[dropcap3]”S[/dropcap3]ono solo canzonette” cantava Edoardo Bennato…
Erano gli anni ’80 del secolo scorso, procacciatori di talenti delle case discografiche frequentavano sperduti locali, andavano ai concerti di band sconosciute e ascoltavano ore di registrazioni amatoriali per individuare, grazie a istinto ed esperienza, la futura stella del firmamento discografico. E oggi?
L’industria discografica sta affrontando una crisi epocale, deve vedersela con lo streaming e un modello di business da correggere: la musica è divenuta digitale e il digitale è sinonimo di Social Media.
Basti pensare come, già nel 2012 secondo Next Big Sound, le interazioni generate da cinque artisti come Bruno Mars, Justin Bieber, Katy Perry, One Direction e PSY ammontavano, in una sola settimana, a 110 milioni di visualizzazioni su YouTube, 2 milioni di ricerche su Wikipedia e 1.5 milioni di like su Facebook.
Solo nel 2013 più di un miliardo di tweet hanno riguardato la musica e, tra questi, 100 milioni di tweet sono stati inviati solo dagli account di cantanti e musicisti.
Ecco allora che l’analisi costante delle interazioni sui social è diventata fondamentale per la raccolta di dati che aiutino gli operatori del settore a capire e a orientare il mercato.
Diverse aziende, come ad esempio la Universal Music, hanno quindi sviluppato, in collaborazione con società specializzate nei Big Data, sofisticati software allo scopo di creare un predictive profiling del fan musicale, non solo per comprenderne personalità e gusti ma, soprattutto, per studiarne le affinità con prodotti di largo consumo allo scopo di scegliere, tra gli artisti, quello più amato e utilizzarlo come testimonial in operazioni di marketing.
Anche Shazam è un’altra fonte ricca di dati, contenendo 25 milioni di tracce che creano interazioni tra più di 450 milioni di persone a livello globale. Di queste circa 90 milioni ogni mese taggano 17 milioni di canzoni, generando oltre il 7% delle vendite di Apple Music. E grazie a questo immenso bacino di informazioni, gli analisti di Big Data sono in grado di capire, con mesi di anticipo sul mercato, quali canzoni funzioneranno e quali no, quali saranno i prossimi successi e persino dove si diffonderanno.
Se una canzone piace, gli algoritmi prediranno che la prossima hit potrebbe essere una canzone simile, con un rischio implicito, certo: la musica, seguendo questo “ritmo”, rischia sempre più di assomigliarsi tutta.
In base ai risultati di un recente studio fatto dal sito SeatSmart, i testi delle canzoni americane di maggior successo degli ultimi dieci anni appaiono infatti semplici e ripetitivi, utilizzando un lessico di sole 300 parole, a livello di un bambino di terza elementare, per intenderci.
E tuttavia, per ora, questo dato sembra importare poco, poiché nel mondo della musica la domanda che assilla i discografici è unica: quale sarà la prossima canzone che la gente vorrà ascoltare?
Così, oltre a Twitter e Shazam, anche Spotify, Pandora e perfino le ricerche su Wikipedia divengono proficue fonti di Big Data “musicali” per riuscire a individuare chi sarà la nuova, brillante stella internazionale e cosa dovrà cantare.
Ma… c’è sempre un ma. Anche se i Big Data sono una risorsa nella crisi del mercato discografico, la qualità delle canzoni e la raffinatezza degli artisti non sono (ancora) misurabili con formule matematiche.
Gli algoritmi, infatti, ottimizzano l’esistente e non lasciano spazio a variabili fuori controllo, mentre l’opera d’arte è per sua natura impalpabile, non misurabile e soprattutto non prevedibile.
E siamo quindi certi che, anche nell’universo ordinato dei Big Data, ciascuna nota all’apparenza impazzita, magari in un sound “incontenibile” riuscirà ancora ad incrinare l’inflessibilità delle statistiche, nella sonorità di un talento imprevedibile.
Almeno fino al prossimo algoritmo!
[boxed_content type=”whitestroke” custom_bg_colour=”#e0e0e0″ custom_text_colour=”#000000″ pb_margin_bottom=”yes” width=”1/1″ el_position=”first last”]
[highlight]Per saperne di più[/highlight]
– Ilfoglio.it
– Huffingtonpost.it
– Soundwall.it
[/boxed_content]
Categorie