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2_数据分析师
【趋同与混搭】
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年发表一份报告称,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戴维·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,令我们产生满足感和自信心。
“熟悉的东西让人舒服,特别是当你感到焦虑时,”南加州大学心理学教授诺贝特·施瓦茨说,“心情不好时,你会想见老朋友,想吃好东西,这和媒体消费是同一个道理。你心烦意乱的时候,不会想看一部新电影,或者尝试听一首新歌。你会找一部老片,一首熟悉的歌。”
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。去年夏天的一首流行曲《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。它听起来很陌生,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。(唐昀)(新华社特稿)
【趋同与混搭】
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年发表一份报告称,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戴维·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,令我们产生满足感和自信心。
“熟悉的东西让人舒服,特别是当你感到焦虑时,”南加州大学心理学教授诺贝特·施瓦茨说,“心情不好时,你会想见老朋友,想吃好东西,这和媒体消费是同一个道理。你心烦意乱的时候,不会想看一部新电影,或者尝试听一首新歌。你会找一部老片,一首熟悉的歌。”
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。去年夏天的一首流行曲《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。它听起来很陌生,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
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05