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
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18