L'algorithme derrière la musique

Déplacez-vous, American Idol.

La prochaine grande réussite de l'industrie de la musique ne sera pas découverte dans les concours de talents de haut niveau. Au lieu de cela, il sera identifié dans des ensembles de données par des algorithmes complexes conçus pour découvrir les tendances d'utilisation et commerciales.

En surface, cette méthode semble sèche et plus dépourvue d'émotion que les critiques de Simon Cowell, mais c'est en fait la façon ultime dont le public sélectionne "la prochaine grande chose". Chaque fois que le public clique sur des liens YouTube, publie des photos de concerts sur Twitter ou discute de groupes sur Facebook, il contribue à un ensemble d'informations appelé big data. Le terme fait référence à une collection d'ensembles de données volumineux et contenant des interrelations complexes. Pensez à la structure des réseaux sociaux. Ils contiennent des millions de profils d'utilisateurs individuels qui sont liés entre eux par des amitiés, des "j'aime", des appartenances à des groupes, etc. Essentiellement, les mégadonnées reflètent la structure de ces plateformes.

Dans l'industrie de la musique, les mégadonnées sont générées par des activités telles que les ventes en ligne, les téléchargements et la communication via des applications ou des environnements de médias sociaux. Les mesures mesurées incluent "le nombre de fois où les chansons sont lues ou ignorées, ainsi que le niveau de traction qu'elles reçoivent sur les réseaux sociaux en fonction d'actions telles que les likes et les tweets de Facebook". Les outils d'analyse déterminent la popularité globale des pages de fans et enregistrent les commentaires positifs ou négatifs sur les artistes. Ensemble, ces informations identifient les tendances actuelles, évaluent le pouls numérique des artistes et conduisent à des ventes via des singles, des marchandises, des billets de concert et même des abonnements à des services de streaming musical.

En termes de découverte de nouveaux talents, le big data joue un rôle important dans l'intérêt des grandes maisons de disques. Dans de nombreux cas, les entreprises comptabilisent les pages vues, les "j'aime" et les abonnés d'un artiste. Ensuite, les chiffres peuvent facilement être comparés à d'autres artistes du même genre. Une fois qu'un acte a généré plus de cent mille abonnés sur Facebook ou Twitter, les gestionnaires de talents le remarquent et commencent à susciter l'intérêt au sein de l'industrie musicale elle-même.

Le Big Data sélectionne le prochain grand succès du Top 40

La capacité d'identifier les tendances actuelles et de prédire la prochaine mégastar s'accompagne d'importantes récompenses financières pour toutes les personnes impliquées. Par exemple, les scientifiques des données ont étudié l'impact des médias sociaux sur les ventes d'albums et de suivi iTunes en comparant les mesures de l'un avec les revenus de l'autre. Ils ont conclu que l'activité sur les réseaux sociaux était corrélée à une augmentation des ventes d'albums et de titres. Plus précisément, les vues YouTube ont le plus grand impact sur les ventes ; une découverte qui a incité de nombreuses maisons de disques à télécharger des vidéos musicales à gros budget sur la plate-forme pour promouvoir les singles. Avant de dépenser des millions pour la production vidéo, l'analyse est utilisée pour identifier les chansons susceptibles de devenir des succès en fonction des activités en ligne des publics ciblés. La précision de ces prédictions est corrélée à la qualité de l'analyse des mégadonnées.

Les entrepreneurs de l'industrie de la musique expérimentent désormais de nouvelles méthodes pour développer des algorithmes qui récoltent des informations avec une efficacité et une précision accrues. L'un des exemples les plus notables est une coentreprise entre EMI Music et Data Science London appelée The EMI Million Interview Dataset. Il est décrit comme "l'un des ensembles de données d'appréciation de la musique les plus riches et les plus importants jamais mis à disposition - un ensemble de données massif, unique, riche et de haute qualité compilé à partir de recherches mondiales qui contient les intérêts, les attitudes, les comportements, la familiarité et l'appréciation de la musique comme exprimé par amateurs de musique.

David Boyle, vice-président senior d'Insight chez EMI Music, explique : "(Il est) composé d'un million d'entretiens abordant des sujets tels que le niveau de passion pour un genre et un sous-genre musical particulier, les méthodes préférées de découverte musicale, les artistes musicaux préférés, réflexions sur le piratage musical, le streaming musical, les formats musicaux et la démographie des fans.

L'objectif du projet est de diffuser cette collection d'informations au public et d'améliorer la qualité des affaires au sein de l'industrie de la musique.

"Nous avons eu beaucoup de succès en utilisant les données pour nous aider, ainsi que nos artistes, à comprendre les consommateurs, et nous sommes ravis de partager certaines de nos données pour aider les autres à faire de même", déclare Boyle.

En 2012, EMI Music et Data Science London ont poussé le projet un peu plus loin en organisant le Music Data Science Hackathon. EMC, un leader mondial de la science des données et des solutions Big Data, a rejoint l'entreprise et fourni l'infrastructure informatique. Sur une période de 24 heures, 175 data scientists ont développé 1,300 XNUMX formules et algorithmes pour répondre à la question : « Pouvez-vous prédire si un auditeur aimera une nouvelle chanson ? Les résultats ont fait allusion à la puissance de l'intelligence collective et les participants ont développé des formules décrites comme de classe mondiale.

« Les informations révélées dans ce hackathon laissent entrevoir la puissance et le potentiel du Big Data, à la fois pour la découverte intellectuelle et pour la valeur commerciale incrémentielle des organisations de toutes sortes », déclare Chris Roche, directeur régional d'EMC Greenplum.

Mais comment payez-vous les artistes ?

Une fois que l'industrie a déterminé qu'une chanson a atteint son potentiel et la publie en tant que single, comment calcule-t-elle les redevances lorsque la chanson est diffusée sur des plateformes de médias sociaux ou des sites de streaming ? À l'heure actuelle, "les maisons de disques de toutes tailles sont confrontées au problème croissant de devoir concilier des tonnes de données provenant de sociétés de streaming comme Spotify, Deezer et YouTube, mais ont moins de personnes que jamais pour le faire".

L'un des principaux défis du point de vue de la gestion de l'information est que la plupart des systèmes de gestion de bases de données n'ont pas été développés pour gérer des ensembles de données aussi volumineux et complexes que le Big Data. Par exemple, la taille des fichiers de données numériques générés par les distributeurs de musique dépasse largement ce que des programmes comme Excel peuvent gérer. Cela crée des problèmes, notamment des données manquantes et des étiquettes de fichiers qui ne sont pas compatibles avec les logiciels de comptabilité.

Dans la plupart des cas, tous ces problèmes sont réglés par des comptables, ce qui ajoute du temps et de la main-d'œuvre supplémentaires à une charge de travail déjà lourde. Dans de nombreux cas, un pourcentage important des frais généraux d'un label est lié au service de comptabilité.

Pour lutter contre ces problèmes, les entrepreneurs développent des plateformes d'intelligence d'affaires qui ont la capacité d'organiser et d'analyser les mégadonnées. L'un des meilleurs exemples est la société autrichienne Rebeat, qui décrit ses services comme "la comptabilité des redevances en trois clics". Fondée en 2006, elle est rapidement devenue le premier distributeur numérique européen et donne accès à 300 services numériques dans le monde. Essentiellement, Rebeat rationalise les pratiques comptables et gère le travail de backend, comme la mise en correspondance des champs de données dans le logiciel de comptabilité, de sorte que le service comptable est libre de gérer les budgets. Ils fournissent également une infrastructure pour gérer les paiements de redevances conformément aux accords contractuels, les accords directs avec les magasins de musique numérique, générer des graphiques pour suivre les ventes et, surtout, exporter les données dans des fichiers CSV.

Bien sûr, le service a un prix. Forbes a rapporté que les maisons de disques doivent utiliser Rebeat en tant que distributeur afin de pouvoir accéder aux données de l'entreprise, ce qui coûte une commission de vente de 15 % et des frais fixes de 649 $ par an. Les estimations suggèrent, cependant, que dans la plupart des cas, la superposition comptable d'un label coûte souvent beaucoup plus cher, ce qui signifie que signer avec Rebeat pourrait s'avérer être une économie d'argent.