一年里红起来的歌曲也就那么几首，流行音乐的风尚总在变化，想要在高度商品化的流行音乐市场里赚到钱，依赖音乐人个人的天分已经很难，如果能借助QQ音乐、百度音乐这类拥有大量用户试听及其他行为数据的平台，分析出当下的流行元素，就可以创作出一些适合传播的音乐。 先来看这类音乐平台都有什么数据分析可以利用：
一、用户行为及评分
类型很多，学术上通常称为显式表达和隐式表达。包括用户打分、顶踩、播放、完全播放、跳过、收藏、评论、分享、加入某个列表、删除等等。这是用户对音乐的正向或者负向反馈，通常的做法是将这些行为按不同权重映射到-1到1区间里做运算。
二、音乐自身的属性
类型可能更加复杂，要从声音的物理属性和音乐本身的文化属性来说明。
物理属性：音色、音调、节奏等，就是听起来是个什么样子。普通用户大概没法理解什么叫做音乐调式调性，但是能区分嘈杂还是安静、激昂还是舒缓，略有音乐知识的用户还能分清乐器、曲风，甚至说得出编曲的特点，任何一个可以被区分出来的属性都有可能是用户喜欢的原因。
文化属性：这可能要从音乐所表达的情感来说，歌曲的歌词是很明确的情感表达，用户的评论是很明确的情感表达，与音乐经常一起出现的文字也是情感表达的参考，那些没有歌词的经典名作，已经有过无数人做出分析，是很好的样本。另外，情感的表现方式也是要考虑的，比如愤怒是一种需要宣泄的情感，所以表达愤怒的音乐通常激昂喧闹，但慷慨激昂的音乐不一定只是愤怒，这就是为什么摇滚乐一直被误解为是一种很吵的音乐，其实它只是情感表达直接而已。
有些不太方便归类的信息（可以称之为meta信息）：作曲人、作词人、编曲人、演唱者、演奏者等等
三、音乐与用户的结合
上面两点是将音乐与用户独立来看的，还有些数据是两者关联产生的。比如音乐经常被使用的场景，音乐经常被播放的时间和地域地点。
准备好了这些数据原料，有过机器学习经验的人大概会想，将这些数据作为训练集，加上播放次数作为参考，就能预测出哪些音乐可能受到欢迎，确实是这样，但是还不至于能用来指导音乐创作，有经验的乐评人的意见可能更加准确且成本更低。
音乐是一种有效期适中的信息类型，相比电影或名著而言，它失效得快，但不至于像新闻和微博一样快，所以音乐的流行程度决定于自身特征，又容易受到社会风潮的影响。因此数据要支持音乐创作，首先要预测社会风潮（也就是社会中充斥的某种情感），确定这种风潮下会流行的音乐特点，然后才是“组装”一些合适的音乐（只是提高了流行的可能性），通过渠道（大平台会自己签艺人和歌曲吗？）去推广。
最后分享一篇夏一跳同学的文字 《如何创作一首神曲》 ，看完应该会会心一笑，机器学习和神经网络技术已经可以创作宋词，创作流行神曲的日子也不远了吧。
碎语
中午吃饭前想到了这个点，于是记录下来。这里讲的音乐创作是指作为商品的音乐，是功利的，它不应该只是商品，更应该是人们与自己与外界交流的方式，有太多追求理想的音乐人在“玩”音乐，我敬仰他们。
我尽量不使用“大数据”这个词，因为我没有看过任何一本“大数据”的书，实在不知多大算大数据