Als leidenschaftlicher Musiker und angehender Softwareentwickler hat sich unser Mitarbeiter Bradley Weibel in seiner Bachelor-Arbeit mit den Fortschritten in der Technologie von Musik-Streaming-Diensten auseinandergesetzt. 

Wir von INTEGRATE Informatik AG freuen uns, dass unser Mitarbeiter sein Bachelor Studium bald erfolgreich abschliessen wird und unterstützen ihn auf seinem Weg.

Hier ein kurzer Einblick in Bradley’s Arbeit:

Musikstreaming ist in der modernen Welt allgegenwärtig. Laut IFPI (Branchenverband der Musiklabels) werden im Jahr 2022 mehr als 26 Milliarden Dollar umgesetzt und 589 Millionen Menschen nutzen ein kostenpflichtiges Streaming-Abonnement. Ein wichtiger Aspekt des Modells der Musik-Streaming-Dienste sind die personalisierten Empfehlungen, im Gegensatz zur einfachen Anzeige der gerade zu endlosen Kataloge mit (im Falle von Spotify) über 100 Millionen Songs.

In seiner Bachelor-Studie stellte unser Mitarbeiter die Frage, welche Faktoren zu einer höheren Zufriedenheit der Nutzer führen, wenn sie die Empfehlungssysteme von Musik-Streaming-Diensten nutzen. 7 Fragestellungen wurden zu 7 Hypothesen, die die Studie zu beantworten versucht.

Die Studie fragte, ob Nutzer, die:

(1) trendige Musik mögen

(2) denselben Musikstreamingdienst (MSS) seit mehr als 2 Jahren nutzen

(3) ausdrückliches Feedback geben

(4) Frauen sind

(5) unter 26 Jahre alt sind

(6) Spotify nutzen

 (7) kein Instrument spielen

mit ihren Empfehlungen zufriedener sind als ihre Gegengruppe.

125 Teilnehmende vorwiegend aus der Schweiz und Südafrika beantworteten online 50 Fragen.  Die Analyse ergab folgende Resultate zu den Hypothesen:

(1) Hypothese 1: "Nutzer, die trendige Musik mögen, sind mit den Empfehlungen zufriedener als Nutzer, die andere Musikrichtungen bevorzugen" wurde von den Daten nicht unterstützt und daher verworfen.

(2) Die zweite Hypothese untersuchte, ob Nutzer, die seit mehr als zwei Jahren dasselbe MSS nutzen, zufriedener mit den Empfehlungen sind als Nutzer, die MSS seit weniger als zwei Jahren nutzen. Die Hypothese wurde durch die Analyse nicht gestützt und wurde daher ebenfalls verworfen.

(3) Die dritte Hypothese, die untersucht, ob Nutzer, die explizites Feedback geben, mit den Empfehlungen zufriedener sind als Nutzer, die dies nicht tun, wurde von den Daten unterstützt und angenommen, da es hier eine Entwicklung gegenüber einer anderen Studie aus dem Jahr 2018 von J.  Kepler gibt, die behauptete, dass explizites Feedback kein üblicher Datenpunkt für Musikempfehlungs-systeme (zu jenem Zeitpunkt) war.

(4) Hypothese 4: "Weibliche Nutzer sind mit den Empfehlungen zufriedener als männliche Nutzer" wurde durch die Stichprobendaten nicht unterstützt und wurde verworfen. Dieses Ergebnis deutet darauf hin, dass die Erfahrungen mit Musikempfehlungssystemen von beiden Geschlechtern geteilt werden

(5) Die nächste Hypothese sollte untersuchen, ob Nutzer unter 26 Jahren mit den Empfehlungen zufriedener sind als ältere Streaming-Nutzer, wurde ebenfalls verworfen, da sich erkennbarer Unterschied zwischen den Zufriedenheitsgraden der beiden Gruppen

(6) Die sechste Hypothese: "Spotify-Nutzer sind im Vergleich zu Nutzern anderer MSS zufriedener mit ihren Empfehlungen", wurde durch die Daten bestätigt. Dies ergibt Sinn, da Spotify derzeit der größte MSS ist, was die Zahl der aktiven Nutzer angeht. 210 Millionen laut Allen (2023), verglichen mit dem nächsten Konkurrenten (Apple Music) mit 108 Millionen, und mehr Nutzer bedeuten mehr Daten, mit denen die Algorithmen arbeiten können. Wie in der Studie von Domingues et al. (2012) erwähnt, wird Spotify auch eine hohe Nutzertreue zugeschrieben.

(7) Die letzte Untersuchungshypothese "Nutzer, die kein Instrument spielen, sind mit den Empfehlungen zufriedener als Nutzer, die ein Instrument spielen" wurde verworfen, da sie durch die gesammelten Daten nicht gestützt wurde.

Fazit:
Aus Sicht unseres Mitarbeiters zeigt die Studie, welche Gruppen derzeit zufriedener sind und auf welche Gruppen man sich konzentrieren muss, um die Gesamtzufriedenheit der Nutzer des Musikstreamingdienstes zu verbessern. Die Studie wurde durchgeführt, da er mit den Empfehlungen, mit denen er zu tun hatte, immer sehr unzufrieden war. Aber er wollte sehen, welche Erfahrungen andere gemacht haben und ob sie mit seinen Annahmen übereinstimmen. Er war überrascht, wie positiv die Empfehlungen von Vielen gesehen werden und wie bestimmte Gruppen mit ihnen deutlich zufriedener sind. In der Tat ein faszinierender und sich ständig weiterentwickelnder Bereich der Software...

Referenzen:

• Kepler, J. (2018) Machine Learning Approaches to Hybrid Music Recommender Systems, Unpublished Doctoral Thesis. Institute of Computational Perception, Linz University. Available at: https://epub.jku.at/obvulihs/download/pdf/3366761?originalFilename=true
• Allen, L. (2023) ‘20+ Popular Music Streaming Statistics and Facts [2023]’, Drive Research, 17 August. Available at: https://www.driveresearch.com/market-research-company-blog/music-streaming-statistics/#:~:text=Spotify%20holds%20the%20position%20as,million%20monthly%20active%20users%20worldwide
• Domingues, M.A., Gouyon, F., Jorge, A.M., Leal, J.P., Vinagre, J., Lemos, L. & Sordo, M. (2012) ‘Combining usage and content in an online recommendation system for music in the Long Tail’, in Lew, M. (ed) International Journal of Multimedia Information Retrieval Vol 2. 27 November, pp. 3-13. Available at: https://link.springer.com/article/10.1007/s13735-012-0025-1#citeas

Bradley Weibel, Junior Software Entwickler, INTEGRATE Informatik AG