O algoritmo por trás da música

Afaste-se, American Idol.

A próxima grande história de sucesso na indústria musical não será descoberta em competições de talentos de alto nível. Em vez disso, serão identificados em conjuntos de dados por algoritmos complexos concebidos para descobrir tendências de utilização e de negócio.

Superficialmente, esse método parece seco e mais desprovido de emoção do que as críticas de Simon Cowell, mas na verdade é a melhor maneira pela qual o público seleciona “a próxima grande novidade”. Cada vez que o público clica em links do YouTube, publica fotos de shows no Twitter ou conversa sobre bandas no Facebook, ele contribui para um conjunto de informações chamado big data. O termo refere-se a uma coleção de conjuntos de dados grandes e que contêm inter-relações complexas. Pense na estrutura das redes sociais. Elas contêm milhões de perfis de usuários individuais que estão ligados entre si por amizades, “curtidas”, associações a grupos e assim por diante. Essencialmente, o big data reflete a estrutura dessas plataformas.

Na indústria musical, o big data é gerado por atividades como vendas on-line, downloads e comunicação realizada por meio de aplicativos ou ambientes de mídia social. As métricas medidas incluem “a quantidade de vezes que as músicas são reproduzidas ou ignoradas, bem como o nível de tração que elas recebem nas redes sociais com base em ações como curtidas e tweets no Facebook”. As ferramentas analíticas determinam a popularidade geral das fan pages e registram comentários positivos ou negativos sobre os artistas. Juntas, essas informações identificam tendências atuais, avaliam o pulso digital dos artistas e geram vendas por meio de singles, mercadorias, ingressos para shows e até mesmo assinaturas de serviços de streaming de música.

Em termos de descoberta de novos talentos, o big data desempenha um papel importante na geração de interesse nas principais gravadoras. Em muitos casos, as empresas contabilizam as visualizações de páginas, “curtidas” e seguidores de um artista. Então, os números podem ser facilmente comparados com outros artistas do mesmo gênero. Depois que um ato gera mais de cem mil seguidores no Facebook ou no Twitter, os gerentes de talentos percebem e começam a despertar o interesse na própria indústria musical.

Big data selecionando o próximo grande sucesso no Top 40

A capacidade de identificar tendências atuais e prever a próxima megastar traz grandes recompensas financeiras para todos os envolvidos. Por exemplo, cientistas de dados estudaram o impacto das mídias sociais nos álbuns do iTunes e acompanharam as vendas comparando as métricas de um com a receita do outro. Eles concluíram que a atividade nas redes sociais está correlacionada a um aumento nas vendas de álbuns e faixas. Mais especificamente, as visualizações do YouTube têm o maior impacto nas vendas; uma descoberta que levou muitas gravadoras a enviar vídeos musicais de grande orçamento para a plataforma para promover singles. Antes de gastar milhões na produção de vídeos, a análise é usada para identificar quais músicas têm probabilidade de se tornarem sucessos com base nas atividades online do público-alvo. A precisão dessas previsões está correlacionada com a qualidade da análise de big data.

Os empresários da indústria musical estão agora a experimentar novos métodos para desenvolver algoritmos que recolhem informações com maior eficiência e precisão. Um dos exemplos mais notáveis ​​é uma joint venture entre a EMI Music e a Data Science London chamada The EMI Million Interview Dataset. É descrito como “um dos maiores e mais ricos conjuntos de dados de apreciação musical já disponibilizados – um conjunto de dados enorme, único, rico e de alta qualidade compilado a partir de pesquisas globais que contém interesses, atitudes, comportamentos, familiaridade e apreciação da música conforme expresso por fãs de música.”

David Boyle, vice-presidente sênior de Insight da EMI Music, explica: “(É) composto por um milhão de entrevistas abordando tópicos como nível de paixão por um determinado gênero e subgênero musical, métodos preferidos para descoberta musical, artistas musicais favoritos, pensamentos sobre pirataria musical, streaming de música, formatos musicais e dados demográficos dos fãs.”

O objetivo do projeto é divulgar essa coleção de informações ao público e melhorar a qualidade dos negócios na indústria musical.

“Tivemos grande sucesso ao usar dados para ajudar a nós e aos nossos artistas a entender os consumidores, e estamos entusiasmados em compartilhar alguns de nossos dados para ajudar outros a fazer o mesmo”, diz Boyle.

Em 2012, a EMI Music and Data Science London levou o projeto um passo adiante ao sediar o Music Data Science Hackathon. A EMC, líder mundial em ciência de dados e soluções de big data, juntou-se ao empreendimento e forneceu infraestrutura de TI. Durante um período de 24 horas, 175 cientistas de dados desenvolveram 1,300 fórmulas e algoritmos para responder à pergunta: “Você consegue prever se um ouvinte vai adorar uma música nova?” Os resultados sugeriram o poder da inteligência coletiva e os participantes desenvolveram fórmulas que foram descritas como de classe mundial.

“Os insights revelados neste hackathon sugerem o poder e o potencial que o Big Data possui – tanto para descoberta intelectual quanto para valor comercial incremental para organizações de todos os tipos”, afirma Chris Roche, Diretor Regional da EMC Greenplum.

Mas como você paga os artistas?

Depois que a indústria determina que uma música tem potencial de sucesso e a lança como single, como ela calcula os royalties quando a música é tocada em plataformas de mídia social ou sites de streaming? Neste momento, “as gravadoras de todos os tamanhos enfrentam um problema crescente de ter que reconciliar resmas de dados de empresas de streaming como Spotify, Deezer e YouTube, mas têm menos pessoas do que nunca para o fazer”.

Um dos desafios centrais do ponto de vista da gestão da informação é que a maioria dos sistemas de gestão de bases de dados não foram desenvolvidos para lidar com conjuntos de dados tão grandes e complexos como big data. Por exemplo, o tamanho dos arquivos de dados digitais gerados pelos distribuidores de música está muito além do que programas como o Excel podem suportar. Isso cria problemas, incluindo dados ausentes e rótulos de arquivos que não são compatíveis com software de contabilidade.

Na maioria dos casos, todas essas questões são resolvidas por contadores, acrescentando tempo e trabalho adicionais a uma carga de trabalho já pesada. Em muitos casos, uma grande percentagem das despesas gerais de uma etiqueta está vinculada ao departamento de contabilidade.

Para combater estes problemas, os empreendedores desenvolvem plataformas de business intelligence que têm a capacidade de organizar e analisar big data. Um dos melhores exemplos é a empresa austríaca Rebeat, que descreve os seus serviços como “contabilidade de royalties com três cliques”. Fundada em 2006, tornou-se rapidamente no principal distribuidor digital da Europa e fornece acesso a 300 serviços digitais em todo o mundo. Essencialmente, o Rebeat agiliza as práticas contábeis e lida com o trabalho de back-end, como combinar campos de dados em software de contabilidade, para que o departamento de contabilidade fique livre para gerenciar orçamentos. Eles também fornecem uma infraestrutura para gerenciar pagamentos de royalties de acordo com acordos contratuais, acordos diretos com lojas de música digital, gerar gráficos para rastrear vendas e, o mais importante, exportar dados para arquivos CSV.

Claro, o serviço tem um preço. A Forbes informou que as gravadoras devem usar a Rebeat como distribuidora para que possam acessar os dados da empresa, o que custa uma comissão de vendas de 15% e uma taxa fixa de US$ 649 por ano. As estimativas sugerem, no entanto, que na maioria dos casos a sobreposição contabilística de uma editora custa muitas vezes muito mais, o que significa que assinar com a Rebeat pode acabar por ser uma poupança de dinheiro.