจะเป็นแบบจำลองที่เรียบง่ายกว่ามากในแง่ของสมมติฐาน แต่ผลลัพธ์ด้านความแม่นยำ (ประมาณ 84,6%) ก็เทียบเท่ากับ SVM และใกล้เคียงกับการถดถอยโลจิสติกและ KNN อย่างมาก ซึ่งเป็นการตอกย้ำแนวคิดที่ว่าโครงสร้างของปัญหานั้นเหมาะสมกับวิธีการเชิงความน่าจะเป็นแบบนี้

สุดท้ายนี้ ได้มีการทดสอบโมเดลที่ใช้ต้นไม้ตัดสินใจเป็นพื้นฐาน ตัวแยกประเภทการตัดสินใจ ผลลัพธ์ที่ได้มีความแม่นยำลดลงอย่างมาก เหลือเพียงประมาณ 75,4% และการตรวจสอบแบบไขว้ (cross-validation) ก็ยืนยันถึงประสิทธิภาพที่ลดลงนี้ ซึ่งน่าจะเป็นผลมาจากปัญหาการโอเวอร์ฟิตติ้ง (overfitting) ลักษณนามสุ่มป่าซึ่งรวมต้นไม้หลายต้นเข้าด้วยกันเพื่อลดผลกระทบเหล่านี้ ทำให้ประสิทธิภาพดีขึ้นอย่างมาก โดยได้ความแม่นยำประมาณ 84,1% และมากกว่า 84% ในการตรวจสอบแบบไขว้ (cross-validation)

เพื่อให้การวิเคราะห์เสร็จสมบูรณ์ จำเป็นต้อง... เมทริกซ์ความสับสนและรายงานการจำแนกประเภท สำหรับแบบจำลอง Random Forest นั้น แบบจำลองแสดงให้เห็นถึงความสามารถที่ยอดเยี่ยมในการระบุเพลงที่ไม่ได้รับความนิยม (กลุ่มส่วนใหญ่) ด้วยความแม่นยำ 0,85 และค่า Recall ใกล้เคียง 0,99 ในขณะที่ประสิทธิภาพในกลุ่มเพลงยอดนิยม (กลุ่มส่วนน้อย) นั้นค่อนข้างปานกลาง ด้วยความแม่นยำ 0,40 และค่า Recall 0,05 ซึ่งเน้นให้เห็นถึงความท้าทายแบบคลาสสิกของความไม่สมดุลของกลุ่มข้อมูลในปัญหาประเภทนี้

ความสำคัญของตัวแปร: อะไรคือปัจจัยสำคัญที่สุดในการสร้างผลงานที่ประสบความสำเร็จ

นอกเหนือจากการรู้ว่าแบบจำลองใดมีความแม่นยำกว่าแล้ว สิ่งสำคัญคือต้องเข้าใจด้วย คุณสมบัติใดบ้างที่ให้ข้อมูลที่เป็นประโยชน์จริงๆ ในการทำนายว่าเพลงใดจะได้รับความนิยมหรือไม่นั้น ได้ใช้ XGBoost (XGBClassifier) ​​เพื่อหาคะแนนความสำคัญของตัวแปร โดยพิจารณาจากส่วนร่วมของแต่ละคุณลักษณะในการลดข้อผิดพลาดในต้นไม้ตัดสินใจ

ผลการวิจัยแสดงให้เห็นว่า ความยาวของเพลงนี้โดดเด่นกว่าเพลงอื่นๆ อย่างเห็นได้ชัดโดยมีคะแนน F สูงกว่า 400 อย่างมาก ผลการค้นหานี้สอดคล้องกับแนวคิดที่ว่าเพลงที่สั้นกว่าจะกระตุ้นให้ผู้ฟังฟังซ้ำได้มากขึ้น และสะสมจำนวนการฟังได้มากขึ้นในเวลาที่สั้นกว่า ซึ่งเป็นสิ่งที่อัลกอริทึมการแนะนำของ Spotify มักจะให้รางวัล

ในทางตรงกันข้าม ตัวแปรต่างๆ เช่น คีย์ โหมด หรือ ความรู้สึกที่ได้รับมาจากชื่อเรื่อง ปัจจัยเหล่านี้ได้คะแนนความสำคัญต่ำกว่า 50 ซึ่งบ่งชี้ว่าการมีส่วนร่วมของปัจจัยเหล่านี้ต่อพลังการทำนายโดยรวมของแบบจำลองนั้นมีน้อย นี่ไม่ได้หมายความว่าปัจจัยเหล่านี้ไม่มีผลเลย แต่หมายความว่าเมื่อเทียบกับปัจจัยอื่นๆ แล้ว น้ำหนักของปัจจัยเหล่านี้มีน้อยกว่ามาก

คุณลักษณะด้านเสียงที่เหลือ (เช่น พลังงาน ความสามารถในการเต้น ความสัมพันธ์ ความดัง ความเป็นอะคูสติก ความมีชีวิตชีวา ความเหมือนเสียงพูด และความเหมือนเสียงเครื่องดนตรี) อยู่ในระดับปานกลาง โดยมีค่า F-score อยู่ระหว่าง 200 ถึง 300 ซึ่งบ่งชี้ว่า ข้อมูลเหล่านี้ประกอบกันเป็นบล็อกข้อมูลที่มีความสมดุลพอสมควรไม่มีปัจจัยใดโดดเด่นอย่างสมบูรณ์ แต่เมื่อรวมกันแล้ว ปัจจัยเหล่านี้ช่วยสร้างภาพที่ค่อนข้างแม่นยำเกี่ยวกับโอกาสความสำเร็จของเพลงได้

โดยรวมแล้ว โมเดลที่อิงตามคุณลักษณะด้านเสียงสามารถทำนายได้แม่นยำประมาณ อัตราความสำเร็จ 84-85% หากเบาะแสเป็นส่วนหนึ่งของเบาะแสยอดนิยม 15%สิ่งนี้ให้การสนับสนุนเชิงประจักษ์แก่สัญชาตญาณดั้งเดิมของ "วิทยาศาสตร์แห่งเพลงฮิต": ด้วยข้อมูลที่ดีและเทคนิคที่เหมาะสม ความสำเร็จทางดนตรีไม่ได้เกิดขึ้นโดยบังเอิญอย่างแท้จริง แม้ว่าจะยังมีองค์ประกอบที่ไม่สามารถคาดเดาได้อยู่มากก็ตาม

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