京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据让流行音乐排行更真实_数据分析师
大数据时代,音乐界迎来一场革命:下一首歌流行什么,听众说了算;公告牌排行榜,消费者来决定。有人说,这是唱片业史上最平民化的时代。
Shazam预测谁会火
2000年,斯坦福大学博士埃维·王和几名商学院毕业生携手创建新创企业Shazam。他们想法开发一种软件,利用智能手机在数秒内识别歌曲,哪怕是在嘈杂的酒吧或咖啡厅。
两年后,公司投入运营。至今,这一软件的下载量已超过5亿次,前后共识别过300万首歌曲,是全世界最火的应用程序之一。它在唱片行业掀起一场革命:不仅让用户轻松识别不熟悉的音乐,也为音乐总监们预测流行提供了依据。
Shazam有一支团队,及时更新世界各地最新录制的歌曲(包括歌手自录单曲),以充实其庞大的音乐库。通过研究每天高达200万条的搜索信息,Shazam可以最先知道什么歌在什么地方受欢迎。“有时,我们在大多数人还未听到歌曲之前几个月,就预测其会火。”Shazam前首席技术官杰森·提图斯说。
去年,Shazam推出一幅与搜索数据联动的互动地图,用户可以锁定世界某一城市,查找当地在Shazam上最受欢迎的歌曲。这张地图好比一个全球最新流行单曲的实时“地震仪”,星探们可从中挖掘到极具潜力的未来之星。“我们知道一首歌从哪里开始流行,及其完整的传播路线。”提图斯说。以2013年红极一时的新星洛德为例,Shazam的工程师可以让时间回转,追溯到她第一首引起国际轰动的单曲《Royal》,如何从其家乡新西兰传到美国乡村音乐圣地纳什维尔,再到美国东西海岸,甚至精确到哪一天,它在全美近3000个城市达到播放高峰。
最平民化的时刻
像Shazam这样引领流行音乐产业发展的新创企业并非独此一家。通过研究“声破天”数据,承办商安排演唱会巡演路线,以便最广泛地接触忠实歌迷;一些歌手根据网络音乐电台“潘多拉”显示的点播流量决定每一站演唱的曲目。事实上,所有搜索、流量、下载和分享都被用来回答音乐圈内一个古老的问题:下一首歌,人们想听什么?过去,唱片公司老板通常用直觉回答这个问题。如今,大数据改变了力量平衡,以群众的智慧代替了专家的直觉,让唱片公司更加清楚地知道人们想听什么。这是数字革命给利润持续下滑的流行音乐产业带来的希望。显然,它有利于唱片公司赚钱。
纽约音乐数据分析公司“Next Big Sound”通过搜索“声破天”、Instagram等网站的粉丝群预测未来流行趋势,利用数据模型列出一张明年可能大火的百名艺人名单。“如果你签了我们名单上的艺人,其中20人将登上"公告牌200强"。”Next Big Sound数据分析师维克多·吴说。20%的成功率看起来挺低,但它掀起的全球影响力可能令你目瞪口呆,说不定其中还有下一个碧昂丝。
Next Big Sound的一款软件“Find”发现,尽管“推特”等社交媒体已成为新歌传播的重要渠道,但电台依然是推介新歌的最佳平台。为了向电台DJ证明一首全新单曲能一炮走红,每一家唱片公司都会提供一堆表格:实体销量、YouTube点击量、“脸谱”互动量、目标群调查……总之,各种数据,多多益善。
“DJ因为个人喜好选择歌曲的想法早就过时了。”美国最大的电台运营商iHeartMedia副总裁拉达·苏布拉马尼亚姆说。数字唱片公司DigSin首席执行官杰·弗兰克也表示,这种做法不是要把人的因素从电台抹去,而是最大程度地呈现人的因素—受众的反应。“这恐怕是电台史上最平民化的时刻。”
受众决定排行榜
音乐排行榜也发生了类似的革命。以“公告牌热门单曲100”榜单为例,自1958年创立以来,一直依据唱片店和电台提供的信息排定座次。但两者皆不可靠,因为唱片公司常常为了促销向他们行贿,或者唱片店因缺货而不愿推广某一专辑。
另一个影响榜单公信度的因素是,它不仅反应听众的喜好,还一手“制造”这种喜好。哥伦比亚大学曾做过一个著名实验,证明人气可以“自我实现”。研究人员让实验者去各音乐网站听歌,结果发现他们大多根据下载量排名选择歌曲。如果排名被人为操纵,结果会怎样呢?于是他们进一步实验:有些网站按真实的下载量排名,有的则反其道而行,把最不受待见的歌曲放在第一位。结果,后者一跃而为热门金曲,而原先受欢迎的歌曲则遭冷遇。
为了杜绝这种造假可能,从1991年起,公告牌根据收银机的销售终端数据确定排名。“这是革命性的改变。”公告牌现任负责人西尔维奥·欧特洛卢刚说,“我们终于得知,哪张专辑真的卖得好。”
几乎同一时期,公告牌改用通过调查公司尼尔森监控电台播放数据。结果发现,嘻哈音乐和乡村歌曲的排名迅速攀升,老派摇滚则日趋衰微。这也许意味着,由东西海岸白人主导的音乐产业并不重视城市少数裔和南部白人的音乐口味。
另一个巨变发生在2000年代中期,公告牌开始追踪音乐流量和下载量。一些不曾入唱片公司法眼的歌曲,如2005年“黑眼豆豆”的《My Humps》大行其道;瑞典姐弟组合“刀”乐队的专辑《深切》不被唱片公司看好,却受到歌迷热捧。
如今,无论唱片公司总裁、电台总监,还是业界分析人士、记者,几乎达成共识:较之几十年前,消费者的口味由唱片公司主导,今天的消费者对“公告牌”已有了更多发言权。
混搭化解趋同化
不过,问题随之而来。当消费者有了更多发言权,他们喜欢听熟悉的旋律,反复循环地听,导致一些歌曲不断被电台重复播放,缺乏新意。
iHeartMedia一家子公司的数据显示,40家主要电台去年播出最热门十首单曲的次数几乎是十年前的两倍。2013年最受欢迎的歌曲是罗宾·西克的《Blurred Lines》,播放次数比2003年最受欢迎歌曲《When I"m Gone》多70%。连2013年第五受欢迎歌曲《Ho Hey》也比十年前任何一首歌曲的播放次数多30%。我们不仅在重复听同一首歌,而且这些歌本身也变得越来越雷同。随着唱片公司越来越捻熟于什么样的歌畅销,他们更愿意投资类似的模仿歌曲。业界开始担心,过分依赖大数据将造成风格和类型的“群族化”,致流行音乐陷入令人沮丧的平庸。
西班牙国家研究委员会2012年发表报告称,轻松愉快的音乐风靡全球。流行歌曲似乎变得越来越寡淡、嘈杂、意料之中,一遍遍重复相同的旋律。报告研究了1955年至2010年间录制的46.4万首歌曲,发现新千年里播放次数最多的歌曲呈现一种趋势,即“音高转换越来越缺少变化”。
问题不在于流行歌手们。我们的大脑倾向于选择已知旋律,正如俄亥俄州立大学音乐理论家休伦所言,我们听音乐时,有90%的时间是在听已听过的歌曲,因为熟悉的歌无需花更多精力去思考。从心理学上讲,这叫“流畅性”:当一条信息被流畅消费后,会自然滑入我们的期望模式,令我们满足和自信。
说音乐正走向单一化,变得更无趣、更嘈杂、更重复,也许过于简单化了。既然唱片公司认识到嘻哈音乐和乡村音乐如此流行,于是将这些风格与传统流行乐融合,创造出新的声音。去年夏天流行的《问题》即融合了迷离的萨克斯风、90年代流行的人声、轻声合唱和女声说唱,听起来陌生,却又似乎无处不在。
加州大学戴维斯分校研究好莱坞风格融合的副教授格雷特·徐说,“混搭”固然有风险,但结果可能是巨大的成功,因为它们满足了多数听众的需求:既新鲜,又熟悉。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16