الگوریتم پشت موسیقی

حرکت کن، امریکن آیدل.

داستان موفقیت بزرگ بعدی در صنعت موسیقی در مسابقات استعدادهای برتر کشف نخواهد شد. در عوض، در مجموعه داده‌ها توسط الگوریتم‌های پیچیده‌ای که برای کشف روندهای استفاده و تجاری طراحی شده‌اند، شناسایی می‌شود.

در ظاهر، این روش نسبت به نقدهای سایمون کاول، خشک و عاری‌تر از احساسات به نظر می‌رسد، اما در واقع این روش نهایی است که مردم «چیز بزرگ بعدی» را انتخاب می‌کنند. هر بار که مردم روی لینک‌های یوتیوب کلیک می‌کنند، عکس‌های کنسرت را در توییتر پست می‌کنند یا درباره گروه‌های موسیقی در فیس‌بوک چت می‌کنند، به مجموعه‌ای از اطلاعات به نام داده‌های بزرگ کمک می‌کنند. این اصطلاح به مجموعه ای از مجموعه داده ها اطلاق می شود که بزرگ هستند و دارای روابط متقابل پیچیده ای هستند. به ساختار شبکه های اجتماعی فکر کنید. آنها حاوی میلیون‌ها نمایه کاربر فردی هستند که توسط دوستی‌ها، «لایک‌ها»، عضویت‌های گروهی و غیره به یکدیگر مرتبط شده‌اند. اساساً داده‌های بزرگ ساختار این پلتفرم‌ها را منعکس می‌کنند.

در صنعت موسیقی، داده‌های بزرگ با فعالیت‌هایی مانند فروش آنلاین، دانلودها، و ارتباطاتی که از طریق برنامه‌ها یا محیط‌های رسانه‌های اجتماعی انجام می‌شوند، تولید می‌شوند. معیارهای اندازه‌گیری‌شده شامل «میزان دفعاتی که آهنگ‌ها پخش می‌شوند یا رد می‌شوند، و همچنین میزان کشش آن‌ها در رسانه‌های اجتماعی براساس اقداماتی مانند لایک‌ها و توییت‌های فیس‌بوک» است. ابزارهای تحلیلی میزان محبوبیت کلی صفحات فن را تعیین می کنند و نظرات مثبت یا منفی را در مورد هنرمندان ثبت می کنند. این اطلاعات روی هم روندهای فعلی را شناسایی می‌کند، نبض دیجیتالی هنرمندان را ارزیابی می‌کند، و منجر به فروش از طریق تک‌آهنگ‌ها، کالاها، بلیت‌های کنسرت و حتی اشتراک در سرویس‌های پخش موسیقی می‌شود.

از نظر کشف استعدادهای جدید، کلان داده نقش مهمی در ایجاد علاقه در شرکت‌های بزرگ ضبط بازی می‌کند. در بسیاری از موارد، شرکت‌ها تعداد بازدیدها، لایک‌ها و فالوورهای یک هنرمند را محاسبه می‌کنند. سپس، اعداد را می توان به راحتی با هنرمندان دیگر در همان ژانر مقایسه کرد. هنگامی که یک عمل صدها هزار دنبال کننده در فیس بوک یا توییتر ایجاد کرد، مدیران استعدادها متوجه می شوند و شروع به ایجاد علاقه در خود صنعت موسیقی می کنند.

داده های بزرگ انتخاب 40 موفقیت بزرگ بعدی

توانایی شناسایی روندهای فعلی و پیش بینی ستاره بعدی با پاداش های مالی زیادی برای همه افراد درگیر همراه است. برای مثال، دانشمندان داده تأثیر رسانه‌های اجتماعی را بر آلبوم iTunes و فروش آهنگ با مقایسه معیارهای یکی با درآمد دیگری بررسی کردند. آنها به این نتیجه رسیدند که فعالیت رسانه های اجتماعی با افزایش فروش آلبوم و آهنگ مرتبط است. به طور خاص، بازدیدهای یوتیوب بیشترین تأثیر را بر فروش دارند. یافته‌ای که بسیاری از شرکت‌های ضبط را بر آن داشت تا نماهنگ‌های مقرون‌به‌صرفه را برای تبلیغ تک‌آهنگ‌ها روی پلتفرم آپلود کنند. قبل از صرف میلیون‌ها دلار برای تولید ویدیو، تجزیه و تحلیل برای شناسایی آهنگ‌هایی که احتمالاً بر اساس فعالیت‌های آنلاین مخاطبان هدف به محبوبیت تبدیل می‌شوند، استفاده می‌شود. دقت این پیش بینی ها با کیفیت تجزیه و تحلیل کلان داده ها مرتبط است.

کارآفرینان صنعت موسیقی اکنون در حال آزمایش روش‌های جدیدی برای توسعه الگوریتم‌هایی هستند که اطلاعات را با کارایی و دقت بیشتری جمع‌آوری می‌کنند. یکی از برجسته‌ترین نمونه‌ها، سرمایه‌گذاری مشترک بین EMI Music و Data Science London به نام The EMI Million Interview Dataset است. این مجموعه به‌عنوان «یکی از غنی‌ترین و بزرگ‌ترین مجموعه داده‌های قدردانی از موسیقی که تا کنون در دسترس قرار گرفته است - مجموعه داده‌ای عظیم، منحصر به فرد، غنی و با کیفیت بالا که از تحقیقات جهانی گردآوری شده است که شامل علایق، نگرش‌ها، رفتارها، آشنایی و قدردانی از موسیقی است که توسط طرفداران موسیقی.”

دیوید بویل، معاون ارشد بینش در EMI Music، توضیح می دهد: «(این) شامل یک میلیون مصاحبه است که موضوعاتی مانند میزان اشتیاق به یک ژانر و زیر ژانر موسیقی خاص، روش های ترجیحی برای کشف موسیقی، هنرمندان موسیقی مورد علاقه را مطرح می کند. افکار در مورد دزدی دریایی موسیقی، پخش موسیقی، فرمت های موسیقی، و جمعیت طرفداران.

هدف این پروژه انتشار این مجموعه اطلاعات برای عموم و بهبود کیفیت تجارت در صنعت موسیقی است.

بویل می‌گوید: «ما در استفاده از داده‌ها برای کمک به ما و هنرمندانمان برای درک مصرف‌کنندگان، موفقیت زیادی کسب کرده‌ایم، و ما هیجان‌زده هستیم که برخی از داده‌های خود را برای کمک به دیگران برای انجام همین کار به اشتراک بگذاریم.

در سال 2012، EMI Music و Data Science London با میزبانی Music Data Science Hackathon پروژه را یک قدم جلوتر بردند. EMC، پیشرو جهانی در علم داده و راه‌حل‌های کلان داده، به این سرمایه‌گذاری پیوست و زیرساخت فناوری اطلاعات را فراهم کرد. در طی یک دوره 24 ساعته، 175 دانشمند داده 1,300 فرمول و الگوریتم را برای پاسخ به این سوال توسعه دادند: "آیا می توانید پیش بینی کنید که آیا شنونده آهنگ جدیدی را دوست دارد یا خیر؟" نتایج به قدرت هوش جمعی اشاره کرد و شرکت کنندگان فرمول هایی را توسعه دادند که به عنوان کلاس جهانی توصیف شدند.

کریس روش، مدیر منطقه‌ای EMC Greenplum می‌گوید: «بینش‌های آشکار شده در این هکاتون به قدرت و پتانسیلی که Big Data در اختیار دارد - هم برای کشف فکری و هم برای ارزش تجاری افزایشی برای سازمان‌ها از هر نوع، اشاره می‌کند.»

اما چگونه به هنرمندان دستمزد می دهید؟

پس از اینکه صنعت تشخیص داد که آهنگی دارای پتانسیل موفقیت آمیز است و آن را به عنوان تک آهنگ منتشر می کند، وقتی آهنگ در پلتفرم های رسانه های اجتماعی یا سایت های پخش پخش می شود چگونه حق امتیاز را محاسبه می کند؟ در حال حاضر، «برچسب‌های ضبط در هر اندازه با مشکل رو به رشدی مواجه هستند که مجبورند مجموعه‌ای از داده‌های شرکت‌های پخش جریانی مانند Spotify، Deezer و YouTube را با هم تطبیق دهند، اما تعداد افراد کمتری نسبت به همیشه برای انجام این کار وجود دارد.»

یکی از چالش‌های اصلی از دیدگاه مدیریت اطلاعات این است که اکثر سیستم‌های مدیریت پایگاه داده برای مدیریت مجموعه‌های داده‌ای که به بزرگی و پیچیده بودن داده‌های بزرگ هستند، توسعه نیافته‌اند. به عنوان مثال، اندازه فایل‌های داده دیجیتالی تولید شده توسط توزیع‌کنندگان موسیقی بسیار فراتر از آن چیزی است که برنامه‌هایی مانند Excel می‌توانند از عهده آن برآیند. این باعث ایجاد مشکلاتی از جمله داده های از دست رفته و برچسب های فایلی می شود که با نرم افزار حسابداری سازگار نیستند.

در بیشتر موارد، همه این مسائل توسط حسابداران حل می شود و زمان و نیروی کار اضافی را به بار کاری سنگین اضافه می کند. در بسیاری از موارد، درصد زیادی از سربار برچسب در بخش حسابداری گره خورده است.

برای مبارزه با این مسائل، کارآفرینان پلتفرم های هوش تجاری را توسعه می دهند که ظرفیت سازماندهی و تجزیه و تحلیل کلان داده ها را دارند. یکی از بهترین نمونه ها شرکت اتریشی Rebeat است که خدمات خود را به عنوان "حسابداری حق امتیاز با سه کلیک" توصیف می کند. این شرکت که در سال 2006 تأسیس شد، به سرعت به توزیع کننده دیجیتال پیشرو در اروپا تبدیل شد و دسترسی به 300 سرویس دیجیتال در سراسر جهان را فراهم می کند. اساساً، Rebeat شیوه های حسابداری را ساده می کند و کارهای پشتیبان را انجام می دهد، مانند تطبیق فیلدهای داده در نرم افزار حسابداری، بنابراین بخش حسابداری برای مدیریت بودجه آزاد است. آنها همچنین زیرساختی را برای مدیریت پرداخت های حق امتیاز مطابق با قراردادهای قراردادی، قراردادهای مستقیم با فروشگاه های موسیقی دیجیتال، تولید نمودارهایی برای ردیابی فروش و مهمتر از همه، صادرات داده ها به فایل های CSV فراهم می کنند.

البته خدمات با قیمتی همراه است. فوربس گزارش داد که لیبل‌های ضبط باید از Rebeat به عنوان توزیع‌کننده استفاده کنند تا بتوانند به داده‌های شرکت دسترسی داشته باشند که هزینه آن ۱۵ درصد کمیسیون فروش و هزینه ثابت ۶۴۹ دلار در هر سال است. با این حال، تخمین‌ها نشان می‌دهند که در بیشتر موارد پوشش حسابداری یک برچسب اغلب هزینه بسیار بیشتری دارد، به این معنی که امضا کردن با Rebeat می‌تواند باعث صرفه‌جویی در پول شود.