از هر عاشق موسیقی بپرسید و آنها به شما خواهند گفت که یک لیست پخش یا آلبوم فقط یک لیست از آهنگ ها نیست. در عوض، این یک تنظیم معنادار از موسیقی است که یک موضوع را به تصویر میکشد، داستانی را بیان میکند یا برای شنونده حال و هوای ایجاد میکند. از آنجایی که موفقیت محصولات خلاقانه مانند آلبوم ها به تجربه احساسی مصرف کنندگان بستگی دارد، اغلب پیش بینی آن از قبل دشوار است.
ما این فرصت را داشتیم که با نویسندگان تماس بگیریم تا درباره مطالعه آنها بیشتر بدانیم و بینش بیشتری به دست آوریم. برای رفع کنجکاوی خود، پرسش و پاسخ زیر را با نویسندگان بخوانید:
خالد بوگنمی و عاصم انصاری (2021)، «دینامیک موفقیت موسیقی: رویکرد یادگیری ماشینی برای تلفیق دادههای چند رسانهای»، مجله تحقیقات بازاریابی، 58 (6)، 1034-57. doi:10.1177/00222437211016495
اطلاعات بیشتر JMR Scholarly Insights
اگرچه صنعت موسیقی با سرعتی غیرقابل توقف در حال رشد است، نرخ شکست نیز به همین ترتیب است. در حالی که ارقام پولی سودآوری پرسود سرمایه گذاری در صنعت موسیقی را نشان می دهد، کارشناسان هشدار می دهند که این سودها به طور یکسان توزیع نمی شود. در همان گزارش بیبیسی، پائولو پاسیفیکو، مدیر عامل انجمن موسیقی مستقل گفت: «تطبیق اعداد مثبت در کل بازار با واقعیت سخت ایجاد زندگی در موسیقی توسط یک فرد بسیار دشوار خواهد بود.» به عبارت دیگر، تنها نادرترین نوازندگان نادر هستند که به اندازه کافی خوش شانس هستند که در این صنعت موفق شوند. این ما را به این سؤال هدایت می کند: چه چیزی باعث موفقیت تجاری موسیقی می شود؟
تجاسوی پنت دانشجوی دکترای بازاریابی، موسسه مدیریت هند اودایپور، هند است.
پاسخ: ما با سه چالش اصلی روبرو بودیم. اولین چالش جمع آوری داده ها بود. همانطور که ما برای مطالعه ماهیت چند وجهی موسیقی برنامه ریزی کردیم، به داده های صوتی و همچنین توصیفگرهای تولید شده توسط کاربر برای مطالعه عوامل تعیین کننده موفقیت موسیقی نیاز داشتیم. چالش دوم روش شناختی بود. ما داده هایی با روش های مختلف داشتیم و نیاز به توسعه روشی داشتیم که بتواند انواع مختلف داده ها را ترکیب کند. در نهایت، ما نیاز داشتیم که دینامیک را در چارچوب مدلسازی خود بگنجانیم. از آنجایی که ما یک مسیر نیمه پارامتریک را انتخاب کردیم، این کار ساده نبود.
با این حال، در اخیر مجله تحقیقات بازاریابی خالد بوقانمی و عاصم انصاری چارچوب جدیدی برای یادگیری ماشینی ایجاد کردهاند که از ویژگیهای آکوستیک آهنگ (مثلاً سطوح انرژی، سرزندگی، رقصپذیری)، ابردادهها و دادههای متنی تولید شده توسط کاربر برای پیشبینی موفقیت آلبومهای موسیقی استفاده میکند. مدل آنها به پیش بینی موفقیت و توصیه و طراحی آلبوم ها و لیست های پخش کمک می کند. آنها برتری چارچوب خود را با استفاده از آن برای پیش بینی موفقیت محصولات موسیقی در پنج دهه گذشته نشان داده اند. یافتههای این تحقیق اهمیت ویژگیهای مختلف آکوستیک را در موفقیت آلبوم برجسته میکند و بینشهای کلیدی را در مورد تکامل موسیقی محبوب به دست میدهد. این مقاله همچنین خلاصهای واضح از تجربیات و درک شنوندگان از ژانرها و زیرژانرهای مختلف موسیقی ارائه میکند.
س: در حالی که چندین کاربرد بازاریابی مدل پیشنهادی در مقاله به نمایش گذاشته شده است، بسیار خوب است که بدانید کدام حوزه های دیگر می توانند از یافته های این مطالعه بهره مند شوند.
س: انجام چنین مطالعه ای باید دارای دانش کاملی از موسیقی و صنعت موسیقی باشد (مثلاً استفاده پیچیده از نت های موسیقی، زیر و بم، تمپو و غیره)، که موضوعی تخصصی است. بنابراین، آیا سابقه ای در زمینه موسیقی دارید؟
س: انگیزه شما از ادامه مطالعه بر روی عوامل تجربی تعیین کننده موفقیت موسیقی چه بود؟
پاسخ: ما این منطقه را به دو دلیل اصلی بررسی کردیم. اول، این یک حوزه مورد علاقه شخصی است. ما به عنوان دوستداران موسیقی می خواستیم رشته ای را مطالعه کنیم که ارتباط واقعی و شخصی با آن داریم. دوم، کار کمی در بازاریابی پیرامون ترجیحات موسیقی از منظر محتوا وجود داشت. این اساساً به دلیل کمبود داده ها و در دسترس نبودن ابزارهای آماری و ریاضی بود که چنین تحلیلی را ممکن می کرد. توانایی ما برای خراش دادن داده ها از چندین منبع آنلاین که در حال حاضر در دسترس هستند، همراه با دانش ما در مورد روش شناسی مناسب، فرصتی عالی برای کار روی پویایی موسیقی در اختیار ما قرار داد.
س: در حین انجام این تحقیق با چه چالش هایی مواجه شدید؟
چه کسی موافق نیست که موسیقی با روح شما ارتباط دارد؟ در کنار هم قرار دادن گذشته، حال و آینده جوامع انسانی التقاطی در بافتی به نام انسانیت، موسیقی پیوند مشترکی – از لحاظ اقتصادی، اجتماعی و فناوری – بین جنبههای مختلف جامعه در طول تاریخ بوده است. بر اساس گزارش مارک ساویج، خبرنگار موسیقی بیبیسی، انتشار آلبومهای هنرمندان سرشناسی مانند تیلور سویفت، ادل، بیانسه و بیتیاس باعث شد که سال 2021 شاهد سریعترین نرخ رشد درآمد در بازار موسیقی جهانی از دهه 1990 باشد. پخش موسیقی با احتساب 65 درصد از درآمد انباشته، به موتور جدیدی در افزایش محبوبیت ضبطهای موسیقی تبدیل شده است.
شرستا دانشجوی دکترای بازاریابی، موسسه مدیریت هند اودایپور، هند است.
منبع
س: توصیه شما به محققینی که مایلند این تحقیق را به کار خود تعمیم دهند چیست؟
این حوزه ها در بازاریابی کمی مورد مطالعه قرار نگرفته اند و راه های جدید و جالبی برای تحقیق ارائه می دهند. ما همتایان خود را تشویق میکنیم که دادههای جدید و انواع جدیدی از مدلسازی را به حوزه بازاریابی بیاورند. مطالعه این حوزه ها همچنین بینش جدیدی را در مورد رفتار مصرف کننده در حوزه های تجربی به دست می دهد.
پاسخ: ما سابقه آکادمیک موسیقی نداریم. با این حال، ما دانش لازم برای مطالعه موضوعات را کسب کردیم. این آسانتر بود، زیرا مقاله بخشی از پایاننامه خالد بود، که لزوماً نیاز به بررسی عمیق یک موضوع دارد. این کار از طریق خواندن مقالات مرتبط منتشر شده در مجلات موسیقی و کتابهایی انجام شد که به جزئیات تکامل موسیقی در ایالات متحده پرداختند. همچنین، گفتگو با همکارانی که تخصص موسیقی داشتند به ما در شکلدهی تحقیقات کمک کرد.
یافتههای این تحقیق اهمیت ویژگیهای مختلف آکوستیک را در موفقیت آلبوم برجسته میکند و بینشهای کلیدی را در مورد تکامل موسیقی محبوب به دست میدهد.
مقاله کامل را بخوانید:
پاسخ: در حالی که روششناسی ما در زمینه موسیقی اعمال میشود، متخصصان و دانشگاهیان در چندین صنعت دیگر میتوانند از رویکرد پیشنهادی ما استفاده کنند. برای مثال، در هر محیطی که دادههای ساختاریافته و بدون ساختار در مورد محصولات موجود است، محققان میتوانند مانند ما، با مدلسازی تکامل بین زمانی عوامل موفقیت، بینشهایی را به دست آورند. علاوه بر این، چندین جنبه از روش شناسی ما جدید هستند و محققان می توانند از اجزای مختلف چارچوب ما در تلاش های مدل سازی خود استفاده کنند.
پاسخ: ما سایر محققان را تشویق می کنیم که در مصرف کالاهای تجربی کار کنند. فناوریهای جدید به ما امکان میدهند کالاهای تجربی مانند موسیقی، بازی و هنر را با استفاده از یادگیری ماشینی و بازنماییهای مبتنی بر یادگیری عمیق مدلسازی کنیم.