¿Es posible predecir el éxito comercial de la música? - Era Digital
Menú Cerrar

¿Es posible predecir el éxito comercial de la música?


¿Quién no estaría de acuerdo en que la música conecta con tu alma? Uniendo el pasado, el presente y el futuro de comunidades humanas eclécticas en un tejido llamado humanidad, la música ha sido un vínculo común (económico, social y tecnológico) entre diferentes aspectos de la sociedad a lo largo de la historia. Según un informe del corresponsal musical de la BBC, Mark Savage, el lanzamiento de álbumes de artistas conocidos como Taylor Swift, Adele, Beyoncé y BTS en 2021 experimentó la tasa de crecimiento más rápida en el mercado mundial de la música desde la década de 1990. La transmisión de música representa el 65% de los ingresos acumulados y se está convirtiendo en el nuevo motor para impulsar la popularidad de la música grabada.

Aunque la industria de la música crece a un ritmo imparable, también lo hace la tasa de fracaso. Si bien las cifras monetarias indican la lucrativa rentabilidad de invertir en la industria musical, los expertos advierten que estas ganancias no se distribuyen de manera homogénea. En el mismo informe de la BBC, Paulo Pacifico, director ejecutivo de la Asociación de Música Independiente, dijo: «Seguirá siendo muy difícil conciliar las cifras positivas del mercado en su conjunto con la difícil realidad de ganarse la vida con la música de forma individual. » En otras palabras, solo los músicos más raros de los más raros tienen la suerte de tener éxito en la industria. Esto nos lleva a la pregunta: ¿Qué impulsa el éxito comercial de la música?

Pregúntale a cualquier amante de la música y te dirá que una lista de reproducción o un álbum no es solo una lista de canciones; más bien, es una selección significativa de música que retrata un tema, cuenta una historia o establece un estado de ánimo para el oyente. Debido a que el éxito de los productos creativos, como los álbumes, depende de la experiencia percibida de los consumidores, a menudo es difícil predecirlo por adelantado.

Pero en un reciente Revista de investigación de mercados Khaled Boughanmi y Asim Ansari desarrollaron un nuevo marco de aprendizaje automático que utiliza las propiedades acústicas de las canciones (p. ej., niveles de energía, vivacidad, bailabilidad), metadatos y datos de texto generados por el usuario para predecir el éxito de los álbumes de música. Su modelo ayuda a predecir el éxito y recomendar y diseñar álbumes y listas de reproducción. Han demostrado la superioridad de su marco al usarlo para predecir el éxito de los productos musicales en las últimas cinco décadas. Los resultados de esta investigación resaltan la importancia de varias propiedades acústicas para el éxito del álbum y brindan información importante sobre la evolución de la música popular. El artículo también proporciona un resumen vívido de las experiencias y percepciones de los oyentes sobre varios géneros y subgéneros musicales.

Los resultados de esta investigación resaltan la importancia de varias propiedades acústicas para el éxito del álbum y brindan información importante sobre la evolución de la música popular.

Tuvimos la oportunidad de contactar a los autores para obtener más información sobre su estudio y obtener información adicional. Lea las siguientes preguntas y respuestas con los autores para saciar aún más su curiosidad:

P: ¿Qué te motivó a dedicarte al estudio de los determinantes experienciales del éxito musical?

R: Exploramos esta área por dos razones principales. Primero, esta es un área de interés personal. Como amantes de la música, queríamos estudiar un área con la que tengamos una conexión genuina y personal. En segundo lugar, hubo poco trabajo de marketing en torno a las preferencias musicales desde una perspectiva de contenido. Esto se debió principalmente a la falta de datos y la indisponibilidad de las herramientas estadísticas y matemáticas que harían posible dicho análisis. Nuestra capacidad para recopilar datos de múltiples fuentes en línea actualmente disponibles, combinada con nuestro conocimiento de la metodología adecuada, nos brindó la oportunidad perfecta para trabajar con dinámicas musicales.

P: ¿A qué desafíos se enfrentó al realizar esta investigación?

R: Enfrentamos tres desafíos principales. El primer desafío fue la recopilación de datos. Dado que planeábamos estudiar la naturaleza multifacética de la música, necesitábamos datos acústicos y descriptores generados por los usuarios para estudiar los determinantes del éxito musical. El segundo desafío fue metodológico. Teníamos datos de diferentes modalidades y necesitábamos desarrollar una metodología que pueda combinar diferentes tipos de datos. Finalmente, necesitábamos incorporar la dinámica en nuestro marco de modelado. Dado que tomamos una ruta semiparamétrica, esta tarea no fue sencilla.

P: Aunque en el artículo se han demostrado varias aplicaciones de marketing del modelo propuesto, sería bueno saber qué otras áreas cree que podrían beneficiarse de los resultados del estudio.

R: Aunque nuestro método se aplicó a un contexto musical, los profesionales y académicos de otras industrias podrían utilizar nuestro enfoque propuesto. Por ejemplo, en cualquier entorno en el que estén disponibles datos estructurados y no estructurados sobre productos, los investigadores pueden obtener información mediante el modelado de la evolución intertemporal de los factores de éxito, como lo hacemos nosotros. Además, varios aspectos de nuestra metodología son novedosos y los investigadores pueden utilizar los diversos componentes de nuestro marco en sus esfuerzos de modelado.

P: Llevar a cabo dicho estudio debe haber requerido un buen conocimiento de la música y la industria de la música (por ejemplo, el uso intrincado de notas musicales, tono, tempo, etc.), que es una cuestión de experiencia en la materia. Por lo tanto, ¿tiene alguna experiencia en la música?

R: No tenemos formación académica en música. Pero adquirimos los conocimientos necesarios para estudiar las materias. Esto fue más fácil porque el artículo era parte de la tesis de Khaled, que necesariamente requiere una inmersión profunda en un tema. Esto se hizo leyendo artículos relevantes publicados en revistas de música y libros que describen el desarrollo de la música en los Estados Unidos. Las discusiones con colegas que tenían experiencia musical también ayudaron a dar forma a nuestra investigación.

P: ¿Cuál es su consejo para los investigadores que quisieran extender esta investigación a su trabajo?

R: Alentamos a otros investigadores a trabajar en el consumo de bienes experienciales. Las nuevas tecnologías nos permiten modelar bienes experienciales como la música, los juegos y el arte utilizando el aprendizaje automático y las representaciones basadas en el aprendizaje profundo.

Estas áreas están poco estudiadas en marketing cuantitativo y ofrecen nuevas e interesantes vías de investigación. Alentaríamos a nuestros pares a traer nuevos datos y nuevos tipos de modelos al campo del marketing. Estudiar estas áreas también dará paso a nuevos conocimientos sobre el comportamiento del consumidor en dominios experienciales.

Lee el artículo completo:

Khaled Boughanmi y Asim Ansari (2021), «Dinámica del éxito musical: un enfoque de aprendizaje automático para la fusión de datos multimedia» Revista de investigación de mercados, 58 (6), 1034-57. doi:10.1177/00222437211016495

Tejaswi Pant es candidato a doctorado en Marketing, Instituto Indio de Gestión Udaipur, India.

Shrestha es candidata a doctorado en Marketing, Instituto Indio de Gestión Udaipur, India.



Source link

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *