fbpx

Музичката индустрија во ритамот на Data Science

музичка индустрија data science

2020 година, пандемијата и согласно на тоа префрлањето на луѓето кон дигиталниот свет во поголем обем од било кога досега, придонесе за генерирање огромно количество податоци, како и приходи. Како резултат на тоа има бизниси кои се апсолутни победници, а и такви кои ужасно лошо се справија со ситуацијата. Музичката индустрија спаѓа во оние кои пораснаа и заработија огромни суми и покрај неможноста за одржување на концерти. Па така, според извештајот на IFPI, приходите на музичката индустрија во 2020 изнесуваат 21,6 милијарди долари што претставува раст од 7,4% кој најмногу се должи на стримови.

Поглед кон историјата

Музичките куќи долг период беа главните играчи што ја контролираа музичката индустрија. Борбата да се потпише некоја ѕвезда беше огромна и воедно огромен престиж за самите изведувачи. Па така, музичките куќи ја контролираа продукцијата на музиката, нејзината дистрибуција и како ќе се рекламира истата. Тоа беше време на касети и CD. Но, сега веќе играта е комплетно сменета. Ако некогаш за да се забележи одреден талент требале аудиции, поднесување на снимки во куќите и слично сè со цел да се потпише договор, денеска доволно е да се снимат дома и да ја пуштат песната на YouTube. Веќе години наназад, YouTube е место на кое се прославија сега веќе глобални ѕвезди. Во суштина, во денешно време влезот на пазарот е побрз, но фер е да се каже дека тоа пак направи истиот да се преплави со таленти.

Всушност може да се каже дека Spotify, SoundCloud, Apple Music, YouTube се главните места каде во денешно време се промовира и консумира музика. Додадете ја и моќта на социјалните медиуми и добивате самопромоција која до пред некоја деценија беше незамислива.

И сега земајќи предвид дека најголемиот дел од нив се бесплатни (иако имаат и премиум опции), прашањето е од каде доаѓаат парите и што со податоците?

Дигитализација - непријател претворен во пријател

Фактот што сите навики се префрлија онлајн и слушањето на музика се смени, на почетокот значеше одреден отпор што музичката индустрија го имаше кон интернетот гледајќи го како непријател затоа што музиката многу лесно беше нелегално симнувана и достапна. Но, стримањето ги смени нештата и стана профитабилен мост кој ја поврза музичката индустрија со слушателите. Од друга страна музичките компании пред некоја деценија не беа сосема сигурни кој ја консумира музиката на нивните ѕвезди (локација, пол, возраст), но сега алгоритмот на платформите ја завршува работата и им помага не само за идно создавање на музика туку и за период во кој треба истата да се промовира и каде. 

И прашањето сега е дали може да се предвиди следниот хит? Истражувачи од Универзитетот во Антверпен покажаа дека е возможно да се направи предвидување. Тоа го сторија изнаоѓајќи алгоритам кој успеа со голема точност да ја предвиди позицијата на денс албумите на Billboard Dance Singles. 

Од каде доаѓаа приходите во време на пандемија?

Стримањето, односно платените претплати во 2020 пораснаа за 18.5%. Во изминатата година имало 443 милиони корисници со претплати, а стримањето донело приходи од 13.4 милијарди долари. Ова само го потврди фактот дека дигитализацијата на музичката индустрија придонесе таа да се покаже како пример за отпорност и раст дури и при лоши економски услови. Само да го земеме Spotify и дел од неговите статистики на раст за 2020 и добивате одредена слика:

  • 1.400% + WFH (work from home) плејлисти
  • 180% + на слушатели на подкасти за здравје и велнес

Токму Spotify која се дефинира како data driven компанија можеме да ја посочиме за пример за тоа како се користи Big Data во музичката индустрија. Бројките велат дека на Spotify има над 70 милиони песни и секој ден се додаваат нови 60.000,  а корисниците имаат создаденo над 4 милијарди плејлисти (една милијарда од нив се додадени во 2020). И овие бројки само ќе се зголемуваат. А поголем број на податоци значи и подобри препораки, поголем број на корисници и повеќе приход за оние кои ги поседуваат правата на музиката. Во таа насока секој музички стриминг сервис си има различна тарифа согласно која им плаќа на музичарите за преслушувањата.

Music Analytics

И тука доаѓаме до Music Analytics или суштината на тоа како и за што се користат аналитиките во музичката индустрија. Од аспект на Big Data корисниците дневно преслушуваат огромно количество на музика која претворена во податоци ја дава сликата за тоа кој жанр, во кое време и во кои прилики се слуша. 

Стримањето кое всушност и беше заслужно за големиот процент на приходи овозможува увид во податоци како што се број на преслушувања и плејлисти. Data Science може да им помогне на големите музички компании да го предвидат следниот голем хит. Всушност и не е случајно што во одреден период од годината, музичките компании знаат да извадат многу слични песни од конкретен жанр. Обрнете внимание следниот пат кога ќе пуштите песна на YouTube и што се случува потоа - односно препораката за изведувач кој многу веројатно е од истата музичка куќа како и она што веќе сте го преслушале и ви се допаѓа. 

Употребата на Data Science помага и во други аспекти освен овој, како на пример во кој период треба да се пушти одредена песна и на кои платформи, но и каде треба да биде присутна една ѕвезда за да ја испромовира својата музика (TikTok, Instagram, Youtube…).

Data Science истражувања во областа на музиката

Data Science овозможува да се истражат сегменти кои до пред неколку години делуваа речиси невозможно. На пример, Институтот во Мичиген за Data Science (MIDAS) финансираше проекти од оваа област кои опфаќаа: 

  • Како мозокот процесира музика? (користејќи ја музиката на Бах)

За оваа цел учесниците во проектот требало да изнајдат алгоритам што ќе ја студира музичката структура од аспект на data science. Со тоа што крајната цел е да се согледа што е она што изведувачите ги прави добри.

  • Звук и текст

Кога гледате изведувач на сцена кој пее на јазик што не го разбирате, сепак можете да ја одредите емоцијата и на некој начин да претпоставите за што пее. Институтот финансира проект кој всушност треба да резултира со создавање алатки кои ќе произведат музичка интерпретација на текст и тоа врз база на емоција и содржина. Крајната цел е да се создаде алатка која ќе го трансформира секое парче текст во музика.

За крај може да се каже дека сите наведени примери се само прозорец кон иднината, можностите се големи и несомнено Data Science ќе се употребува за да предвиди трендови во индустрија која и онака има импресивен раст.