تحقیقات و یافتهها به رهبری پارت سینها، پاول تلیکا و نیکیتا جساییبگیانس

پیشینه در ده سال گذشته، پلتفرم های پخش دیجیتال (DSP) به شکل پیشرو در مصرف موسیقی در سراسر جهان تبدیل شده اند. تغییرات اخیر و بسیار سریع را می توان در نحوه عملکرد صنعت موسیقی مشاهده کرد، از عادات مصرف شنوندگان گرفته تا معیارها و ابزارهای ارزیابی محبوبیت و موفقیت هنرمندان. بیشتر و بیشتر موفقیت تجاری هر آهنگ معین به تعامل کاربر با الگوریتم های DSP و هوش مصنوعی (AI) بستگی دارد که نتیجه مستقیم مکانیزم های شخصی سازی موجود است. در نتیجه، این منجر به تغییرات اساسی در نحوه نگارش، خلق و تولید موسیقی می شود.

در این گزارش می خواهیم بررسی کنیم که این تغییرات چگونه مدت زمان آهنگ های مدرن را تغییر می دهد و سعی می کنیم به سوالات جالبی پاسخ دهیم. آیا مدت زمان آهنگ برای موفقیت و محبوبیت انتشار بسیار مهم است؟آیا الگوی روشنی وجود دارد که نشان دهد مدت زمان به یکی از ابزارهای متریک دقیق تبدیل شده است که پتانسیل تجاری محصول موسیقی را نشان می دهد؟و اگر چنین است، آیا به این معنی است که یک هنرمند موسیقی امروزه اگر بخواهد موفق باشد، فضای زیادی برای خلاقیت و بینش هنری ندارد؟

در زیر تلاش خود را برای پاسخ به این سؤالات با تجزیه و تحلیل مجموعه داده های متنوعی از آهنگ های قرن 21 منتشر شده در Spotify ارائه می دهیم. مجموعه داده شامل حدود 211000 آهنگ است که ابتدا بین سال های 2000-2021 منتشر شد. برای اطلاعات بیشتر در مورد این مجموعه داده به پیوست A مراجعه کنید.

نگاه اول

به عنوان نقطه شروع تحقیقات خود، ما سعی کرده ایم ببینیم آیا می توان الگوی کلی در مدت زمان آهنگ ها را فوراً شناسایی کرد. کل مجموعه داده برای تعیین میانگین سالانه مدت آهنگ ها و بررسی پیشرفت آن در طول سال ها استفاده شده است. این در شکل 1 ارائه شده است.

شکل 1. مدت زمان متوسط مسیرها در سال. نمودار روند کاهشی مدت زمان را نشان می دهد.

نمودار نشان می دهد که میانگین مدت آهنگ در طول افق 20 ساله کاهش یافته است، که به وضوح روند نزولی کلی را به تصویر می کشد، به طوری که نرخ کاهش به سرعت در حال رشد بوده است. میانگین مدت آهنگ ها در طول پنج سال گذشته به شدت کاهش یافته است، همزمان با اهمیت روزافزون معیارهای هوش مصنوعی و توصیه های شخصی.

مدت زمان و محبوبیت

در حال حرکت ، توزیع مدت زمان آهنگ ها بین سالهای 2000-2021 در شکل 2 تجسم شده است. در این مرحله ، ما فقط روی آهنگ های محبوب فقط تمرکز نمی کنیم ، بنابراین آهنگ های کل طیف شاخص محبوبیت Spotify (از0 تا 100) استفاده شده است. بلافاصله ، یک هیستوگرام معمولی توزیع شده با اوج در 214 ثانیه قابل مشاهده است ، به این معنی که محبوب ترین مدت زمان آهنگ در مجموعه داده ما در اطراف این مقدار اوج است. این بلافاصله این سؤال را مطرح كرد كه آیا دامنه مورد نظر از مقادیر مدت زمان وجود دارد كه محبوبیت آهنگ را به حداکثر می رساند.

شکل 2. هیستوگرام توزیع مدت زمان نمایش همه آهنگ ها در سالهای 2000-2021. مدت زمان اوج 214 ثانیه است.

مقادیر شاخص محبوبیت از کل محدوده 0-100 به محدوده متمرکز تر 70-100 کاهش یافته است تا چشم انداز بهتری از رابطه بین مدت زمان آهنگ و محبوبیت داشته باشد. شکل 3 و 4 توزیع مدت زمان محبوب ترین آهنگ ها را از 2010-1015 (شکل 3) و از 2016-2021 (شکل 4) مقایسه می کند. روند کاهش مدت زمان آهنگ ها که قبلاً مشخص شده اند ، می توانند دوباره مشاهده شوند که فقط محبوب ترین آهنگ ها در نظر گرفته می شوند. مقایسه این دو توزیع ، تغییر اوج مدت قابل توجهی از 225 ثانیه در 2010-1015 به 198 ثانیه در سال 2016-2021 را نشان می دهد. این نشان می دهد که محبوب ترین آهنگ های تولید شده و منتشر شده در Spotify روند مشخصی را به سمت مدت زمان کوتاه تر نشان می دهد.

این واقعیت که محبوب ترین آهنگ های موجود در اکوسیستم Spotify به طور مداوم دنبال مسیر نزولی در مدت زمان آنها است ، فرضیات اصلی ما را تأیید می کند. ما توضیحات و پیامدهای این پدیده را در بخش خلاصه پوشش می دهیم ، اما قبل از آن ، بیایید به یافته جالب دیگری که در این مطالعه بدست آمده است ، شیرجه بزنیم.

شکل 3. هیستوگرام توزیع مدت زمان نمایش محبوب ترین آهنگ ها در سالهای 2010-2015. مدت زمان اوج 225 ثانیه است.

شکل 4. هیستوگرام توزیع مدت زمان نمایش محبوب ترین آهنگ ها در سالهای 2016-2021. مدت زمان اوج 198 ثانیه است.

"اثر lo-fi"

در حالی که تجزیه و تحلیل شکل 2 ، "دست انداز" در توزیع اطراف منطقه 60-100 ثانیه مشاهده شد. این وقوع در شکل 3 و 4 مشاهده نشده است. در نتیجه ، این موضوع در عمق بیشتری مورد بازرسی قرار گرفت ، که منجر به کشف بینش جذاب شد.

شکل 5 ، 6 و 7 جدیدترین نسخه ها (آهنگ های 2020 و 2021) را در محدوده محبوبیت مختلف نشان می دهند. جالب اینجاست که همان "دست انداز" در توزیع مدت ، همانطور که در شکل 2 مشاهده شد ، در شکل 5 مشاهده می شود ، جایی که آهنگ های همه شاخص های محبوبیت نمایش داده می شود. با این حال ، این در شکل 6 مشاهده نمی شود ، جایی که شاخص محبوبیت در 60-100 نگه داشته شده است.

شکل 7 و 8 ترانه ها را از همان دوره 2020-2021 نشان می دهد ، اما با شاخص های محبوبیت 0-30 (شکل 7) و 30-60 (شکل 8). شکل 7 توزیع بسیار گسترده ای را با بسیاری از آهنگ ها در مدت زمان های مختلف نشان می دهد ، اما هیچ "دست انداز" مشخصی در 60-100 ثانیه نمی تواند در مقایسه با سایر محدوده ها مشاهده شود. با این حال ، شکل 8 چیزی بسیار جالب را نشان می دهد ، جایی که همان "دست انداز" در 60-100 ثانیه بار دیگر دوباره زنده می شود. علاوه بر این ، اکنون در مقایسه با اوج توزیع اصلی حتی مهمتر است. این مشاهدات باعث شد تا اعتقاد داشته باشیم که این پدیده می تواند با برخی از خانواده های ژانر خاص با ترجیحات مدت خاص خود مرتبط باشد.

شکل 5. هیستوگرام توزیع مدت زمان نمایش همه آهنگ ها در سالهای 2020-2021."برجستگی" در توزیع را می توان در مدت زمان 60-100 ثانیه مشاهده کرد.

شکل 6. هیستوگرام توزیع مدت زمان نمایش محبوب ترین آهنگ ها در سالهای 2020-2021. هیچ "دست انداز" غیرمعمول در توزیع زیر 100 ثانیه وجود ندارد.

شکل 7. هیستوگرام توزیع مدت زمان نمایش آهنگ ها با شاخص محبوبیت 0-30 در سالهای 2020-2021.

شکل 8. هیستوگرام توزیع مدت زمان نمایش آهنگ ها با شاخص محبوبیت 30-60 در سالهای 2020-2021."برجستگی" در توزیع را می توان در مدت زمان 60-100 ثانیه مشاهده کرد. این پدیده "Lo-Fi" می تواند به ظهور موسیقی Lo-Fi در سالهای اخیر گره خورده باشد.

بر اساس شواهد ارائه شده در بالا ، فرضیه ای تدوین شده است که احتمالاً موسیقی Lo-Fi بخشی از توضیحات مربوط به "دست انداز" در توزیع به دلیل مدت زمان طبیعی آهنگ کوتاه تر است. و تلاش ما برای ایجاد پروفایل محبوبیت بزرگترین لیست های پخش در این ژانر. در حالی که به بررسی تعداد محبوبیت و طول اوج آهنگ می پردازیم ، ارتباط با افزایش زیاد محبوبیت موسیقی مطالعه Lo-Fi برقرار شده است. در این گروه ، کل تأکید بر مفهوم "کمیت بیش از کیفیت" بر خلاف برند هنرمندان و زیر است. علاوه بر این ، شاخص محبوبیت اکثر آهنگ های LO-FI در بزرگترین لیست پخش سرمقاله Spotify بین 40 تا 60 است که کاملاً با توزیع "دست انداز" و بقیه یافته های ما همزمان است. در نتیجه ، "اثر Lo-Fi" در شکل های 9 و 10 ، جایی که دامنه های سال گسترده تر در نظر گرفته می شود ، مورد تجزیه و تحلیل قرار می گیرد.

آهنگ های سال 2006-2013 با شاخص محبوبیت زیر 60 در شکل 9 نشان داده شده است ، که در آن هیچ ناهنجاری قابل توجهی در اطراف منطقه 100 ثانیه مشاهده نمی شود. با این حال ، با نگاهی به شکل 10 ، که آهنگ ها را از سال 2014-2021 با همان محبوبیت نشان می دهد ، "اثر Lo-Fi" در حدود 60-100 ثانیه مشاهده می شود. این می تواند با این واقعیت توضیح داده شود که ژانر موسیقی مطالعه Lo-Fi در حدود سال 2014-2015 به رسمیت شناخته شده جهانی آغاز شده و فرض ما را بیشتر می کند. اگرچه این اثر فقط به ژانر LO-Fi نمی توان نسبت داد ، اما نشان می دهد که موسیقی Lo-Fi در آن نقش دارد. اکوسیستم Lo-Fi قوی ترین پیوندی بود که به ناهنجاری ها در توزیع ها بدست آمد ، که به دلیل عدم وجود الگوی واضح و طبقه بندی ژانر برای بسیاری از آهنگ های کوتاه تقویت شد. علاوه بر این ، قطعه های کوتاه مانند جلوه های نویز و سایرین در مقایسه با دامنه 40-60 موجود در لیست های پخش LO-Fi ، مقادیر محبوبیت بسیار کمتری دارند. در نتیجه ، "اثر Lo-Fi" با یافته های این گزارش متناسب است-مدت زمان پایین محبوبیت و پتانسیل پذیرش لیست پخش یک آهنگ را به حداکثر می رساند. از این پس ، کاهش مدت زمان آهنگ ها بر روند تفکر تولید کنندگان در این ژانر حاکم است. این یافته ما را به سؤالاتی که در ابتدای این گزارش از ما خواسته ایم ، باز می گرداند ، که در بخش نتیجه گیری به آنها خواهیم پرداخت.

شکل 9. هیستوگرام توزیع مدت زمان نمایش آهنگ ها با شاخص محبوبیت 0-60 در سالهای 2006-2013. هیچ "دست انداز" قابل توجهی در توزیع زیر 100 ثانیه مشاهده نمی شود.

شکل 10. هیستوگرام توزیع مدت زمان نمایش آهنگ ها با شاخص محبوبیت 0-60 در سالهای 2014-2021."برجستگی" در توزیع را می توان در مدت زمان 60-100 ثانیه مشاهده کرد. این همزمان با ظهور موسیقی Lo-Fi است.

خلاصه و نتیجه گیری

در نتیجه ، تجزیه و تحلیل داده های ما نشان می دهد که مدت زمان ارجح با توجه به محبوبیت یک آهنگ و موفقیت کلی یک نسخه کوتاه تر و کوتاه تر می شود. این ما را به سؤالاتی که در ابتدای این گزارش مطرح کرده ایم سوق می دهد و روندهای کلی در صنعت موسیقی را تأیید می کند.

امروزه موفقیت یک نسخه صرفاً با پیشرفت آن در سیستم عامل های اصلی جریان و رسانه های اجتماعی تعیین می شود. در نتیجه ، کل صنعت خلاق از جمله هنرمندان و برچسب ها اقدامی ناخودآگاه را برای سازگاری با چشم انداز در حال تغییر اکوسیستم موسیقی انجام داد. روند نزولی مدت زمان آهنگ ها الگوی روشنی از کاهش توجه مصرف کننده موسیقی متوسط را برجسته می کند. همچنین نشان می دهد که آهنگ های کوتاه تر شانس بیشتری برای دستیابی به شنوندگان بیشتر و جلب توجه آنها دارند. در نتیجه ، می توان مشاهده کرد که چگونه استفاده از آهنگ های کوتاه تر می تواند شانس هنرمندان را برای به حداکثر رساندن دسترسی و درآمد افزایش دهد. این امکان را می دهد تا مطالب بیشتری را منتشر کند ، که می تواند در تعداد بیشتری از آهنگ های کوتاه تر پخش شود. علاوه بر این ، همانطور که هوش مصنوعی Spotify با استفاده از معیارهایی مانند نرخ پایان و میزان پرش ، کشش و محبوبیت یک آهنگ را تعیین می کند ، کاملاً آشکار می شود که آهنگ هایی با مدت زمان طولانی تر بر خلاف مواد کوتاه تر از دست می دهند ، که شانس بیشتری برای گوش دادن به آنها داردبه طور کامل

DSP های اصلی مانند Spotify Pay Artists اگر مخاطبانشان بیش از یک آستانه خاص به آهنگ خود گوش دهند (به عنوان مثال 30 ثانیه گذشته). یک هنرمند باید در طول 30 ثانیه اولیه به اندازه کافی با مخاطب ارتباط برقرار کند تا اطمینان حاصل کند که از این اثر گذشته است. این امر با پایین آمدن مدت زمان آهنگ آسان تر می شود. با افزودن این امر ، ابزارهای مهم متریک Spotify مانند نرخ تکرار و افزودنیهای لیست پخش نیز به دلایل مشابه به حداکثر می رسد ، زیرا آهنگ های کوتاه تر و کوتاه تر از آهنگ های طولانی بسیار ساده تر است.

برخی از هنرمندان در کارهای اخیر خود شروع به استفاده از این مشاهدات کردند. دریک آلبوم Scorpion را با تعداد زیادی آهنگ کوتاه منتشر کرده است ، زیرا او برای هر آهنگ به صورت جداگانه پرداخت می شود. حتی اگر کل آلبوم به طور کامل به آن گوش ندهد ، برخی از آهنگ ها همچنان به شدت پخش می شوند. این منجر به افزایش تعداد کلی آهنگ های پخش شده می شود در حالی که زمان جریان ثابت نگه داشته می شود و درآمد بیشتری را برای هنرمندان به همراه می آورد. به نظر می رسد که این روند آهنگ های کوتاه تر تا زمانی که روش چگونگی تغییر دستمزد هنرمندان ادامه یابد ، ادامه می یابد.

این روند سرویس جریان همراه با عادت های مصرف برنامه های رسانه های اجتماعی مانند اینستاگرام و Tiktok رفتار مصرف کنندگان موسیقی را تغییر داده است. مردم از فیلم های کوتاه تر و همچنین آهنگ ها در تلاش برای دستیابی به رضایت سریع از سیستم عامل های رسانه ای لذت می برند. این توضیح می دهد که چرا موسیقی محبوب پنج سال گذشته دچار تحول قابل توجهی شده است. به محض اینکه بزرگترین نام های صنعت موسیقی برای برآورده کردن شنونده مدرن سازگار با مدت زمان کوتاه تر شد ، بقیه صنعت موسیقی از این خواستگاری پیروی کردند که سعی در ماندن در این روند و همچنین به حداکثر رساندن پتانسیل تجاری مطالب آنها داشتند. در حال حاضر تأکید بر مدت زمان آهنگ پایین تر در اکثر ژانرها عادی شد. هنرمندان موسیقی در سراسر جهان شروع به تطبیق محصولات نهایی خود با ترجیحات فعلی مصرف کنندگان موسیقی کردند ، و همچنین به طور طبیعی کپی کردن بینش هایی که از بزرگترین هنرمندان این صنعت "فریب خورده" هستند.

از طرف دیگر ، همچنین سؤالاتی در مورد اینکه آیا وضعیت مرغ در مقابل تخم مرغ در این مورد وجود دارد ، وجود دارد. آیا ممکن است که در این مرحله توصیه هوش مصنوعی و محاسبه معیارهایی باشد که به طور مداوم ترجیحات شنوندگان را به شما اطلاع می دهد و تغییر می دهد؟حتی اگر مزایا و علیت کلی مدت زمان پایین مشهود باشد ، ما همچنین نمی توانیم این احتمال را رد کنیم که تأکید بیشتر بر طبقه بندی و شخصی سازی دستگاه محور در حال حاضر می تواند ایجاد سناریویی باشد که در آن هوش مصنوعی است که تغییرات را هدایت می کند و بیشتر بر ترجیحات تأثیر می گذارداز شنونده موسیقی

این گزارش به تصویر می کشد که چگونه Spotify به یک "مسابقه به سمت پایین" در حوزه مدت زمان دامن می زند، جایی که طول آهنگ ها کوتاه تر و کوتاه تر می شوند تا کاهش توجه کاربران و همچنین پیشرفت الگوریتمی و معیارهای اسپاتیفای مانند تکرار آهنگ ها را کاهش دهد. نرخ پرش و نرخ پایان بالاتر. نتیجه گیری در اینجا کاملاً واضح نیست - علیرغم نوآوری و دسترسی، تأثیری بر ذهنیت جهانی هنرمند موسیقی در تولید، خلق و تبلیغ نیز وجود دارد. از یک طرف، DSPهایی مانند Spotify به طرز فکر کاربر معمولی جدید برای دنبال کردن پیشرفت طعم شنونده موسیقی پاسخ می دهد. با این حال، از سوی دیگر، دامنه خلاقیت و بینش هنری شخصی به شدت بی ارزش می شود. این امر هنرمندان را با دوراهی در تولید محصولات موسیقی موفق در مقابل پیروی از ادراک و ترجیح موسیقایی خود مواجه می کند. در نتیجه، ما باید این سوال را مطرح کنیم که حد بین ارضای ترجیحات کاربر در حال تغییر کجاست، در حالی که فضایی برای نوآوری باقی می ماند. از چه زمانی الگوی مدت زمان شروع به اطلاع رسانی ترجیحات کاربران به جای اطلاع از آنها می کند؟

پیوست اول

مجموعه داده ای که در این تحقیق استفاده شد توسط Yamac Eren Ay ایجاد و در وب سایت Kaggle منتشر شد. این شامل حدود 600 هزار آهنگ است که بین سال های 1922 و 2021 در بازار Spotify ایالات متحده منتشر شده است. مجموعه داده را مشاهده کنید و در مورد آن بیشتر بدانید. مجموعه داده ها به آهنگ های منتشر شده در قرن بیست و یکم کاهش یافت. شکل A توزیع آهنگ هایی را که در سال مورد استفاده قرار گرفته اند نشان می دهد.

شکل A. تعداد آهنگ های منتشر شده در سال در مجموعه داده های مورد استفاده در مطالعه حاضر.