Алгоритъмът зад музиката

Премести се, American Idol.

Следващата голяма история на успеха в музикалната индустрия няма да бъде открита в състезания за таланти с висок профил. Вместо това, той ще бъде идентифициран в набори от данни чрез сложни алгоритми, предназначени да разкрият тенденциите в употребата и бизнеса.

На пръв поглед този метод звучи сухо и по-лишено от емоции от критиките на Саймън Коуел, но всъщност е най-добрият начин, по който обществеността избира „следващото голямо нещо“. Всеки път, когато публиката щракне върху връзки в YouTube, публикува снимки от концерти в Twitter или разговаря за групи във Facebook, те допринасят за набор от информация, наречена големи данни. Терминът се отнася до набор от масиви от данни, които са големи и съдържат сложни взаимовръзки. Помислете за структурата на социалните мрежи. Те съдържат милиони индивидуални потребителски профили, които са свързани помежду си чрез приятелства, „харесвания“, членства в групи и т.н. По същество големите данни отразяват структурата на тези платформи.

В музикалната индустрия големите данни се генерират от дейности като онлайн продажби, изтегляния и комуникация, осъществявани чрез приложения или среди на социални медии. Измерените показатели включват „колкото пъти песните са пускани или пропускани, както и нивото на привличане, което получават в социалните медии въз основа на действия като харесвания във Facebook и туитове“. Аналитичните инструменти определят общата популярност на фен страниците и регистрират положителни или отрицателни коментари за артистите. Заедно тази информация идентифицира текущите тенденции, оценява дигиталния пулс на изпълнителите и води до продажби чрез сингли, стоки, билети за концерти и дори абонаменти за услуги за стрийминг на музика.

По отношение на откриването на нови таланти, големите данни играят важна роля за генерирането на интерес в големите звукозаписни компании. В много случаи компаниите отчитат показванията на страницата на изпълнител, „харесванията“ и последователите. След това числата могат лесно да се сравняват с други изпълнители в същия жанр. След като дадено изпълнение генерира повече от сто хиляди последователи във Facebook или Twitter, мениджърите на таланти забелязват и започват да предизвикват интерес в самата музикална индустрия.

Големи данни избират следващия голям хит в Топ 40

Способността да се идентифицират настоящите тенденции и да се предвиди следващата мегазвезда идва с големи финансови награди за всички участници. Например изследователите на данни проучиха въздействието на социалните медии върху продажбите на албуми и проследяване на iTunes, като сравняваха показателите на единия с приходите на другия. Те заключиха, че активността в социалните медии е свързана с увеличаване на продажбите на албуми и песни. По-конкретно, гледанията в YouTube имат най-голямо влияние върху продажбите; откритие, което подтикна много звукозаписни компании да качат високобюджетни музикални видеоклипове в платформата, за да рекламират сингли. Преди да се похарчат милиони за видеопродукция, се използва анализ, за ​​да се определи кои песни има вероятност да станат хитове въз основа на онлайн дейностите на целевата аудитория. Точността на тези прогнози е свързана с качеството на анализа на големи данни.

Предприемачите в музикалната индустрия сега експериментират с нови методи за разработване на алгоритми, които събират информация с по-голяма ефективност и точност. Един от най-забележителните примери е съвместно предприятие между EMI Music и Data Science London, наречено The EMI Million Interview Dataset. Описва се като „един от най-богатите и най-големи набори от данни за оценяване на музиката, предоставяни някога – масивен, уникален, богат, висококачествен набор от данни, съставен от глобални изследвания, който съдържа интереси, нагласи, поведение, познаване и оценяване на музиката, както е изразено от музикални фенове.”

Дейвид Бойл, старши вицепрезидент за Insight в EMI Music, обяснява: „(Той) се състои от милиони интервюта, засягащи теми като ниво на страст към определен музикален жанр и поджанр, предпочитани методи за откриване на музика, любими музикални изпълнители, мисли за музикалното пиратство, стрийминг на музика, музикални формати и демография на феновете.“

Целта на проекта е да предостави тази колекция от информация на обществеността и да подобри качеството на бизнеса в музикалната индустрия.

„Постигнахме голям успех с използването на данни, за да помогнем на нас и нашите артисти да разберем потребителите, и сме развълнувани да споделим някои от нашите данни, за да помогнем на други да направят същото“, казва Бойл.

През 2012 г. EMI Music and Data Science London направи проекта една крачка напред, като беше домакин на Music Data Science Hackathon. EMC, световен лидер в науката за данни и решенията за големи данни, се присъедини към начинанието и предостави ИТ инфраструктура. За период от 24 часа 175 специалисти по данни разработиха 1,300 формули и алгоритми, за да отговорят на въпроса: „Можете ли да предвидите дали слушателят ще хареса нова песен?“ Резултатите намекнаха за силата на колективния интелект и участниците разработиха формули, които бяха описани като световна класа.

„Прозренията, разкрити в този хакатон, намекват за силата и потенциала, които притежават Big Data – както за интелектуално откритие, така и за нарастваща бизнес стойност за организации от всякакъв вид“, казва Крис Рош, регионален директор на EMC Greenplum.

Но как плащате на артистите?

След като индустрията определи, че дадена песен има потенциал за хит и я пусне като сингъл, как изчислява възнагражденията, когато песента се възпроизвежда в платформи на социални медии или сайтове за стрийминг? В момента „записващите компании от всякакъв размер са изправени пред нарастващ проблем с необходимостта да съгласуват масиви от данни от стрийминг компании като Spotify, Deezer и YouTube, но имат по-малко хора от всякога, които да го правят“.

Едно от основните предизвикателства от гледна точка на управлението на информацията е, че повечето системи за управление на бази данни не са разработени да обработват набори от данни, които са толкова големи и сложни, колкото големите данни. Например размерът на файловете с цифрови данни, генерирани от музикални дистрибутори, е далеч отвъд това, което програми като Excel могат да обработват. Това създава проблеми, включително липсващи данни и етикети на файлове, които не са съвместими със счетоводния софтуер.

В повечето случаи всички тези проблеми се решават от счетоводители, добавяйки допълнително време и труд към и без това голямото работно натоварване. В много случаи голям процент от режийните разходи на етикета са свързани със счетоводния отдел.

За да се справят с тези проблеми, предприемачите разработват платформи за бизнес разузнаване, които имат капацитета да организират и анализират големи данни. Един от най-добрите примери е австрийската компания Rebeat, която описва услугите си като „осчетоводяване на роялти с три клика“. Основана през 2006 г., тя бързо се превърна във водещ дигитален дистрибутор в Европа и осигурява достъп до 300 цифрови услуги по целия свят. По същество Rebeat рационализира счетоводните практики и обработва задната работа, като съвпадение на полета с данни в счетоводен софтуер, така че счетоводният отдел е свободен да управлява бюджети. Те също така предоставят инфраструктура за управление на плащанията на роялти в съответствие с договорни споразумения, директни споразумения с магазини за цифрова музика, генерират графики за проследяване на продажбите и най-важното, експортират данни в CSV файлове.

Разбира се, услугата си има цена. Forbes съобщи, че звукозаписните компании трябва да използват Rebeat като дистрибутор, за да имат достъп до фирмените данни, което струва 15% комисионна от продажби и фиксирана такса от $649 всяка година. Прогнозите показват обаче, че в повечето случаи счетоводното наслагване на лейбъл често струва много повече, което означава, че подписването с Rebeat може да се окаже спестяване на пари.