Что делает музыку популярной?
Spotify описывает каждую композицию десятками параметров: от темпа и громкости до танцевальности и энергетики. В этом проекте исследуется, связана ли популярность треков с двумя наиболее известными характеристиками — danceability и energy.
Для анализа была использована выборка из 3000 треков Spotify. Цель исследования — проверить, действительно ли эти параметры помогают объяснить популярность музыки.
Данные и метод
Исходным источником стал Spotify Tracks Dataset, содержащий информацию о более чем 114 тысячах треков и их аудиохарактеристиках. Для исследования была сформирована случайная выборка из 3000 композиций.
В работе использовались три показателя:
Popularity — популярность трека в Spotify Danceability — пригодность композиции для танца Energy — интенсивность и энергичность звучания
Обработка данных и построение визуализаций выполнялись в Google Colab с использованием Python.
Инфографика
Для визуализации результатов был выбран формат журнального разворота. Такой носитель позволяет совместить аналитическую информацию, выводы исследования и визуальные акценты в единой редакционной композиции.


Результаты
Анализ показал, что связь между популярностью и исследуемыми характеристиками оказалась значительно слабее ожидаемой.
Коэффициент корреляции между популярностью и танцевальностью составил 0.07, а между популярностью и энергией — 0.01. Это говорит об отсутствии выраженной линейной зависимости между этими показателями.
При этом треки с крайне низкими значениями danceability и energy в среднем оказываются менее популярными, чем композиции со средними значениями параметров.
Вывод
Наиболее популярными оказались треки со средними и умеренно высокими значениями танцевальности и энергии. Однако максимальные значения этих характеристик не приводят к максимальной популярности.
Исследование показывает, что danceability и energy могут влиять на восприятие музыки, но сами по себе не объясняют успех трека. Вероятно, гораздо большую роль играют жанр, исполнитель, культурный контекст и особенности продвижения.
Процесс создания
- Поиск и отбор датасета Spotify.
- Формирование случайной выборки из 3000 треков.
- Анализ данных в Google Colab.
- Расчёт средних значений и коэффициентов корреляции.
- Создание визуализаций.
- Разработка журнального разворота и подготовка мокапов.
В работе использовались инструменты ии. ChatGPT — для поиска подходящих датасетов, выбора темы исследования. ChatGPT и Claude использовались как вспомогательные инструменты при подготовке структуры визуализации, а Claude также помогал в создании текстового контента для журнального разворота. Все результаты были дополнительно проверены, отредактированы и адаптированы вручную в процессе работы над проектом.




