3 people listening now - Spotify for artists, YouTube ja analytiikka

Algoritmit ohjaavat käyttäjiä erilaisissa streemauspalveluissa, ja niiden on havaittu kaventavan musiikin kuuntelun monimuotoisuutta Spotifyssä (Anderson ym. 2020). Efekti on voimakas erityisesti palveluiden lyhtyaikaisilla käyttäjillä ja monimuotoisuuden lisääminen edellyttää kuuntelijan aktiivisuutta omissa musiikkivalinnoissa (Andersson ym. 2020). Vaikka alustojen datan keruu tapahtuu pääasiassa algoritmien ruokkimiseksi ja oman liiketoiminnan kehittämiseksi, tietoa luovutetaan myös musiikin tuottajien käyttöön. Numeroista ja analytiikasta kiinnostuneelle Spotify for artists ja toisaalta myös YouTube tarjoavat mielenkiintoista analysoitavaa helposti lähestyttävässä muodossa. Tarjolla on niin reaaliaikaista tietoa kuin myös erilaisia koonteja ja listauksia sekä mahdollisuus porautua tarkemmin kuuntelutietoihin (Spotify, 2023). Tarkempaa tietoa on tarjolla maantieteellisesti, kappaleittain ja yleisön osalta (Spotify, 2023).

Yleiskuva

Spotify näyttää reaaliaikaiset aktiiviset kuuntelijat, mikä on mielenkiintoinen ominaisuus myös aloittelevalle artistille. Jossakin, juuri nyt, joku kuuntelee musiikkiasi tai sitten ei. Lisäksi esitellään tärkeimmät kuunteluihin ja seuraajiin liittyvät KPIt sekä kuunnelluimmat kappaleet. Tarkemmin tietoihin porautuessa näkee kuuntelukerrat kappaleittain sekä uniikit kuuntelijamäärät. Tarjolla on myös tietoa maittain ja kaupungeittain. Tältä tieto voidaan isommassa mittakaavassa hyödyntää esimerkiksi kampanjoiden ja kiertueiden suunnitteluun (Spotify, 2023).

YouTubessa aktiivisten katsojien mittaria ei ole, mutta yhteenveto katselukerroista, ajasta ja uusista tilaajista näkyy heti etusivulla. Konversiot näytöistä klikkauksiin sen sijaan löytyvät alustalta ja YouTube tarjoaa tietoa uniikkien katsojien määrästä. Porautuminen kappale- ja päiväkohtaisiin tietoihin on myös mahdollinen. Relaatiokantoihin tottuneille tietokanta-asiantuntijoille mielenkiintoisena kuriositeettina voidaan todeta tilastojen pehmeähkö tila (eng. soft state). Spotify pyöräyttää varmaankin edellisen takia tilastot kerran päivässä ja ajon ajastus myös hieman elää. Vastaavalla tavalla YouTube saattaa esittää hieman eri lukuja eri paikoissa.

Analytiikan vahvuudet ja heikkoudet

Spotifyn vahvuus on kirjautuneet kuuntelijat, mikä mahdollistaa raportit kuuntelijoiden iästä ja sukupuolesta. Youtube taas on suurimmalle osalle ilmainen ja avoin alusta, jota hyödynnetään paljon myös kirjautumatta, jolloin kuuntelijatietoihin perustuvat raportit eivät välttämättä tuota hyödyllistä tietoa. Toinen, ei suoranaisesti analytiikkaan liittyvät tekijä, on Spotifyn automaattisesti luoma yhtyeen radiokanava. Algoritmi tuo tällä listalle samantyyppistä musiikkia, mikä helpottaa oikean viiteryhmän tunnistamista muiden bändien joukossa. Radion on aiemmin kritisoitu soittavan samoja bändejä ja toisto ei ole yhtä loputonta markkinoinnissa luvataan (Snickars, 2017) ja yksittäisestä kappaleesta aloitetusta radiosta tarkasteltuna tilanne näyttää edelleen olevan sama. Taustalla näyttää pikaisella vilkaisulla vaikuttavan niin musiikkityylillisiä, kielellisiä, alueellisiakin kuin ajallisiakin valintatekijöitä eli olettaen samoja tekijöitä, jotka kaventavat kuuntelukokemusta.

YouTuben keskeinen vahvuus on kuuntelu- tai katselukerran sisäinen analytiikka. Siinä missä Spotifyssa yksi kuuntelu on yksi kuuntelu, YouTube tarjoaa tietoa siitä, missä vaiheessa kuuntelijat lopettavat videon seuraamisen. Kuten voi arvata, kato käy voimakkaimmin ensimmäisen 10 sekunnin aikana ja laskee sen jälkeen hitaammin. Merkittävämpiä pudotuksia tapahtuu niin laulajan avatessa suunsa kuin myös ensimmäisen kertosäkeen jälkeen. Analytiikalla saattaa myös napata vihjeitä siitä, milloin kitara- tai rumpusoolo on liian pitkä tai mikä äänensävy ei miellytä kuulijoita. Viimeisen minuutin aikana kato on vähäisempää, kun taas aivan ennen loppua video saatetaan sulkea siirtyäkseen seuraavaan videoon.

Historian osalta YouTube vetää pidemmän korren pienillä kuuntelijamäärillä. Jokainen kuuntelu ajankohtineen on löydettävissä koko historian osalta. Spotifyssä selkeä heikkous on demobändin osalta jaottelu päivä-, viikko- ja kuukausiraportteihin etenkin kappalekohtaisissa tiedoissa, koska parin viikon jälkeen alle tuhannesta kuuntelusta muodostuu oma ryhmänsä. Tällöin satojen kuuntelujen joukosta ei enää pysty poimimaan tarkkoja kuuntelutietoja. Toki kuunnelluille artisteille tästä ei ole haittaa ja rullaava raportointi toimii hyvin. Olemattomassa mittakaavassa tämä kuitenkin rajoittaa analyysiä.

Tulkinta

Miten saatuja analytiikkatietoja tulisi tulkita? Tulisiko uutta musiikkia kirjoittaessa pohtia Spotifyn paljastamia ikäryhmiä, joihin musiikki kohdistetaan? Entä pitäisikö kappaleen loppuun jätetty nostatus tuplakertseineen ja modulaatioineen siirtää heti kappaleen alkuun, koska muutoin se jää 60-70% kuulijoista kokonaan kuulematta?

Ehkä kyse on kuitenkin jossakin määrin taiteesta ja itseilmaisusta, jolloin kaupalliset mittarit tulisi siirtää taka-alalle. Lisäksi tulee ottaa huomioon, miten testiaineisto on muodostunut. Kuuntelukertoja saattaa olla hyvin pieniä määriä, jolloin yksittäiselläkin kuulijalla voi olla iso painoarvo. Toiseksi kuunteluja kertyy alussa lähinnä lähipiiriltä, joka ei välttämättä jaa musiikkimakua. Tällöin kannatuksen vuoksi klikkaukset jäävät helposti kesken, kun sisältö ei miellytä. Kolmanneksi kilpailu huomiosta on kovaa. Tuntemattoman ja toistaitoisen, vähän sinnepäin miksatun yhtyeen sijaan voi kuunnella esimerkiksi Metallican St. Angeria.

Mikko Kulmala
FM, KTM
lehtori
Seinäjoen ammattikorkeakoulu

Lähteet

Anderson, A., Maystre, L., Anderson, I., Mehrotra, R., & Lalmas, M. (2020, April). Algorithmic effects on the diversity of consumption on spotify. In Proceedings of the web conference 2020 (pp. 2155-2165).

Snickars, P. (2017). More of the same–on Spotify radio. Culture Unbound. Journal of Current Cultural Research, 9(2), 184-211.

Spotify, 2023. Spotify for artists – analytics. [Viitattu 15.3.2024] Saatavilla: https://artists.spotify.com/analytics.