Une étude montre le pouvoir des liens sociaux pour prédire les chansons à succès

Vous êtes-vous déjà demandé comment vos amis façonnent vos goûts musicaux ? Dans un récent étude, des chercheurs du Complexity Science Hub (CSH) ont démontré que les réseaux sociaux sont un puissant prédicteur de la popularité future d’une chanson. En analysant les amitiés et les habitudes d’écoute, ils ont amélioré de 50 % la précision des prédictions du machine learning.

« Nos résultats suggèrent que l’élément social est aussi crucial dans la diffusion de la musique que la renommée de l’artiste ou l’influence du genre », explique Niklas Reisz du CSH. En utilisant des informations sur les réseaux sociaux des auditeurs, ainsi que des mesures couramment utilisées dans la prédiction des chansons à succès, telles que la notoriété de l’artiste et la popularité du genre, les chercheurs ont amélioré la précision de la prédiction des chansons à succès de 14 % à 21 %. L’étude, publiée dans Rapports scientifiquessouligne le pouvoir des liens sociaux dans les tendances musicales.

Une plongée profonde dans les données

L’équipe CSH a analysé les données de la plateforme musicale last.fm, analysant 2,7 millions d’utilisateurs, 10 millions de chansons et 300 millions d’écoutes. Grâce aux utilisateurs capables de se lier d’amitié et de partager leurs préférences musicales, les chercheurs ont obtenu des informations anonymes sur qui écoute quoi et qui influence qui, selon Reisz.

Pour leur modèle, les chercheurs ont travaillé avec deux réseaux : l’un cartographiant les amitiés et l’autre capturant la dynamique d’influence : qui écoute une chanson et qui la suit. « Ici, les nœuds du réseau sont aussi des personnes, mais les connexions naissent lorsqu’une personne écoute une chanson et que peu de temps après, une autre écoute la même chanson pour la première fois », explique Stefan Thurner du CSH.

En examinant les 200 premières écoutes d’une nouvelle chanson, ils ont prédit ses chances de devenir un succès, défini comme faisant partie du top 1 % des chansons les plus jouées sur last.fm.

Influence des utilisateurs

L’étude a révélé que la diffusion d’une chanson dépend de l’influence des utilisateurs au sein de leur réseau social. Les individus ayant une forte influence et de vastes cercles d’amis interconnectés accélèrent la popularité d’une chanson. Selon l’étude, les informations sur les réseaux sociaux et la dynamique de l’influence sociale permettent de prédire beaucoup plus précisément si une chanson sera un succès ou non.

« Nos résultats montrent également comment l’influence circule dans les deux sens : les personnes qui influencent leurs amis sont également influencées par eux », explique Vito Servedio, chercheur au CSH. « De cette façon, des cascades à plusieurs niveaux peuvent se développer en très peu de temps, au cours desquelles une chanson peut rapidement toucher de nombreuses autres personnes, en commençant par seulement quelques personnes. »

Le pouvoir social dans l’industrie musicale

La prévision des chansons à succès est cruciale pour l’industrie musicale, car elle offre un avantage concurrentiel. Les modèles existants se concentrent souvent sur la renommée des artistes et les mesures d’écoute, mais l’étude du CSH met en évidence l’aspect social négligé : l’homophilie musicale, qui est la tendance des amis à écouter de la musique similaire. « Il était particulièrement intéressant pour nous de constater que l’aspect social, l’homophilie musicale, a jusqu’à présent reçu très peu d’attention, même si la musique a toujours eu un aspect social fort », explique Reisz.

L’étude quantifie cette influence sociale, fournissant des informations qui s’étendent au-delà de la musique à des domaines tels que l’opinion politique et les attitudes face au changement climatique, selon Thurner.

Plus d’information:
Niklas Reisz et al, Quantification de l’impact de l’homophilie et des réseaux d’influenceurs sur la prédiction de la popularité des chansons, Rapports scientifiques (2024). DOI : 10.1038/s41598-024-58969-w

Fourni par Complexity Science Hub Vienne

ph-tech