Research

Comfortably Numbers

Kan je aan de hand van data voorspellen hoeveel tickets je zal verkopen voor een concert? In welke zalen in binnen- en buitenland je kan gaan spelen op een gegeven moment in je carrière? Welke artiesten je als programmator maar beter kunt boeken om een volle zaal te hebben? Kan je aan de hand van cijfers op sociale media voorspellen hoe goed een artiest het zal doen op Vlaamse Radio? Het team van het PXL-Music Research onderzoeksproject Data Science in de Muziekindustrie gelooft alvast van wel.

Check de video die Visuals Internationals maakte en ontdek (een paar van) de vele mogelijkheden van data science in de muziekindustrie!

Benieuwd? Dankzij de A.D.A.M.-app kan jij nu gewoon zelf met die data aan de slag gaan!

Het data science team van PXL-Music Research is: Conrad Hayen, Philippe Haldermans, Danielle Gielen, Maarten Elen en Jonas Kiesekoms

De volgende stap: een Technologie Transfer project.

Beslissingen in de muziekindustrie zijn vaak gebaseerd op buikgevoel. Organisatoren boeken een band die ze zelf goed vinden in de hoop dat het publiek hun mening deelt. A&R verantwoordelijken geven platencontracten aan bands waarvan ze geloven dat ze zullen doorbreken. Festivalorganisatoren moeten beslissingen maken over catering, security, personeel, logistiek enzoverder. Jammer genoeg schiet buikgevoel vaak te kort. In de muzieksector is één misstap vaak voldoende om een KMO de das om te doen, een tegenvallende festivaleditie laat al snel een diepe schuldenput achter. Daarom zouden veel spelers in onze sector baat hebben bij een toepassing die hun beslissingen ondersteunt op basis van objectieve data. Gelukkig zijn de tijden veranderd. Dankzij de opkomst van social media, streaming diensten en technologische vooruitgangen in datacollectie en -verwerking zijn het aantal databronnen om beslissingen op te baseren radicaal toegenomen. In andere sectoren zoals automotive en telco zien we een groot aantal toepassingen gebaseerd op de nieuw beschikbare dataverzameling en -verwerkingstechnieken. De muzieksector in Vlaanderen slaagt er voorlopig niet in deze nieuwe methodolgie in hun dagelijkse werking te integreren. Uit een door ons uitgevoerde bevraging bleek (n=30) dat 90% van de respondenten uit de sector het belang inzag van data om beslissingen te onderbouwen. Slechts 15% gaf aan te beschikken over de benodigde kennis, tijd of middelen om deze technologie toe te passen. Dit zorgt voor een enorm onbenut potentieel binnen onze muzieksector. In een PWO-traject bundelde de onderzoeksgroep PXL-Music Research de krachten met Ancienne Belgique en Clubcircuit om een proof of concept te ontwikkelen die de organisatoren in staat stelt zelf aan de slag te gaan met hun data. Dankzij kwalitatieve focusgesprekken met de partners gecombineerd met toegepast data science onderzoek ontwikkelden we een methodologie om organisatoren objectievere beslissingen te laten nemen. De muzieksector in Vlaanderen heeft geen traditie van wetenschappelijk onderzoek. Met dit Tetra project willen we een eerste stap zetten in een verbindingstraject tussen wetenschap en praktijk op basis van de onderzoeksresultaten van het PWO project. Zodoende hopen we in de toekomst deze wisselwerking tussen wetenschap en sector verstevigen.

Team Data Science

Samen met Ancienne Belgique, Clubcircuit en Botanique voert het team onderzoek naar data science in de muziekindustrie. Hiervoor verzamelden ze data over meer dan een half miljoen nummers en meer dan 7000 optredens in België. Met deze cijfers bekijken de onderzoekers momenteel of het succes van toekomstige concerten te voorspellen valt. Bijkomende onderzoeksvragen zijn: welke genres doen het het best in België? Wordt er tijdens metal shows meer bier gedronken dan tijdens een Jazz concert? Trekken frontvrouwen meer volk dan frontmannen? Deze en vele andere vragen vormen de basis voor een voorspellend model. Het ultieme doel: jonge experimentele bands meer speelkansen geven. Als organisatoren langs de ene kant hun risico’s beter kunnen inschatten, krijgen ze langs de andere kant meer vrijheid om artistiek buiten de lijntjes te kleuren. Meer weten over PXL-Music Research en het onderzoek naar data science in de muziekindustrie?

Lees hier meer over het onderzoek.

All work and no play makes Jack a dull boy

Om de eindeloze discussie over de muziekkeuze op hun werkplek te tackelen ontwierpen ze daarnaast een leuke visualisatietool. Deze tool laat hen toe muziek te kiezen die past bij de emoties en energie van hun onderzoek. Ze connecteerden met de Spotify API en analyseerden de muziek op basis van de parameters ‘mood’ en ‘energy’.

Om hun playlists te verbeteren houdt de streamingdienst Spotify van elk nummer enorm veel gegevens bij. PXL-Music Research dook in deze gegevens. Er vielen 2 parameters op: Mood (hoe positief of negatief is de song?) en Energy (zit er veel of weinig energie in de song?). De twee parameters kunnen als twee assen een veld vormen met vier zones (of kwadranten) waarin elke song een plaats krijgt: teder (positieve mood, lage energie), opzwepend (positieve mood en hoge energie), droevig (negatieve mood, lage energie) en boos (negatieve mood, hoge energie):

Laat ons illustreren met enkele voorbeelden. Slayer maakt duidelijk boze muziek: