• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Kan big data verkligen förutsäga vad som gör en låt populär?

    Element som påverkar låtarnas popularitet förändras över tiden och bör kontinuerligt utforskas, säger datavetenskapliga forskare. Kredit:Shutterstock

    Musik är en del av våra liv på olika sätt. Vi lyssnar på den på våra pendlar och den låter genom köpcentra. En del av oss söker livemusik på konserter, festivaler och shower eller litar på musik för att sätta tonen och stämningen i våra dagar.

    Även om vi kanske förstår de genrer eller låtar vi uppskattar, är det inte klart varför en viss låt är mer tilltalande eller populär. Kanske talar texten till en upplevelse? Kanske gör energin det tilltalande? Dessa frågor är viktiga att besvara för proffs inom musikbranschen, och att analysera data är en viktig del av detta.

    Vid Carleton University försökte en grupp datavetenskapliga forskare att svara på frågan:"Vilka beskrivande egenskaper hos en låt gör den populär på musik-/onlineplattformar?"

    Intäkter inom musikbranschen

    Intäkter inom musikbranschen kommer från två källor som påverkas av olika faktorer:livemusik och inspelad musik. Under pandemin, även om inkomsten från livemusik sjönk på grund av inställda personliga uppträdanden, steg inkomsterna från streaming.

    I takt med att digitala plattformar som Spotify och TikTok har vuxit har majoriteten av musikintäkterna kommit att komma från digitala medier, mestadels musikströmning. Hur och om dessa intäkter når sångare och låtskrivare i stort är en annan fråga.

    Popularitet på digitala plattformar

    Populariteten för en låt på digitala plattformar anses vara ett mått på intäkterna som låten kan generera.

    Som sådan försöker producenter att svara på frågor som "Hur kan vi göra låten mer populär?" och "Vad kännetecknar låtar som gör den till topplistorna?"

    Med samarbetspartnerna Laura Colley, Andrew Dybka, Adam Gauthier, Jacob Laboissonniere, Alexandre Mougeot och Nayeeb Mowla tog vi fram en systematisk studie som samlade in data från YouTube, Twitter, TikTok, Spotify och Billboard (Billboard Hot-100, ibland också betecknad av dataforskare som "Billboard hot top" eller i vårt arbete och andras arbete, "Billboard Top-100").

    Vi länkade datamängderna från de olika plattformarna med Spotifys akustiska beskrivande mätvärde eller "beskrivande funktioner" för låtar. Dessa funktioner har härletts från en datauppsättning som gav kategorier för att mäta och analysera kvaliteter hos låtar. Spotifys mätvärden fångar beskrivande egenskaper som akustik, energi, dansbarhet och instrumentalitet (samlingen av instrument och röster i ett givet stycke).

    Vi försökte hitta trender och analysera sambandet mellan låtarnas beskrivande egenskaper och deras popularitet.

    Rankingen på veckovisa Billboard Hot-100 är baserad på försäljning, onlinestreams och radiospelningar i USA.

    Analysen vi utförde genom att titta på Spotify och Billboard avslöjade insikter som är användbara för musikbranschen.

    Vad förutspår en Billboard-hit?

    För att utföra denna studie använde vi två olika datamängder som hänförde sig till låtar som var Billboard-hits från början av 1940-talet till 2020 och Spotify-data relaterade till över 600 000 låtar och över en miljon artister.

    Intressant nog hittade vi inga väsentliga korrelationer mellan antalet veckor en låt fanns kvar på listorna, som ett mått på popularitet, och de akustiska egenskaperna som ingår i studien.

    Vår analys fastställde att nyare låtar tenderar att hålla längre på listorna och att en låts popularitet påverkar hur länge den stannar på listorna.

    I en relaterad studie samlade forskare in data för Billboards Hot 100 från 1958 till 2013 och fann att låtar med högre tempo och dansbarhet ofta får en högre toppposition på Billboard-listorna.

    Förutsäga Spotify-låtens popularitet

    Vi använde också låtarnas funktioner för att skapa maskininlärningsmodeller för att förutsäga Spotify-låtens popularitet. Preliminära resultat drog slutsatsen att funktioner inte är linjärt korrelerade, med några förväntade undantag inklusive låtarnas energi.

    Detta indikerade att Spotify-måtten vi studerade – inklusive akustik, dansbarhet, varaktighet, energi, tydlighet, instrumentalitet, livlighet, talstyrka (ett mått på förekomsten av talade ord i en låt), tempo och släppår – inte var starka prediktorer för låtens popularitet.

    Majoriteten av låtarna i Spotify-datauppsättningen var inte listade som explicita, tenderade att ha låg instrumentalitet och talkänsla och var vanligtvis nya låtar.

    Även om man kan tro att vissa egenskaper som är medfödda för vissa låtar gör dem mer populära, visade vår studie att popularitet inte enbart kan tillskrivas kvantifierbara akustiska element.

    Detta innebär att låttillverkare och konsumenter måste överväga andra kontextuella faktorer utöver de musikaliska funktionerna, som fångas av Spotifys mätbara, som kan bidra till låtens framgång.

    Element som påverkar popularitetsförändringen

    Vår studie förstärker att element som påverkar låtarnas popularitet förändras över tiden och bör undersökas kontinuerligt.

    Till exempel, i låtar som producerades mellan 1985 och 2015 i Storbritannien, var låtar producerade av kvinnliga artister mer framgångsrika.

    Andra aspekter kan avsevärt bidra till framgången för en låt. Dataforskare har föreslagit enkelhet i texterna, reklam- och distributionsplanerna som potentiella prediktorer för låtarnas popularitet.

    Bifogade lyssnare

    Många musiker och producenter använder populära evenemang och marknadsföringsstrategier för att marknadsföra låtar. Sådana evenemang skapar socialt engagemang och publikengagemang som fäster lyssnaren till låten som framförs.

    För allmänheten har livemusikevenemang, efter långa nedstängningar, varit lämpliga för att återförena vänner och njuta av livekonstnär och underhållning.

    När du går på ett musikevenemang eller lyssnar på en låt inbjuder vi dig att reflektera över vad det är med låten som får dig att njuta av den.

    © Vetenskap https://sv.scienceaq.com