I tilfelle du gikk glipp av filmen Moneyball, her er en rask oppsummering: Den er basert på den sanne historien om Billy Beane – Daglig leder for Oakland A’s amerikanske baseball-lag – og hvordan han brukte datagenerert statistisk analyse for å overvinne et stramt budsjett og krangle en liste over uerfarne spillere. Mens Brad Pitt kan ha blitt nominert til en Oscar for sin opptreden, kunsten å sabermetri klarte å stjele rampelyset.
Vi har forelsket oss i data – ikke se lenger enn presidentvalget i 2012 og triumfen til Nate Silver å bevise dette. Og Silver, selvfølgelig, fikk sin start i statistikk med baseball.
Anbefalte videoer
Det er også Shane Battier – for tiden en NBA-spiller for Miami Heat – som er hyllet som en "Ingen statistikk All-Star" for hans enorme forberedelse før spillet som innebærer uttømmende studier av motstanderne, spesielt spillerne han er tildelt å vokte. Ifølge en New York Times trekk på Battier lar statistiske data på høyt nivå samlet på alle Battiers motstandere ham gjøre seg kjent med svakhetene til et bedre lag.
Sportens verden har tydeligvis vært i stand til å gjøre beregninger til målbare spådommer i den virkelige verden... så hvorfor skulle det ikke fungere for andre markeder også? Hvorfor ikke bruke matematikk for å se inn i musikkens umiddelbare fremtid? Det skjer. Takket være økningen av musikkforbruk på nett og bruken av sosiale medier for å diskutere musikere, har vi et klarere vindu til musikkforbruk enn noen gang før. Artister som ønsker å bryte gjennom til mainstream-suksess trenger kanskje ikke se lenger enn tallene for å kartlegge veien til toppen. Men spørsmålet gjenstår: Kan noe så personlig og abstrakt som musikk være basert på metrikk, eller har skjebnen fortsatt en finger med i det hele?
Detaljene i stoffet (av musikkdata)
Store plateselskaper har alltid knekt tall for å spå om de neste store handlingene – til syvende og sist er hver suksessrik stjerne en kontantku for noen. Forskjellen er at vi nå har mye flere tall å se på enn platesalg og radiospill, og tilgang til denne informasjonen er tilgjengelig for alle, ikke bare store plateselskaper. Du og jeg har verktøyene til å utrydde lovende musikere. Før vi gjør det, er det imidlertid viktig å vite hvilke datapunkter som analyseres for å trekke disse konklusjonene.
Detalj # 1: Hva vi liker, eller enda viktigere, hva vi «liker» på våre ulike sosiale medier. La oss innse det – sammen med hashtaggen og ❤-knappen er Facebooks «liker». kraftig, kanskje kraftig nok til å forutsi musikkens neste største lysende stjerne. Hver gang du legger ut en YouTube-video eller favorittsangteksten din, hver gang du bruker en app til å invitere venner til en konsert du har kjøpt billetter til, hver gang du deler at du har kjøpt et album, gjør du det enklere for Internett – og verden – å finne ut hvilke handlinger som er verdt ser på.
Beregninger for sosiale medier er en av nøkkelingrediensene i formelen Neste Big Sound bruker for å identifisere musikksuksesser i produksjon. Hvert medlem kan studere en omfattende oversikt og oversikt over alle musikkartisters sidevisninger, likes, følgere og omtaler på deres offisielle sosiale kontoer. Sammenligninger med lignende artister gjøres enkelt gjennom detaljerte grafer. For de uformelle og nysgjerrige er denne informasjonen nok til å fortsette – hvis et ikke så kjent bands Facebook sidelikes øker til millioner, sjansene for at de treffer den store ved slutten av året er høy. Det samme gjelder indieartisten med hundre tusen pluss følgere på Twitter. Når disse høydene er nådd, signaliserer det at det er på tide for fanklubber, talentsjefer og plateselskapsledere å legge merke til det.
Detalj #2: Hva vi kjøper. Musikk er et produkt, og vi er dets forbrukere. Studiet av forbrukeratferd og musikkrelaterte kjøpsmønstre åpner for mange muligheter. Når band finner ut hvilke av sangene deres som er mest likt, kan de sørge for at de fremfører den mer under konsertene sine. Når plateselskaper ser at en bestemt type album selger som varmt kaker på iTunes, sørger de for at de selg flere singler fra det albumet eller kom ut med en helt annen (akustisk, live, strykekvartett) versjon av den.
Et perfekt eksempel på å bruke forbrukeratferd til musikkens fordel er EMI Musics One Million Interview Dataset. I samarbeid med Data Science London, EMIs initiativ lover å være det "rikeste og største musikkdatasettet noensinne." Den består av en million intervjuer som tar opp emner som nivået av lidenskap for en spesiell musikksjanger og undersjanger, foretrukne metoder for musikkoppdagelse, favorittmusikkartister, tanker om piratkopiering av musikk, musikkstrømming, musikkformater og fan demografi.
David Boyle, Senior Vice President for Insight ved EMI Music, er optimistisk at ved å gi ut denne enorme samlingen av informasjon til publikum, vil flere i musikkbransjen legge merke til og bruke data for å forbedre kvaliteten på virksomhet. "Vi har hatt stor suksess med å bruke data for å hjelpe oss og artistene våre å forstå forbrukere, og vi er glade for å dele noen av dataene våre for å hjelpe andre med å gjøre det samme," sier Boyle. "Vi erkjenner også at andre som ser på disse dataene vil oppdage ting vi gikk glipp av; ulike perspektiver og erfaringer vil erte ulike innsikter. Så vi er spente på å se hva folk gjør med disse dataene og lære av det.»
EMIs større datasett kan absolutt brukes til å avsløre hvilke musikkartister folk bør se opp for i år. I følge Boyle kan å studere og analysere musikkforbrukeratferd gi brukere bedre prediksjonsevner mot handlinger hvis karriere kan ta fart i nær fremtid.
Detalj #3: Hvilket format vi foretrekker. Har bekvemmeligheten og enkelheten ved å dele musikk på nettet virkelig påvirket inntektene i musikkbransjen? Hvor mange foretrekker fortsatt den fysiske CD-en fremfor den digitale MP3-en? Er det fortsatt nok folk som ønsker å belønne skapere av musikk for å holde bransjen flytende? I følge EMI Musics rapport betaler folk ikke lenger for musikk slik de gjorde før, og salget av innspilt musikk har vært i konstant nedgang siden 2001. Å samle inn faktiske musikkdata rett fra kilden (musikklyttere) vil gjøre dem i stand så vel som andre medlemmer av musikkindustrien for å finne ut hva problemet er og komme opp med en strategi som vil tilfredsstille ekte musikkfans.
I disse dager er flere vant til å bruke musikkapper som Spotify og Pandora for å lytte til ny musikk. Porten til å forbedre musikkoppdagelsen er vidåpen, og Ekko-redet er et av selskapene som tar sine første skritt mot det. Det gir pålitelig musikkintelligens som kan hjelpe utviklere med å bygge sofistikerte musikkapper. Det inkluderer avansert musikkspilleliste, smaksprofilering, personlige radiofunksjoner, musikkrelatert nyhetsfeeder, spillapplikasjoner og «fanalytics» – hele tiden sikkerhetskopiert av mer enn en billion (ja, billioner) datapunkter knyttet til mer enn 30 millioner sanger til disposisjon.
I en artikkel har krav på, Datavitenskap og musikkindustrien: Hva sosiale medier har med platesalg å gjøre, medlemmer av Next Big Sound-teamet analyserer virkningen av sosiale medier på iTunes-album og sporsalg ved å sammenligne ens beregninger med den andres inntekt. De bekreftet det åpenbare: Sosiale medier gjorde påvirke salget av album og spor. Imidlertid er deres spesifikke funn langt mer interessante. Radiospill og YouTube har størst effekt på banesalget, og det er fornuftig: Vi hører en flott sang på bilradioen vår, så vi går til YouTube for å bli mer kjent med den på egen hånd. Når de vet det, vil plateselskapets ledere nå prioritere å lage spektakulære musikkvideoer på YouTube for singler de gir ut for å fengsle et større publikum.
For albumsalg blir det litt vanskeligere – å studere hvordan sosiale medier påvirker det, blir både aktivitet en uke før og en uke etter albumutgivelse vurdert. Analysen deres avslører at albumsalget er mest påvirket av – få dette – Wikipedia-sidevisninger. Forbrukere trenger å vite mer om en artist før de blir investert, så det er viktig for artister å holde Wikipedia-siden deres relevant og oppdatert.
Detalj #4: Hva matematikken sier. EMI Music, sammen med Data Science London, arrangerte et Music Data Science Hackathon i juli i fjor, der dataforskere fikk tilgang til deler av EMIs datasett. De kunne bruke sine egne algoritmer for å prøve å forutsi hvilken type musikk folk ville elske. Shanda Innovations, en teknologisk inkubator fra Shanda Corporation fra Kina, vant konkurransen.
Hva – og hvem – er i ferd med å treffe den store tiden
Så vi har dataene. Hva kan vi nå fortelle fra det?
"Hvis du er ute etter å finne hvem som virkelig kommer til å eksplodere i 2013, anbefales aktører som Atlas Genius, HAIM, Jessie Ware og Trinidad James på det sterkeste. Eller det er i det minste det tallene sier, sier Liv Buli, datajournalist for Next Big Sound.
De som er involvert i datasettet, undersøker omhyggelig nye kunstnere på veldig tidlige stadier før de deler informasjon om dem. "Ofte vil vi se veldig spennende resultater før publikum har hatt sjansen til å bli forelsket i en artist," sa Boyle. Dette er imidlertid hva de er villige til å tilby:
Selskapet planlegger å gi ut et oppdatert og mer spesifikt datasett til publikum en gang i år.
Det virkelige spørsmålet er … kan det fungere?
Musikk oppdagelse vil alltid være en utfordring, til tross for at de har apper som skal gjøre det enklere. Musikkdata kan absolutt hjelpe industrien i sin søken etter å bli bedre, og disse tjenestene og algoritmene er definitivt et skritt i retningen av "det er mulig." Det er imidlertid alltid rom for tvil når det kommer til fremtiden - selv utviklere vil si det så.
"Musikk er ikke et matematikkproblem," sa Shane Tobin fra The Echo Nest under fjorårets SF MusicTech Summit, ifølge TechHive. "Det må informeres fra et menneskelig element. Måten våre anbefalinger fungerer på er å forstå hva mennesker har å si.»
Heldigvis kan ikke noe så uhåndgripelig som musikk oppsummeres i en ligning - og den menneskelige berøringen er fortsatt den viktigste faktoren å vurdere for å bestemme den nest største tingen innen musikk. Men en stor del av musikkoppdagelsen er knyttet til sosial atferd, og det er tilfeldigvis mye av våre sosiale interaksjoner som skjer på nettet. Så lenge de som planlegger å manipulere musikkdata er i stand til å integrere personlig smak og anbefaling i prosjektene sine på en sømløs måte, er det ingen grunn til at det ikke kan fungere.
