Hallo und willkommen zu diesem Artikel! Ich werde erklären, wie ich BeatBuddy entwickelt habe, eine Internet-App, die analysiert, was Sie auf Spotify hören. Inspiriert von Spotify Wrapped soll sie Ihre aktuelle Stimmung interpretieren und Empfehlungen geben, die Sie auf Grundlage dieser Analyse anpassen können.
Wer nicht alles lesen möchte und es einfach mal ausprobieren will, kann das hier tun: BeatBuddy. Für den Relaxation lesen Sie weiter!
Die Geburt des Projekts
Ich bin Datenanalyst und Musikliebhaber und glaube, dass die Datenanalyse eine wirkungsvolle Möglichkeit ist, die Welt, in der wir leben, und wer wir als Individuen sind, zu verstehen.
Insbesondere Musik kann wie ein Spiegel wirken und Ihre Identität und Ihre Gefühle in einem bestimmten Second widerspiegeln. Die Artwork der Musik, die Sie wählen, hängt oft von Ihren aktuellen Aktivitäten und Ihrer Stimmung ab. Wenn Sie beispielsweise trainieren, können Sie eine energiegeladene Playlist auswählen, um sich zu motivieren.
Wenn Sie hingegen mit Lernen beschäftigt sind oder sich auf das Verarbeiten von Daten konzentrieren, möchten Sie vielleicht ruhige und friedliche Musik hören. Ich habe sogar von Leuten gehört, die weißes Rauschen hören, um sich zu konzentrieren. Das kann man als das Geräusch beschreiben, das man hört, wenn man auf der Autobahn die Fenster seines Autos öffnet.
Ein weiteres Beispiel dafür, wie Musik Ihre Stimmung widerspiegeln kann, ist eine Get together. Stellen Sie sich vor, Sie feiern eine Get together mit Freunden und müssen die Musik auswählen. Wenn es sich um ein zwangloses Abendessen handelt, möchten Sie vielleicht etwas Easy Jazz oder sanfte Melodien spielen. Wenn Sie jedoch eine Get together planen, bei der alle auf den Möbeln tanzen oder ihre beste betrunkene Karaoke-Darbietung eines Hits aus den 80ern hinlegen, sollten Sie Songs auswählen, die energetisch und tanzbar sind. Wir werden gleich auf diese Konzepte zurückkommen.
Tatsächlich können die Musik, die Sie hören, und die Entscheidungen, die Sie treffen, faszinierende Aspekte Ihrer Persönlichkeit und Ihres Gefühlszustands in jedem Second offenbaren. Heutzutage neigen die Menschen dazu, Analysen über sich selbst zu nutzen, und das wird zu einem globalen Pattern! Dieser Pattern ist als „quantifiziertes Selbst“ bekannt, eine Bewegung, bei der Menschen Analysen verwenden, um ihre Aktivitäten wie Health, Schlaf und Produktivität zu verfolgen, um fundierte Entscheidungen zu treffen (oder auch nicht).
Verstehen Sie mich nicht falsch, als Daten-Nerd liebe ich all diese Dinge, aber manchmal geht es zu weit – wie bei KI-vernetzte Zahnbürsten. Erstens brauche ich keine Zahnbürste mit WLAN-Antenne. Und zweitens brauche ich kein Liniendiagramm, das die Entwicklung meiner Zahnputzleistung in den letzten sechs Wochen zeigt.
Aber zurück zur Musikindustrie. Spotify conflict einer der Pioniere, der die Sammlung von Benutzerdaten in etwas Cooles verwandelte, und nannte es Spotify Wrapped.
Am Ende des Jahres fasst Spotify zusammen, was Sie gehört haben, und erstellt Spotify Wrapped, das in den sozialen Medien viral geht. Seine Popularität beruht auf der Fähigkeit, Aspekte Ihrer Persönlichkeit und Vorlieben aufzudecken, die Sie mit denen Ihrer Freunde vergleichen können.
Dieses Konzept, wie Spotify Daten für diese Jahresendzusammenfassungen sammelt und aggregiert, hat mich schon immer fasziniert. Ich weiß noch, dass ich mich gefragt habe: „Wie machen sie das?“, und diese Neugier conflict der Ausgangspunkt für dieses Projekt.
Naja, nicht ganz. Seien wir ehrlich: Die Idee, Spotify-Daten zu analysieren, stand auf einem Zettel mit dem Titel „Datenprojekt“ – Sie wissen schon, so ein Zettel voller Ideen, die Sie wahrscheinlich nie beginnen oder beenden werden. Der Zettel lag ein Jahr lang dort.
Eines Tages schaute ich mir die Liste noch einmal an und mit neuem Vertrauen in meine Datenanalysefähigkeiten (dank eines Jahres des Wachstums und der Verbesserungen von ChatGPT) beschloss ich, einen Eintrag auszuwählen und das Projekt zu starten.
Zuerst wollte ich einfach nur ziellos auf meine Spotify-Daten zugreifen und sie analysieren. Ich conflict einfach neugierig, was ich damit machen könnte.
Wenn Sie ein Projekt wie dieses starten, sollten Sie sich zunächst fragen, wo sich die Datenquelle befindet und welche Daten verfügbar sind. Im Wesentlichen gibt es zwei Möglichkeiten, an Ihre Daten zu gelangen:
- Sie können in den Datenschutzeinstellungen eine Kopie Ihrer historischen Daten anfordern, die Zustellung dauert jedoch 30 Tage – nicht gerade praktisch.
- Verwenden Sie die API von Spotify, die es Ihnen ermöglicht, bei Bedarf Ihre eigenen Daten abzurufen und mithilfe verschiedener Parameter den API-Aufruf zu optimieren und verschiedene Informationen abzurufen.
Offensichtlich habe ich mich für die zweite Possibility entschieden. Dazu müssen Sie zunächst ein Entwicklerprojekt erstellen, um Ihre API-Schlüssel zu erhalten, und dann kann es losgehen.
API-Antwortbeispiel
Erinnern Sie sich, wir haben darüber gesprochen, dass bestimmte Titel eher zum Tanzen geeignet sind als andere. Als Mensch können wir ganz einfach spüren, ob ein Track zum Tanzen geeignet ist oder nicht – es geht doch nur darum, was Sie in Ihrem Körper spüren, oder? Aber wie bestimmen Pc das?
Spotify verwendet eigene Algorithmen, um jedes Lied in seinem Katalog zu analysieren. Für jedes Lied wird eine Liste der damit verbundenen Funktionen bereitgestellt. Diese Analyse kann beispielsweise dazu verwendet werden, Wiedergabelisten zu erstellen und Ihnen Empfehlungen zu geben. Die gute Nachricht ist, dass die API über den Endpunkt audio_features Zugriff auf diese Analysen bietet, sodass Sie auf alle Funktionen jedes Lieds zugreifen können.
Analysieren wir beispielsweise die Audiofunktionen des berühmten Songs „Macarena“, den sicher jeder kennt. Ich werde nicht auf jeden Parameter des Songs im Element eingehen, sondern uns auf einen Aspekt konzentrieren, um besser zu verstehen, wie er funktioniert – den Tanzbarkeitswert von 0,823.
Laut Spotifys Dokumentation beschreibt die Tanzbarkeit, wie intestine sich ein Titel zum Tanzen eignet, basierend auf einer Kombination musikalischer Elemente, darunter Tempo, Rhythmusstabilität, Beatstärke und allgemeine Regelmäßigkeit. Ein Wert von 0,0 bedeutet am wenigsten tanzbar und 1,0 am meisten tanzbar. Mit einem Wert von 0,823 (oder 82,3 %) kann man leicht sagen, dass dieser Titel sehr tanzbar ist.
Die drei Zeitlichkeiten
Bevor ich weitermache, muss ich ein Konzept der Spotify-API namens time_range vorstellen. Mit diesem interessanten Parameter können Sie Daten aus verschiedenen Zeiträumen abrufen, indem Sie den time_range angeben:
- kurzfristig: die letzten 4 Wochen der Höraktivität
- mittelfristig: die Höraktivität der letzten 6 Monate
- langfristig: die gesamte Lebensdauer Ihrer Höraktivität
Lassen Sie uns dies anhand eines Beispiels veranschaulichen: Wenn Sie Ihre High-10-Titel der letzten 4 Wochen abrufen möchten, können Sie den entsprechenden Endpunkt aufrufen und den Zeitbereich als Parameter wie folgt übergeben: https://api.spotify.com/v1/me/high/artists?time_range=short_term&restrict=10
Wenn Sie diesen Aufruf tätigen, werden Ihnen Ihre High-10-Künstler des letzten Monats angezeigt.
Angesichts all dieser verfügbaren Informationen conflict meine Idee, ein Datenprodukt zu erstellen, mit dem Benutzer verstehen können, was sie hören, und durch den Vergleich verschiedener Zeiträume Stimmungsschwankungen erkennen können. Diese Analyse kann dann zeigen, wie sich Veränderungen in unserem Leben in unserer Musikauswahl widerspiegeln.
Ich habe zum Beispiel vor Kurzem wieder mit dem Laufen begonnen und diese Änderung meiner Routine hat sich auf meine Musikvorlieben ausgewirkt. Ich höre jetzt Musik, die schneller und energetischer ist als die, die ich normalerweise früher gehört habe. Das ist natürlich meine Interpretation, aber es ist interessant zu sehen, wie sich eine Änderung meiner körperlichen Aktivität auf das auswirken kann, was ich höre.
Dies ist nur ein Beispiel, denn jeder musikalische Weg ist einzigartig und kann je nach persönlichen Erfahrungen und Lebensveränderungen unterschiedlich interpretiert werden. Ich finde es ziemlich cool, durch die Analyse dieser Muster Verbindungen zwischen unseren Lebensstilentscheidungen und der Musik, die wir gerne hören, herstellen zu können.
Dateneinblicke zugänglich machen
Je tiefer ich in dieses Projekt eindrang, desto mehr wurde mir bewusst, dass ich zwar meine Daten selbst analysieren und zu bestimmten Schlussfolgerungen gelangen konnte, ich aber wollte, dass alle dies tun.
Der einfachste Weg, Dateneinblicke mit Laien zu teilen und sie so leicht zugänglich zu machen, ist meiner Meinung nach nicht über ein schickes BI-Dashboard. Meine Idee conflict, etwas zu schaffen, das allgemein zugänglich ist, und so entwickelte ich eine mobilfreundliche Webanwendung, die jeder nutzen kann.
Um die App zu nutzen, benötigen Sie lediglich ein Spotify-Konto. Verbinden Sie es per Mausklick mit BeatBuddy, und fertig!
Musikalische Emotionen messen
Sehen wir uns eine weitere Funktion der App an: Sie misst den Glückspegel der Musik, die Sie gerade hören, was Ihre aktuelle Stimmung widerspiegeln könnte. Die App sammelt Daten Ihrer aktuellen High-Titel und konzentriert sich dabei auf den Parameter „Valenz“, der musikalisches Glück darstellt, wobei 1 für superglückliche Musik steht. Wenn beispielsweise die durchschnittliche Valenz Ihrer aktuellen Titel 0,432 beträgt und Ihr Durchschnitt aller Zeiten 0,645, könnte dies darauf hindeuten, dass Sie in letzter Zeit eher melancholische Musik gehört haben.
Diese Analysen sollten jedoch mit Vorsicht betrachtet werden, da diese Zahlen eher Developments als absolute Wahrheiten darstellen. Manchmal sollten wir nicht immer versuchen, einen Grund hinter diesen Zahlen zu finden.
Wenn Sie beispielsweise Ihr Gehtempo verfolgen und feststellen, dass Sie in letzter Zeit schneller gegangen sind, bedeutet das nicht unbedingt, dass Sie es eiliger haben – es können verschiedene kleinere Faktoren wie Wetteränderungen, neue Schuhe oder einfach eine unbewusste Veränderung sein. Manchmal treten Änderungen ohne explizite Gründe auf, und obwohl es möglich ist, diese Variationen zu messen, erfordern sie nicht immer klare Erklärungen.
Dennoch kann es interessant sein, signifikante Veränderungen in Ihren Musikhörgewohnheiten zu bemerken. Es kann Ihnen helfen, darüber nachzudenken, wie Ihr emotionaler Zustand oder Ihre Lebenssituation Ihre musikalischen Vorlieben beeinflussen könnte. Dieser Aspekt von BeatBuddy bietet eine interessante Perspektive, obwohl es erwähnenswert ist, dass diese Interpretationen nur ein Teil des komplexen Puzzles unserer Emotionen und Erfahrungen sind
Seien wir ehrlich: Die Analyse Ihrer Hörgewohnheiten ist eine Sache, aber wie können Sie auf Grundlage dieser Analyse Maßnahmen ergreifen? Letztendlich besteht das ultimative Ziel der Datenanalyse darin, datenbasierte Entscheidungen zu treffen. Und hier kommen Empfehlungen ins Spiel.
Empfehlungen basierend auf Ihrer ausgewählten Stimmung
Eine interessante Funktion von BeatBuddy ist die Möglichkeit, Musikempfehlungen basierend auf der von Ihnen ausgewählten Stimmung und der Musik, die Ihnen gefällt, bereitzustellen.
Sie stellen beispielsweise fest, dass das, was Sie gerade hören, einen Popularitätswert von 75 % hat (was ziemlich hoch ist), und möchten versteckte Perlen finden, die auf Ihren Geschmack zugeschnitten sind. Sie können dann den Schieberegler „Popularität“ auf beispielsweise 25 % einstellen, um eine neue Wiedergabeliste mit einem durchschnittlichen Popularitätswert von 25 % zu erstellen.
Im Hintergrund erfolgt ein API-Aufruf an den Spotify-Algorithmus, um eine Empfehlung basierend auf den von Ihnen ausgewählten Kriterien zu erstellen. Dieser Aufruf generiert eine Playlist-Empfehlung, die sowohl auf Ihren persönlichen Geschmack als auch auf die von Ihnen festgelegten Stimmungsparameter zugeschnitten ist. Er verwendet Ihre fünf beliebtesten Titel, um den Spotify-Empfehlungsalgorithmus entsprechend Ihrer Auswahl zu optimieren.
Wenn Sie mit der Playlist zufrieden sind, können Sie sie direkt in Ihrer Spotify-Bibliothek speichern. Jede Playlist enthält eine Beschreibung mit den von Ihnen gewählten Parametern, damit Sie sich besser an die Stimmung erinnern können, die jede Playlist hervorrufen soll.
Die Entwicklung einer Webanwendung, die Spotify-Daten analysiert, conflict eine anspruchsvolle, aber lohnende Reise. Ich wurde aus meiner Komfortzone gedrängt und habe mir Kenntnisse in mehreren Bereichen angeeignet, darunter Internet-API, Cookie-Verwaltung, Websicherheit, OAuth2, Frontend-Entwicklung, cellular Optimierung und website positioning. Unten sehen Sie ein Diagramm der Excessive-Degree-Architektur der Anwendung:
Mein ursprüngliches Ziel conflict es, ein bescheidenes Datenprojekt zur Analyse meiner Hörgewohnheiten zu starten. Daraus entwickelte sich jedoch ein dreimonatiges Projekt voller Erkenntnisse und Entdeckungen.
Während des gesamten Prozesses wurde mir klar, wie eng Datenanalyse und Webentwicklung miteinander verbunden sind, insbesondere wenn es darum geht, eine Lösung zu liefern, die nicht nur funktional, sondern auch benutzerfreundlich und leicht zugänglich ist. Letztendlich geht es bei der Softwareentwicklung im Wesentlichen darum, Daten von einem Ort zum anderen zu verschieben.
Eine letzte Anmerkung: Ich wollte eine Anwendung erstellen, die sauber ist und ein nahtloses Benutzererlebnis bietet. Deshalb ist BeatBuddy völlig werbefrei, es werden keine Daten verkauft oder an Dritte weitergegeben. Ich habe dies mit dem alleinigen Ziel erstellt, Benutzern eine Möglichkeit zu geben, ihre Musikauswahl besser zu verstehen und neue Titel zu entdecken.
Hier können Sie die App ausprobieren: https://www.beatbuddy.cloud
Wenn Sie Kommentare oder Vorschläge haben, bin ich ganz Ohr! Ihr Suggestions ist wirklich wichtig.
Wer tiefer in die Materie eintauchen möchte, sollte nach meinem nächsten Artikel Ausschau halten.
Prost!
Lazare