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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27