
大數(shù)據(jù)讓流行音樂(lè)排行更真實(shí)_數(shù)據(jù)分析師
大數(shù)據(jù)時(shí)代,音樂(lè)界迎來(lái)一場(chǎng)革命:下一首歌流行什么,聽(tīng)眾說(shuō)了算;公告牌排行榜,消費(fèi)者來(lái)決定。有人說(shuō),這是唱片業(yè)史上最平民化的時(shí)代。
Shazam預(yù)測(cè)誰(shuí)會(huì)火
2000年,斯坦福大學(xué)博士埃維·王和幾名商學(xué)院畢業(yè)生攜手創(chuàng)建新創(chuàng)企業(yè)Shazam。他們想法開(kāi)發(fā)一種軟件,利用智能手機(jī)在數(shù)秒內(nèi)識(shí)別歌曲,哪怕是在嘈雜的酒吧或咖啡廳。
兩年后,公司投入運(yùn)營(yíng)。至今,這一軟件的下載量已超過(guò)5億次,前后共識(shí)別過(guò)300萬(wàn)首歌曲,是全世界最火的應(yīng)用程序之一。它在唱片行業(yè)掀起一場(chǎng)革命:不僅讓用戶輕松識(shí)別不熟悉的音樂(lè),也為音樂(lè)總監(jiān)們預(yù)測(cè)流行提供了依據(jù)。
Shazam有一支團(tuán)隊(duì),及時(shí)更新世界各地最新錄制的歌曲(包括歌手自錄單曲),以充實(shí)其龐大的音樂(lè)庫(kù)。通過(guò)研究每天高達(dá)200萬(wàn)條的搜索信息,Shazam可以最先知道什么歌在什么地方受歡迎。“有時(shí),我們?cè)诖蠖鄶?shù)人還未聽(tīng)到歌曲之前幾個(gè)月,就預(yù)測(cè)其會(huì)火。”Shazam前首席技術(shù)官杰森·提圖斯說(shuō)。
去年,Shazam推出一幅與搜索數(shù)據(jù)聯(lián)動(dòng)的互動(dòng)地圖,用戶可以鎖定世界某一城市,查找當(dāng)?shù)卦赟hazam上最受歡迎的歌曲。這張地圖好比一個(gè)全球最新流行單曲的實(shí)時(shí)“地震儀”,星探們可從中挖掘到極具潛力的未來(lái)之星?!拔覀冎酪皇赘鑿哪睦镩_(kāi)始流行,及其完整的傳播路線。”提圖斯說(shuō)。以2013年紅極一時(shí)的新星洛德為例,Shazam的工程師可以讓時(shí)間回轉(zhuǎn),追溯到她第一首引起國(guó)際轟動(dòng)的單曲《Royal》,如何從其家鄉(xiāng)新西蘭傳到美國(guó)鄉(xiāng)村音樂(lè)圣地納什維爾,再到美國(guó)東西海岸,甚至精確到哪一天,它在全美近3000個(gè)城市達(dá)到播放高峰。
最平民化的時(shí)刻
像Shazam這樣引領(lǐng)流行音樂(lè)產(chǎn)業(yè)發(fā)展的新創(chuàng)企業(yè)并非獨(dú)此一家。通過(guò)研究“聲破天”數(shù)據(jù),承辦商安排演唱會(huì)巡演路線,以便最廣泛地接觸忠實(shí)歌迷;一些歌手根據(jù)網(wǎng)絡(luò)音樂(lè)電臺(tái)“潘多拉”顯示的點(diǎn)播流量決定每一站演唱的曲目。事實(shí)上,所有搜索、流量、下載和分享都被用來(lái)回答音樂(lè)圈內(nèi)一個(gè)古老的問(wèn)題:下一首歌,人們想聽(tīng)什么?過(guò)去,唱片公司老板通常用直覺(jué)回答這個(gè)問(wèn)題。如今,大數(shù)據(jù)改變了力量平衡,以群眾的智慧代替了專(zhuān)家的直覺(jué),讓唱片公司更加清楚地知道人們想聽(tīng)什么。這是數(shù)字革命給利潤(rùn)持續(xù)下滑的流行音樂(lè)產(chǎn)業(yè)帶來(lái)的希望。顯然,它有利于唱片公司賺錢(qián)。
紐約音樂(lè)數(shù)據(jù)分析公司“Next Big Sound”通過(guò)搜索“聲破天”、Instagram等網(wǎng)站的粉絲群預(yù)測(cè)未來(lái)流行趨勢(shì),利用數(shù)據(jù)模型列出一張明年可能大火的百名藝人名單。“如果你簽了我們名單上的藝人,其中20人將登上"公告牌200強(qiáng)"?!盢ext Big Sound數(shù)據(jù)分析師維克多·吳說(shuō)。20%的成功率看起來(lái)挺低,但它掀起的全球影響力可能令你目瞪口呆,說(shuō)不定其中還有下一個(gè)碧昂絲。
Next Big Sound的一款軟件“Find”發(fā)現(xiàn),盡管“推特”等社交媒體已成為新歌傳播的重要渠道,但電臺(tái)依然是推介新歌的最佳平臺(tái)。為了向電臺(tái)DJ證明一首全新單曲能一炮走紅,每一家唱片公司都會(huì)提供一堆表格:實(shí)體銷(xiāo)量、YouTube點(diǎn)擊量、“臉譜”互動(dòng)量、目標(biāo)群調(diào)查……總之,各種數(shù)據(jù),多多益善。
“DJ因?yàn)閭€(gè)人喜好選擇歌曲的想法早就過(guò)時(shí)了?!泵绹?guó)最大的電臺(tái)運(yùn)營(yíng)商iHeartMedia副總裁拉達(dá)·蘇布拉馬尼亞姆說(shuō)。數(shù)字唱片公司DigSin首席執(zhí)行官杰·弗蘭克也表示,這種做法不是要把人的因素從電臺(tái)抹去,而是最大程度地呈現(xiàn)人的因素—受眾的反應(yīng)?!斑@恐怕是電臺(tái)史上最平民化的時(shí)刻?!?/span>
受眾決定排行榜
音樂(lè)排行榜也發(fā)生了類(lèi)似的革命。以“公告牌熱門(mén)單曲100”榜單為例,自1958年創(chuàng)立以來(lái),一直依據(jù)唱片店和電臺(tái)提供的信息排定座次。但兩者皆不可靠,因?yàn)槌境3榱舜黉N(xiāo)向他們行賄,或者唱片店因缺貨而不愿推廣某一專(zhuān)輯。
另一個(gè)影響榜單公信度的因素是,它不僅反應(yīng)聽(tīng)眾的喜好,還一手“制造”這種喜好。哥倫比亞大學(xué)曾做過(guò)一個(gè)著名實(shí)驗(yàn),證明人氣可以“自我實(shí)現(xiàn)”。研究人員讓實(shí)驗(yàn)者去各音樂(lè)網(wǎng)站聽(tīng)歌,結(jié)果發(fā)現(xiàn)他們大多根據(jù)下載量排名選擇歌曲。如果排名被人為操縱,結(jié)果會(huì)怎樣呢?于是他們進(jìn)一步實(shí)驗(yàn):有些網(wǎng)站按真實(shí)的下載量排名,有的則反其道而行,把最不受待見(jiàn)的歌曲放在第一位。結(jié)果,后者一躍而為熱門(mén)金曲,而原先受歡迎的歌曲則遭冷遇。
為了杜絕這種造假可能,從1991年起,公告牌根據(jù)收銀機(jī)的銷(xiāo)售終端數(shù)據(jù)確定排名?!斑@是革命性的改變。”公告牌現(xiàn)任負(fù)責(zé)人西爾維奧·歐特洛盧剛說(shuō),“我們終于得知,哪張專(zhuān)輯真的賣(mài)得好?!?/span>
幾乎同一時(shí)期,公告牌改用通過(guò)調(diào)查公司尼爾森監(jiān)控電臺(tái)播放數(shù)據(jù)。結(jié)果發(fā)現(xiàn),嘻哈音樂(lè)和鄉(xiāng)村歌曲的排名迅速攀升,老派搖滾則日趨衰微。這也許意味著,由東西海岸白人主導(dǎo)的音樂(lè)產(chǎn)業(yè)并不重視城市少數(shù)裔和南部白人的音樂(lè)口味。
另一個(gè)巨變發(fā)生在2000年代中期,公告牌開(kāi)始追蹤音樂(lè)流量和下載量。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;瑞典姐弟組合“刀”樂(lè)隊(duì)的專(zhuān)輯《深切》不被唱片公司看好,卻受到歌迷熱捧。
如今,無(wú)論唱片公司總裁、電臺(tái)總監(jiān),還是業(yè)界分析人士、記者,幾乎達(dá)成共識(shí):較之幾十年前,消費(fèi)者的口味由唱片公司主導(dǎo),今天的消費(fèi)者對(duì)“公告牌”已有了更多發(fā)言權(quán)。
混搭化解趨同化
不過(guò),問(wèn)題隨之而來(lái)。當(dāng)消費(fèi)者有了更多發(fā)言權(quán),他們喜歡聽(tīng)熟悉的旋律,反復(fù)循環(huán)地聽(tīng),導(dǎo)致一些歌曲不斷被電臺(tái)重復(fù)播放,缺乏新意。
iHeartMedia一家子公司的數(shù)據(jù)顯示,40家主要電臺(tái)去年播出最熱門(mén)十首單曲的次數(shù)幾乎是十年前的兩倍。2013年最受歡迎的歌曲是羅賓·西克的《Blurred Lines》,播放次數(shù)比2003年最受歡迎歌曲《When I"m Gone》多70%。連2013年第五受歡迎歌曲《Ho Hey》也比十年前任何一首歌曲的播放次數(shù)多30%。我們不僅在重復(fù)聽(tīng)同一首歌,而且這些歌本身也變得越來(lái)越雷同。隨著唱片公司越來(lái)越捻熟于什么樣的歌暢銷(xiāo),他們更愿意投資類(lèi)似的模仿歌曲。業(yè)界開(kāi)始擔(dān)心,過(guò)分依賴(lài)大數(shù)據(jù)將造成風(fēng)格和類(lèi)型的“群族化”,致流行音樂(lè)陷入令人沮喪的平庸。
西班牙國(guó)家研究委員會(huì)2012年發(fā)表報(bào)告稱(chēng),輕松愉快的音樂(lè)風(fēng)靡全球。流行歌曲似乎變得越來(lái)越寡淡、嘈雜、意料之中,一遍遍重復(fù)相同的旋律。報(bào)告研究了1955年至2010年間錄制的46.4萬(wàn)首歌曲,發(fā)現(xiàn)新千年里播放次數(shù)最多的歌曲呈現(xiàn)一種趨勢(shì),即“音高轉(zhuǎn)換越來(lái)越缺少變化”。
問(wèn)題不在于流行歌手們。我們的大腦傾向于選擇已知旋律,正如俄亥俄州立大學(xué)音樂(lè)理論家休倫所言,我們聽(tīng)音樂(lè)時(shí),有90%的時(shí)間是在聽(tīng)已聽(tīng)過(guò)的歌曲,因?yàn)槭煜さ母锜o(wú)需花更多精力去思考。從心理學(xué)上講,這叫“流暢性”:當(dāng)一條信息被流暢消費(fèi)后,會(huì)自然滑入我們的期望模式,令我們滿足和自信。
說(shuō)音樂(lè)正走向單一化,變得更無(wú)趣、更嘈雜、更重復(fù),也許過(guò)于簡(jiǎn)單化了。既然唱片公司認(rèn)識(shí)到嘻哈音樂(lè)和鄉(xiāng)村音樂(lè)如此流行,于是將這些風(fēng)格與傳統(tǒng)流行樂(lè)融合,創(chuàng)造出新的聲音。去年夏天流行的《問(wèn)題》即融合了迷離的薩克斯風(fēng)、90年代流行的人聲、輕聲合唱和女聲說(shuō)唱,聽(tīng)起來(lái)陌生,卻又似乎無(wú)處不在。
加州大學(xué)戴維斯分校研究好萊塢風(fēng)格融合的副教授格雷特·徐說(shuō),“混搭”固然有風(fēng)險(xiǎn),但結(jié)果可能是巨大的成功,因?yàn)樗鼈儩M足了多數(shù)聽(tīng)眾的需求:既新鮮,又熟悉。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10