Hot or Not : 60 년 동안의 Billboard Hot 100 데이터 분석

Unsplash에 이스라엘 팔라시오의 사진

드레이크와 테일러 스위프트는 빌보드 핫 100의 왕이자 여왕이다. 차트에 각각 157 곡과 109 곡을 기록하며 롤링 스톤즈 (57), 엘튼 존 (64), 비틀즈 (64)가 올린 숫자를 무너 뜨렸다. 69). 이를 깨닫고 나는 음악 산업이 시간이 지남에 따라 변화하는 다른 방법, 즉 얼마나 많은 음악이 발매되는지, 누가 그것을 발표하는지, 그리고 그것이 Hot 100에서 어떻게 수행되는지 확인함으로써 다른 방법을 발견하고 싶었습니다. , 핫 100 차트를 구조화 된 표로 다운로드하고 이러한 추세 등을 정량화하기위한 사용자 지정 메트릭을 만들 것입니다.

탐색 적 영상

Billboard Hot 100은 1958 년 8 월에 처음 출시되었으므로이 분석에는 Chris Guo의 API 덕분에 특히 1959 년부터 2019 년까지 (불완전한 2 년인 1958 년과 2020 년은 제외) 매년 매주 데이터가 포함됩니다 .

상위 100 위권을 차지하는 아티스트의 수는 시간이 지남에 따라 감소하고 있습니다. 즉, Hot 100 항목을 놓고 경쟁하는 팝스타의 아레나는 매년 약 3 명 감소합니다. 이 시장은 슈퍼 스타들이 더 적은 수의 동료로 더 많은 노래를 내놓을 준비가되어 있습니다.

팝 음악은 60 년대 후반에 최고조에 달한 다양성을 경험했으며 2001 년에는 반복성이 최고 수준으로 꾸준히 감소했습니다 (동시에 Napster가 최고 인기를 얻었고 폐쇄 된 해). 2001 년 이후 Hot 100의 노래 다양성은 증가했지만 여전히 60 년대만큼 높지는 않습니다.

또 다른 중요한 측정 기준은 노래가 Hot 100에 데뷔 할 때의 턴어라운드입니다. 90 년대와 00 년대 초반에는 긴 초연 연속으로 데뷔하는 데 사용 된 노래입니다. 2010 년으로 넘어 가면 대부분의 노래가 1 ~ 2 주 동안 차트에 올랐다가 다시 올라옵니다.

중앙값은 대부분의 경우를 설명하지만 이상 값이 해당 표준을 방해 할 여지가 있습니다. 다음은 2010 년의 주요 특이 사례입니다.

기억의 길로 여행을 떠나세요… (작가 이미지)

이처럼 눈부신 이상치로 데뷔 기간 중앙값이 어떻게 2 주가 될 수 있을까요? 데이터가 많은 아티스트가 많은 음악을 발표하는 현실을 뒷받침한다고 생각합니다. 대부분은 지속되지 않지만 유지되는 노래는 오래 유지됩니다. CeeLo Green과 Bruno Mars의 거의 1 년 동안 차트에서 통치했던 것을 누가 잊을 수 있습니까!

차트상의 아티스트 수가 점점 줄어들고 있기 때문에 각 아티스트는 연간 1.5 배에서 2 배의 노래를 차트로 기록하고 있으며 2018 년에는 폭발적으로 증가했습니다. 1965 년과 2018 년에 가장 많은 5 명의 아티스트를 비교해보십시오.

비틀즈와 드레이크는 각각 다섯 번째 정규 앨범을 발표 한 해에 (저자 이미지)

"도움!" (1965) by the Beatles는 앨범에 14 개의 노래를 포함하고 Drake의 "Scorpion"(2018)에는 25 개의 노래가 포함되어 있으며 25 개의 노래 모두가 그해에 Hot 100에 올랐습니다. 앨범의 길이가 길어지는 주제에 대해 광범위하게 연구되었으며 Andrew Mays는 다음 주제에 대한 작품을 썼습니다.

스트리밍 시대가 시작되자 Billboard는 Spotify, Apple Music 및 Tidal과 같은 플랫폼에서 주문형 재생을 받았기 때문에 앨범의 노래를 Hot 100 판매보고 용 싱글로 취급하기 시작했습니다. 이는 싱글 보도가 주로 라디오 방송에서 파생 된 20 세기와 대조됩니다. 요즘에는 덜 알려 지거나 버리는 노래가 차트를 만들 가능성이 더 높습니다. 그리고 Drake와 같은 아티스트가 소음을 제거 할 정도의 엄청난 볼륨을 가지고 있기 때문에 스트리밍 시대에는 팝 스타가 LP 및 CD 시대의 아티스트 싱글 레코드를 깨뜨릴 수밖에 없습니다.

뉴 뮤직 시즌 성 트렌드

역대 싱글 음반 문제를 해결하는 것 외에도, 1 년 내내 음악을 발표하기 위해 최고와 최악의 시간을 분석하여 분석을 끝내고 싶었습니다. 기존의 지혜와 음악 마케팅 블로그는 음악 공개에 대한 몇 가지 규칙을 규정합니다. 휴일 음악을 제외하고는 12 월에 공개하지 말고 SXSW 중에 공개하지 않는 등의 방식입니다. 하지만 실제로 출시 된 가장 새로운 음악을 몇 달에 보았는지, 시간이 지남에 따라 어떻게 변했는지 알고 싶었습니다. (확대하려면 클릭)

(작가 별 이미지)

1 월, 2 월 및 9 월은 지속적으로 음악을 발표하기에 좋지 않은시기이며 10 월과 3 월 (SXSW가 발생하는시기)은 일반적으로 새 음악에 매우 좋은시기입니다. 6 월, 11 월, 7 월은 '괜찮은'달이며 나머지는 확고한 결론을 내리기에는 너무 많은 소음이 있습니다.

마지막 생각들

2020 년 신인 아티스트로 음악을 발표하는 것은 20 세기와는 완전히 다른 경험입니다. 당시의 게이트 키핑 세력 중 일부는 우리가 알고있는 소셜 미디어, 유튜브 및 인터넷에 의해 피했습니다. 그러나 알고리즘, 재생 목록 및 디지털 광고와 같은 새로운 시대의 게이트 키퍼는 계속해서 독특한 방식으로 업계에 영향을 미치고 있습니다. 대체로 이러한 힘의 영향으로 신인 뮤지션의 기회가 줄어들고있는 것 같지만, 음악 수익이 예전의 영광으로 돌아 감에 따라 신인 아티스트의 기회가 더 커질 것이라고 생각합니다.

내 분석을 확인해 주셔서 감사합니다! 원시 빌보드 차트에서 위에 표시된 메트릭으로 어떻게 이동했는지 보려면 이 프로젝트에 대한 GitHub 저장소 를 확인하세요.

Suggested posts

IBM Watson Studio의 AutoAI 노트북으로 마술사 코드 깨기

IBM Watson Studio의 AutoAI 노트북으로 마술사 코드 깨기

가장 유명한 행동 강령 중 하나입니다. "마술사는 절대 비밀을 밝히지 않습니다." 그러나 청중이 너무나 놀라워 서 '방금 일어난 일'이라는 느낌에 놀라서 비밀을 밝히지 않는 것이 거의 잔인한 순간이 있습니다.

Python 코드 한 줄로 여러 시계열 예측 모델 학습

Auto-TS 라이브러리를 사용하여 ARIMA, SARIMAX, FB Prophet, VAR 및 ML 모델 개발

Python 코드 한 줄로 여러 시계열 예측 모델 학습

Automated Machine Learning (AutoML)은 기계 학습 파이프 라인의 일부 구성 요소를 자동화하는 것을 말합니다. AutoML은 일부 모델 개발 프로세스를 자동화하여 데이터 과학자의 워크 플로를 가속화합니다.

Related posts

데이터 과학을위한 필수 수학 : 기초 및 기초 변경

데이터 과학을위한 필수 수학 : 기초 및 기초 변경

고유 분해 및 SVD에 유용한 기저의 선형 대수 개념 이해이 기사에서는 고유 분해 또는 특이 값 분해 (SVD)와 같은 행렬 분해 방법을 이해하는 흥미로운 방법 인 기저 개념에 대해 알아 봅니다. 정의 기본은 벡터 공간 (벡터 집합)을 설명하는 데 사용되는 좌표계입니다.

판다와 에라스무스 연구 교환 분석

판다와 에라스무스 연구 교환 분석

Erasmus 프로그램 2011-12에서 발생한 20 만 개의 연구 교환으로 데이터 세트를 분석 한 결과 1987 년 이후 Erasmus 프로그램은 매년 수십만 명의 유럽 학생들에게 한 학기 또는 1 년을 해외에서 보낼 기회를 다른 유럽에서 보낼 수있는 기회를 제공합니다. 경제적 인 지원뿐만 아니라 쉬운 교환 과정을 제공합니다. 유럽의 다양한 사람, 언어 및 문화에 대한 마음과 마음을 열어주는 정말 귀중한 경험입니다.

데이터 과학을위한 8 가지 기본 통계 개념

… 평범한 영어로 설명

데이터 과학을위한 8 가지 기본 통계 개념

통계는 "수량 데이터의 수집, 분석, 해석 및 표현을 다루는 수학의 한 분야"입니다. 프로그래밍과 기계 학습을 혼합하면 데이터 과학의 핵심 기술에 대해 꽤 잘 설명 할 수 있습니다.

데이터 과학의 9 가지 거리 측정

일반적인 거리 측정의 장점과 함정

데이터 과학의 9 가지 거리 측정

감독되거나 감독되지 않는 많은 알고리즘은 거리 측정을 사용합니다. 유클리드 거리 또는 코사인 유사성과 같은 이러한 측정은 종종 k-NN, UMAP, HDBSCAN 등과 같은 알고리즘에서 찾을 수 있습니다.