Datengenerierung & -verarbeitung mittels Spotify

In diesem Post zeige ich - via dem Spotify Web-API & einer kurzen Datenverarbeitung - wie sich die Musikpräferenzen der Menschen global und lokal einordnen lassen.

Datenakquisition

Wer sich für die Analyse von Musik-Trends interessiert, muss zunächst einmal herausfinden, welche Optionen hier zur Verfügung stehen, um an die relevanten Daten zu gelangen.

Idealerweise wäre es für die Analyse von Musik-Trends optimal, Daten zu besitzen, die nach Ländern gruppiert sind. Doch welche Firma ist auf Musik spezialisiert und verfügt - gleichzeitig- über eine Menge an Daten?

Ein offensichtlicher Kandidat hierzu ist Spotify. Glücklicherweise bietet das Unternehmen an, ihren Web-API KOSTENLOS zu nutzen, unter der Bedingung, dass die Daten für nicht-kommerzielle Zwecke genutzt werden. Für den Anfang, ist Spotify also ein optimaler Kandidat. Um an die Daten zu gelangen, wird bloss die Eröffnung eines Kontos bei Spotify benötigt. Und schon kann es mit der Akquisition der Daten beginnen!

Hier ein kurzer Einblick in die Daten:

Insgesamt wurden 62 Unterseiten von Spotify via API-Abfragen gecrawlt. Hierbei fiel meine Wahl auf Spotifys Top-50 Charts, welche für 62 Länder zur Verfügung stehen. Dies entspricht einem Datensatz mit 3'089 Beobachtungen.

Wer sich hier für den detaillierten Code interessiert, den ich für die Sammlung des Datensatzes via Web-API erstellt habe, dem empfehle ich einen Blick auf mein Jupyter-Notebook auf Github zu werfen.

Explorative Datenanalyse

Nun kann der eigentliche Spass beginnen!

Für welche geographischen Regionen haben wir Daten?

Für eine detailliertere Übersicht können wir die einzelnen Länder auch auf einer Welt-Karte darstellen:

Auffallend ist, dass Spotify keine Daten zu Entwicklungsländern besitzt. Um an solche Daten zu gelangen, würden sich Daten von Youtube oder TikTok eignen, doch dies stand nicht im Fokus dieses Projektes.

Globale Musik-Trends

Bevor wir in die Analyse der Musik-Trends eintauchen, gilt es zu bemerken, dass mein Spotfiy-Datensatz zur Kategorie der Querschnittsdaten gehört. Das bedeutet, dass wir es hier “nur” mit einer Momentaufnahme zu tun haben.

Entsprechend reflektieren die in dieser Analyse hergeleiteten Musiktrends nur die aktuellen Präferenzen der Menschen. Diese können sich über die Zeit jedoch ändern!

Welches sind die beliebtesten Songs?

Wie es derzeit die sozialen Medien vermuten lassen, ist der Song von Miley Cyrus die unangefochtene Nummer eins. Ein Bilderbuch-Beispiel für ein extrem erfolgreiches Marketing in der Musikindustrie!

Welches sind die aktuell beliebtesten Musiker:innen auf der Welt?

“Bad Bunny” übertrifft alle anderen Künstler:innen um Längen! Ironischerweise hat es keiner seiner Titel in die Top 10 der meistgespielten Titel geschafft.

Welches sind die aktuell beliebtesten Alben?

Auch hier schafft es “Bad Bunny” mit seinem Album auf Platz 1!

Welche Musik-Genres sind aktuell bei den Hörern beliebt?

Aus der Graphik erkennt man deutlich, dass Spotify-Nutzer weltweit - vor allem - latein-amerikanische Musikrichtungen geniessen. Aber auch Genres wie Pop, R&B und Rap verzeichnen eine solide globale Fan-Basis. Das untere Kreisdiagramm verdeutlicht dies:

Haben unbeliebte Musiker:innen eine geringere Hörerschaft?

Eine interessante Frage, die sich für Musikproduzenten stellt, wäre, wie sich ein potentieller Reputationsverlust eines Künstlers auf die Bereitschaft der Fans, sich seine Lieder anzuhören, auswirkt.

Diese Frage lässt sich - zumindest angrenzend - mit den von Spotify zur Verfügung stehenden Künstler-Beliebtheitswerte und Genres-Daten beantworten:

Vor allem im Pop-Genre lässt sich erkennen, dass selbst unbeliebte Künstler mit einem Musik-Hit keine Einbussen in deren weltweiten Hörerschaft einbüssen. Bei lateinamerikanischen Musker:innen, sieht das Bild jedoch ein wenig anders aus: hier scheint der Graph darauf anzudeuten, dass ein Song es nur in die weltweiten Top-Charts schafft, wenn Beliebtheitswerte von über 50 erreicht werden.

Länder-Spezifische Musik-Trends

Jedes Land besitzt seine Spezifizitäten. Deshalb sprechen Forscher oftmals von der Kultur eines Landes, wenn es gewisse Unterschiede zwischen Regionen zu erklären gibt. Auch bei Musik lässt sich vermuten, dass die Präferenzen der Hörer - in Abhängigkeit des Landes - variieren.

Bei Spotify gibt es die Möglichkeit, auch diesen Aspekt zu erkunden. Der Musikdienstleister gibt Indikator-Variablen zu diversen Musik-Aspekten an, wie beispielsweise:

• Musik-Geschwindigkeit
• Musik-Livehaftigkeit
• Musik-Instrumentalität
• Musik-Lautstärke
• Musik-Energie
• Tanzbarkeit zur Musik
• Mitsingbarkeit zur Musik

Im Rahmen dieses Projektes habe ich mich auf 2 Faktoren beschränkt, nämlich die “Tanzbarkeit zur Musik”, sowie die “Musik-Energie”.

Wie wir aus der Graphik erkennen können, scheinen süd-amerikanische Länder - wie zum Beispiel Brasilien oder Kolumbien - ihrem musikalischen Ruf alle Ehre zu machen: beide Länder weisen Höchstwerte in den Song-Faktoren “Energie” respektive “Tanzbarkeit” auf.

Fazit

In diesem Projekt waren insbesondere 3 Schritte relevant:

• Für die Sammlung der Daten wurde zunächst - mittels Spotify Web-API - eine .csv-Datei erstellt.
• Anschliessend wurde eine explorative Datenanalyse verfasst, um Erkenntnisse aus den Rohdaten zu generieren.
• Die gesamte Analyse / Programmierung wurde mittels Python erstellt.

Natürlich wäre eine vertieftere Analyse dieser Musik-Daten möglich gewesen, allerdings wollte ich mit diesem Beispielsprojekt bloss darstellen, was für ein fantastisches Potential in einer solchen Analyse steckt.

Ich hoffe, dass ich meine Leser:innen dadurch motiviert habe, selbst in die fabelhafte Welt der Datenanalysen einzutauchen.

Vielen Dank für’s Lesen!