האלגוריתם מאחורי המוזיקה

תעבור, אמריקן איידול.

סיפור ההצלחה הגדול הבא בתעשיית המוזיקה לא יתגלה בתחרויות כישרונות בפרופיל גבוה. במקום זאת, הוא יזוהה במערכי נתונים על ידי אלגוריתמים מורכבים שנועדו לחשוף שימוש ומגמות עסקיות.

על פני השטח, השיטה הזו נשמעת יבשה וחסרת רגשות יותר מהביקורות של סיימון קאוול, אבל זו למעשה הדרך האולטימטיבית שבה הציבור בוחר את "הדבר הגדול הבא". בכל פעם שהציבור לוחץ על קישורי יוטיוב, מפרסם תמונות קונצרטים בטוויטר או צ'אטים על להקות בפייסבוק, הם תורמים לגוף מידע שנקרא ביג דאטה. המונח מתייחס לאוסף של מערכי נתונים גדולים ומכילים קשרי גומלין מורכבים. חשבו על המבנה של רשתות מדיה חברתית. הם מכילים מיליוני פרופילי משתמש בודדים המקושרים ביניהם על ידי חברויות, 'לייקים', חברות בקבוצה וכן הלאה. בעיקרו של דבר, ביג דאטה משקף את המבנה של הפלטפורמות הללו.

בתעשיית המוזיקה, ביג דאטה נוצר על ידי פעילויות כמו מכירות מקוונות, הורדות ותקשורת המתבצעת באמצעות אפליקציות או סביבות מדיה חברתית. מדדים שנמדדו כוללים את "כמות הפעמים ששירים מושמעים או דילוגים עליהם, כמו גם את רמת המשיכה שהם מקבלים במדיה החברתית על סמך פעולות כמו לייקים בפייסבוק וציוצים". כלים אנליטיים קובעים את הפופולריות הכוללת של דפי מעריצים ורושמים הערות חיוביות או שליליות על אמנים. יחד, מידע זה מזהה מגמות נוכחיות, מעריך את הדופק הדיגיטלי של אמנים ומוביל למכירות באמצעות סינגלים, סחורה, כרטיסים להופעות ואפילו מנויים לשירותי הזרמת מוזיקה.

במונחים של גילוי כישרונות חדשים, ביג דאטה ממלא תפקיד חשוב ביצירת עניין בחברות תקליטים גדולות. במקרים רבים, חברות מספרות את הצפיות בדפים, 'לייקים' ועוקבים של אמן. לאחר מכן, ניתן בקלות להשוות מספרים מול אמנים אחרים באותו ז'אנר. ברגע שאקט יצר יותר ממאה אלף עוקבים בפייסבוק או בטוויטר, מנהלי כישרונות שמים לב ומתחילים לעורר עניין בתעשיית המוזיקה עצמה.

נתונים גדולים בוחרים את הלהיט הגדול הבא מ-40 המובילים

היכולת לזהות מגמות נוכחיות ולחזות את המגה-כוכב הבא מגיעה עם תגמולים כספיים גדולים לכל המעורבים. לדוגמה, מדעני נתונים חקרו את השפעת המדיה החברתית על אלבום ה-iTunes ומעקב אחר מכירות על ידי השוואת המדדים של אחד עם ההכנסות של האחר. הם הגיעו למסקנה שפעילות מדיה חברתית קשורה לעלייה במכירות של אלבומים ורצועות. ליתר דיוק, לצפיות ביוטיוב יש את ההשפעה הגדולה ביותר על המכירות; ממצא שגרם לחברות תקליטים רבות להעלות לפלטפורמה סרטוני מוזיקה בתקציב גדול כדי לקדם סינגלים. לפני שמוציאים מיליונים על הפקת וידאו, נעשה שימוש בניתוח כדי לזהות אילו שירים צפויים להפוך ללהיטים בהתבסס על פעילויות מקוונות של קהלים ממוקדים. הדיוק של התחזיות הללו נמצא בקורלציה לאיכות של ניתוח ביג דאטה.

יזמים בתעשיית המוזיקה מתנסים כעת בשיטות חדשות לפיתוח אלגוריתמים הקוצרים מידע ביעילות ובדיוק גבוהים יותר. אחת הדוגמאות הבולטות ביותר היא מיזם משותף בין EMI Music ו-Data Science London בשם The EMI Million Interview Dataset. הוא מתואר כ"אחד ממערכי הנתונים העשירים והגדולים ביותר להערכת מוזיקה שהפכו לזמינים אי פעם - מערך נתונים מאסיבי, ייחודי, עשיר ואיכותי שנערך ממחקר עולמי המכיל תחומי עניין, גישות, התנהגויות, היכרות והערכה של מוזיקה כפי שבא לידי ביטוי על ידי חובבי מוזיקה."

דיוויד בויל, סגן נשיא בכיר לתובנה ב-EMI Music, מסביר, "(זה) מורכב ממיליון ראיונות העוסקים בנושאים כמו רמת התשוקה לז'אנר מוזיקה ותת-ז'אנר מסוים, שיטות מועדפות לגילוי מוזיקה, אמני מוזיקה אהובים, מחשבות על פיראטיות מוזיקה, הזרמת מוזיקה, פורמטים של מוזיקה ודמוגרפיה של מעריצים".

מטרת הפרויקט היא לשחרר את אוסף המידע הזה לציבור ולשפר את איכות העסקים בתעשיית המוזיקה.

"הייתה לנו הצלחה גדולה בשימוש בנתונים כדי לעזור לנו ולאמנים שלנו להבין את הצרכנים, ואנחנו נרגשים לשתף חלק מהנתונים שלנו כדי לעזור לאחרים לעשות את אותו הדבר", אומר בויל.

בשנת 2012, EMI Music and Data Science London לקחו את הפרויקט צעד אחד קדימה על ידי אירוח האקתון Music Data Science. EMC, מובילה עולמית בתחום מדע הנתונים ופתרונות ביג דאטה, הצטרפה למיזם וסיפקה תשתית IT. במהלך תקופה של 24 שעות, 175 מדעני נתונים פיתחו 1,300 נוסחאות ואלגוריתמים כדי לענות על השאלה: "האם אתה יכול לחזות אם מאזין יאהב שיר חדש?" התוצאות רמזו על כוחה של אינטליגנציה קולקטיבית והמשתתפים פיתחו נוסחאות שתוארו כמעמד עולמי.

"התובנות שנחשפו בהאקתון זה מרמזות על הכוח והפוטנציאל שיש ב-Big Data - הן לגילוי אינטלקטואלי והן לערך עסקי מצטבר עבור ארגונים מכל סוג", אומר כריס רושה, מנהל אזורי של EMC Greenplum.

אבל איך משלמים לאמנים?

אחרי שהתעשייה קבעה שלשיר יש פוטנציאל להיט ומשחררת אותו כסינגל, איך היא מחשבת תמלוגים כשהשיר מושמע בפלטפורמות מדיה חברתית או באתרי סטרימינג? נכון לעכשיו, "חברות תקליטים בכל הגדלים מתמודדות עם בעיה הולכת וגוברת של צורך ליישב חבילות של נתונים מחברות סטרימינג כמו Spotify, Deezer ו-YouTube, אבל יש להם פחות אנשים מאי פעם לעשות זאת."

אחד האתגרים המרכזיים מנקודת מבט של ניהול מידע הוא שרוב מערכות ניהול מסדי הנתונים לא פותחו כדי להתמודד עם מערכי נתונים גדולים ומורכבים כמו ביג דאטה. לדוגמה, הגודל של קבצי נתונים דיגיטליים שנוצרו על ידי מפיצי מוזיקה הם הרבה מעבר למה שתוכניות כמו Excel יכולות להתמודד. זה יוצר בעיות כולל נתונים חסרים ותוויות קבצים שאינן תואמות לתוכנת הנהלת חשבונות.

ברוב המקרים, כל הנושאים הללו מסודרים על ידי רואי חשבון, ומוסיפים זמן ועבודה נוספים לעומס עבודה כבד ממילא. במקרים רבים, אחוז גדול מהתקורה של תווית קשור במחלקת הנהלת החשבונות.

כדי להילחם בבעיות אלו, יזמים מפתחים פלטפורמות בינה עסקית בעלות יכולת לארגן ולנתח ביג דאטה. אחת הדוגמאות הטובות ביותר היא חברת Rebeat האוסטרית, שמתארת ​​את השירותים שלה כ"חשבונאות מלכותית עם שלושה קליקים". נוסדה בשנת 2006, היא גדלה במהירות למפיץ הדיגיטלי המוביל באירופה ומספקת גישה ל-300 שירותים דיגיטליים ברחבי העולם. בעיקרו של דבר, Rebeat מייעלת את נוהלי החשבונאות ומטפלת בעבודת קצה, כמו התאמת שדות נתונים בתוכנת הנהלת חשבונות, כך שמחלקת הנהלת החשבונות חופשית לנהל תקציבים. הם גם מספקים תשתית לניהול תשלומי תמלוגים בהתאם להסכמים חוזיים, הסכמים ישירים עם חנויות מוזיקה דיגיטליות, הפקת גרפים למעקב אחר מכירות, והכי חשוב, ייצוא נתונים לקבצי CSV.

כמובן שלשירות יש מחיר. פורבס דיווח כי חברות התקליטים חייבות להשתמש ב-Rebeat כמפיץ כדי שיוכלו לגשת לנתוני החברה, שעולה 15% עמלת מכירה ותשלום קבוע של $649 בכל שנה. עם זאת, ההערכות מצביעות על כך שברוב המקרים שכבת העל החשבונאית של תווית עולה הרבה יותר, מה שאומר שחתימה עם Rebeat עשויה להתברר כחוסכת כסף.