京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的音乐革命1_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。
【唱片业的一场革命】
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。他们的想法是,开发一种软件,利用智能手机在数秒内识别一首歌,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。
Shazam成为美国音乐经纪人最受欢迎的应用软件。去年2月,该公司宣布涉足音乐制作领域,与华纳音乐集团联手打造通过Shazam软件脱颖而出的歌手。
【群众智慧代替专家直觉】
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的一款优化软件“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,”他说。
【公告牌,消费者说了算】
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,或者唱片店因为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,后者的境遇发生巨变,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,几乎形成一种共识: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”已经有了更多发言权。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11