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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02