Hit Song Science: il modello di regressione Beta per l’analisi dei gusti musicali nel mondo

Nella nostra società, la musica è onnipresente, in ogni aspetto della vita, in molte forme. Negli ultimi anni si parla spesso anche di musica sotto forma di dati. La proliferazione dei big data, tracciati dalle piattaforme streaming, e la natura virale delle piattaforme social hanno permesso alle etichette discografiche di accedere a questa mole di dati e di fare ciò che prima non sarebbe stato possibile: comprendere i consumatori, anticipando trend e gusti per lanciare nuovi artisti. Ecco perché la comprensione dei dati, e in particolare la Hit Song Science, la scienza che si occupa di prevedere se una brano sarà un successo, diventano sempre più importanti per l’industria musicale. L’obbiettivo di questa tesi è proprio quello d'indagare la relazione tra le caratteristiche audio di un brano, ottenute dal database di Spotify, e la popolarità di questo, misurata dal numero di streams, e confrontare come differisce tale rapporto da paese a paese. A tale scopo, è stato scelto di utilizzare il modello di regressione Beta, per individuare le variabili significative, la eventuale correlazione tra esse e per confrontare i modelli per i differenti paesi. L’ultimo capitolo, infine, presenta l’esempio del gruppo musicale sudcoreano BTS, il cui uso dei big data ha permesso di raggiungere la notorietà negli Stati Uniti e in tutto il mondo, e ne discute le conseguenze economiche, culturali e sociali.