A quantitative comparison of viral and hit songs in the Brazilian music market

Gabriel Oliveira; Ana Paula Couto da Silva; Mirella Moro

doi:10.33871/vortex.2024.12.8727

Autores/as

Gabriel Oliveira Universidade Federal de Minas Gerais https://orcid.org/0000-0002-7210-6408
Ana Paula Couto da Silva Universidade Federal de Minas Gerais https://orcid.org/0000-0001-5951-3562
Mirella Moro Universidade Federal de Minas Gerais https://orcid.org/0000-0002-0545-2001

DOI:

https://doi.org/10.33871/vortex.2024.12.8727

Palabras clave:

song virality, musical success, quantitative analysis, Brazil

Resumen

A viralização de músicas através de plataformas de streaming e redes sociais é comum, mas nem todas as músicas virais se tornam sucessos. Neste contexto, nosso objetivo é descobrir o que difere as músicas virais dos hits para além da definição. Nós utilizamos uma metodologia quantitativa em paradas de sucesso do mercado brasileiro. Comparamos músicas de sucesso e virais quanto às suas características intrínsecas e extrínsecas, e os resultados revelam diferenças significativas entre elas. Características como gêneros musicais, tópicos das letras e emoções surgem como elementos cruciais para distinguir tais canções no contexto brasileiro. Além disso, características temporais indicam diferenças nos processos de difusão entre hits e virais. Em geral, este estudo oferece percepções sobre o consumo de música no Brasil, revelando a conexão entre as características das músicas e seu sucesso e viralização em plataformas de streaming.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gabriel Oliveira, Universidade Federal de Minas Gerais

Gabriel P. Oliveira es estudiante de doctorado en el Programa de Posgrado en Ciencias de la Computación de la Universidade Federal de Minas Gerais, Brasil. Recibió la licenciatura y maestría en Ciencias de la Computación de la UFMG en 2018 y 2021, respectivamente. Actualmente es miembro del Laboratorio de Informática Interdisciplinaria (CS+X) y Científico de Datos en el Proyecto de Capacidades Analíticas. Sus intereses de investigación incluyen computación social, ciencia de datos y análisis de redes sociales, con un fuerte énfasis en dominios colaborativos.

Ana Paula Couto da Silva, Universidade Federal de Minas Gerais

Ana Paula Couto da Silva se doctoró en Ingeniería Informática y de Sistemas por la Universidad Federal de Río de Janeiro (2006). Trabajó en el IRISA-Rennes en 2005 y 2007, y en el Politécnico de Turín en 2008 (como posdoctoranda), 2016 (como profesora visitante) y 2018 (como investigadora visitante). Está en el Departamento de Informática de la Universidad Federal de Minas Gerais desde 2013 como profesora asociada. Tiene productividad en beca de investigación (Bolsa PQ - CNPq) nivel 2. Sus áreas de interés están en el campo de la ciencia de redes, computación social y análisis de sistemas informáticos y redes verdes.

Mirella Moro, Universidade Federal de Minas Gerais

Mirella M. Moro, PhD, trabaja en el Departamento de Informática de la Universidade Federal de Minas Gerais, Brasil. Sus intereses de investigación incluyen la investigación basada en datos, la informática en la cultura, la diversidad de género y la educación en Informática. También aboga por aumentar la participación de las mujeres en la informática y la tecnología, y coordina el Programa de Chicas Digitales de la Sociedad Brasileña de Informática.

Citas

ABEL, Fabian; DIAZ-AVILES, Ernesto; HENZE, Nicola; KRAUSE, Daniel; SIEHNDEL, Patrick. Analyzing the Blogosphere for Predicting the Success of Music and Movie Products. In: INTERNATIONAL CONFERENCE ON ADVANCES IN SOCIAL NETWORKS ANALYSIS AND MINING (ASONAM), 2010, Odense, Denmark. Proceedings [...]. [S. l.]: IEEE, 2010. pp. 276–280. DOI: 10.1109/ASONAM.2010.50.

ARAUJO, Carlos Soares; CRISTO, Marco; GIUSTI, Rafael. Predicting Music Popularity on Streaming Platforms. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO MUSICAL (SBCM), 17, 2019, São João del-Rei, Brazil. Anais [...]. Porto Alegre: SBC, 2019. pp. 141-148. DOI: 10.5753/sbcm.2019.10436.

BASTOS, Hemilly; GIUNTI, Débora Moreira; BENVINDO, Larissa; NASCIMENTO, Alexandre; INOCÊNCIO, Luana. Trends no TikTok e sua influência no streaming musical: os casos Doja Cat e Olivia Rodrigo. In: CONGRESSO BRASILEIRO DE CIÊNCIAS DA COMUNICAÇÃO, 2021, Evento virtual. Anais [..]. [S. l.]: INTERCOM, 2021. pp. 1-15.

BISCHOFF, Kerstin; FIRAN, Claudiu S.; GEORGESCU, Mihai; NEJDL, Wolfgang; PAIU, Raluca. Social Knowledge-Driven Music Hit Prediction. In: INTERNATIONAL CONFERENCE ON ADVANCED DATA MINING AND APPLICATIONS (ADMA), 2009, Beijing, China. Proceedings [...]. New York: Springer, 2009. pp. 43-54. DOI: 10.1007/978-3-642-03348-3_8.

BLEI, David M.; NG, Andrew Y.; JORDAN, Michael I. Latent Dirichlet Allocation. Journal of Machine Learning Research, [S. l.], v. 3, pp. 993-1022, 2003.

COSIMATO, Alberto; DE PRISCO, Roberto; GUARINO, Alfonso; MALANDRINO, Delfina; LETTIERI, Nicola; SORRENTINO, Giuseppe; ZACCAGNINO, Rocco. The Conundrum of Success in Music: Playing it or Talking About it?. IEEE Access, [S. l.], v. 7, pp. 123289-123298, 2019. DOI: 10.1109/ACCESS.2019.2937743.

DHANARAJ, Ruth; LOGAN, Beth. Automatic Prediction of Hit Songs. In: INTERNATIONAL SOCIETY FOR MUSIC INFORMATION RETRIEVAL CONFERENCE (ISMIR), 2005, London, UK. Proceedings [...]. [S. l.]: ISMIR, 2005. pp. 488-491.

DUMAN, Deniz; NETO, Pedro; MAVROLAMPADOS, Anastasios; TOIVIAINEN, Petri; LUCK Geoff. Music we move to: Spotify audio features and reasons for listening. PLoS ONE, [S. l.], v. 17, n. 9, p. e0275228, 2022. DOI: 10.1371/journal.pone.0275228

GUERINI, Marco; STRAPPARAVA, Carlo; ÖZBAL, Gözde. Exploring Text Virality in Social Networks. In: INTERNATIONAL AAAI CONFERENCE ON WEB AND SOCIAL MEDIA (ICWSM), 5, 2011, Barcelona, Spain. Proceedings [...]. [S. l.]: The AAAI Press, 2011. pp. 506-509. DOI: 10.1609/icwsm.v5i1.14169.

JIANG, Lu; MIAO, Yajie; YANG, Yi; LAN, Zhen-Zhong; HAUPTMANN, Alexander G. Viral Video Style: A Closer Look at Viral Videos on YouTube. In: INTERNATIONAL CONFERENCE ON MULTIMEDIA RETRIEVAL (ICMR), 2014, Glasgow, UK. Proceedings [...]. New York: ACM, 2014. pp. 193-200. DOI: 10.1145/2578726.2578754.

KONG, Quyu; RIZOIU, Marian-Andrei; WU, Siqi; XIE, Lexing. Will This Video Go Viral: Explaining and Predicting the Popularity of YouTube Videos. In: THE WEB CONFERENCE (WWW), 2018, Lyon, France. Companion Proceedings [...]. New York: ACM, 2018. pp. 175-178. DOI: 10.1145/3184558.3186972.

KRIJESTORAC, Haris; GARG, Rajiv; MAHAJAN, Vijay. Cross-Platform Spillover Effects in Consumption of Viral Content: A Quasi-Experimental Analysis Using Synthetic Controls. Information Systems Research, [S. l.], v. 31, n. 2, pp. 449-472, 2020. DOI: 10.1287/isre.2019.0897.

INTERNATIONAL FEDERATION OF THE PHONOGRAPHIC INDUSTRY. Engaging with music. [S. l.], 2023. Disponível em: <https://ifpi.org/wp-content/uploads/2023/12/IFPI-Engaging-With-Music-2023_full-report.pdf>. Acesso em: 19 jun. 2024.

LE COMPTE, Daniel; KLUG, Daniel. "It's Viral!" - A Study of the Behaviors, Practices, and Motivations of TikTok Users and Social Activism. In: ACM CONFERENCE ON COMPUTER SUPPORTED COOPERATIVE WORK AND SOCIAL COMPUTING (CSCW), 2021, Virtual event. Companion Proceedings [...]. New York: ACM, 2021. pp. 108-111. DOI: 10.1145/3462204.3481741.

LING, Chen; DE CRISTOFARO, Emiliano; STRINGHINI, Gianluca. Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators of Virality in TikTok Short Videos. In: ACM WEB SCIENCE CONFERENCE (WEBSCI), 2022, Barcelona, Spain. Proceedings [...]. New York: ACM, 2022. pp. 164-173. DOI: 10.1145/3501247.3531551.

MANN, Henry B.; WHITNEY, Donald R. On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, [S. l.], v. 18, n. 1, pp. 50-60, 1947.

OLIVEIRA, Gabriel P.; SILVA, Mariana O.; SEUFITELLI, Danilo B.; LACERDA, Anisio; MORO, Mirella M. Detecting Collaboration Profiles in Success-based Music Genre Networks. In: INTERNATIONAL SOCIETY FOR MUSIC INFORMATION RETRIEVAL CONFERENCE (ISMIR), 2020, Montreal, Canada. Proceedings [...]. [S. l.]: ISMIR, 2020. pp. 726-732.

OLIVEIRA, Gabriel P.; COUTO DA SILVA, Ana Paula; MORO, Mirella M. What makes a viral song? Unraveling music virality factors. In: ACM WEB SCIENCE CONFERENCE (WEBSCI), 2024, Stuttgart, Germany. Proceedings [...]. New York: ACM, 2024. pp. 181-190. DOI: 10.1145/3614419.3644011.

PRÓ-MÚSICA BRASIL. Mercado Fonográfico Brasileiro 2022. [S. l.], 2023. Disponível em: <https://pro-musicabr.org.br/wp-content/uploads/2023/03/2023-03-20-Mercado-Brasileiros-em-2023.pdf>. Acesso em: 19 jun. 2024.

RÖDER, Michael; BOTH, Andreas; HINNEBURG, Alexander. Exploring the Space of Topic Coherence Measures. In: ACM INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING (WSDM), 2015, Shanghai, China. Proceedings [...]. New York: ACM, 2015. pp. 399-408. DOI: 10.1145/2684822.2685324.

SEUFITELLI, Danilo B.; OLIVEIRA, Gabriel, P.; SILVA, Mariana O.; BARBOSA, Gabriel R. G.; MELO, Bruna, C.; BOTELHO, Juliana E.; MELO-GOMES, Luiza; MORO, Mirella M. From Compact Discs to Streaming: A Comparison of Eras within the Brazilian Market. Revista Vórtex, [S. l.], v. 10, n. 1, pp. 1-28, 2022. DOI: 10.33871/23179937.2022.10.1.2.

SEUFITELLI, Danilo B.; OLIVEIRA, Gabriel, P.; SILVA, Mariana O.; MORO, Mirella M. MGD+: An Enhanced Music Genre Dataset with Success-based Networks. In: DATASET SHOWCASE WORKSHOP (DSW), 2023, Belo Horizonte, Brazil. Anais [...]. Porto Alegre: SBC, 2023a. pp. 36-47. DOI: 10.5753/dsw.2023.233826.

SEUFITELLI, Danilo B.; OLIVEIRA, Gabriel, P.; SILVA, Mariana O.; SCOFIELD, Clarise; MORO, Mirella M. Hit song science: a comprehensive survey and research directions. Journal of New Music Research, [S. l.], v. 52, n. 1, pp. 41-72, 2023b. DOI: 10.1080/09298215.2023.2282999.

SHULMAN, Benjamin; SHARMA, Amit; COSLEY, Dan. Predictability of Popularity: Gaps between Prediction and Understanding. In: INTERNATIONAL AAAI CONFERENCE ON WEB AND SOCIAL MEDIA (ICWSM), 10, 2016, Cologne, Germany. Proceedings [...]. [S. l.]: The AAAI Press, 2016. pp. 348-357. DOI: 10.1609/icwsm.v10i1.14748.

SILVA, Mariana O.; OLIVEIRA, Gabriel P.; SEUFITELLI, Danilo B.; LACERDA, Anisio; MORO, Mirella M. Collaboration as a Driving Factor for Hit Song Classification. In: BRAZILIAN SYMPOSIUM ON MULTIMEDIA AND WEB (WEBMEDIA), 2022, Curitiba, Brazil. Anais [...]. New York: ACM, 2022. pp. 66-74. DOI: 10.1145/3539637.3556993.

SILVA, Mariana O.; OLIVEIRA, Gabriel P.; SEUFITELLI, Danilo B.; MORO, Mirella M. Temporal Success Analyses in Music Collaboration Networks: Brazilian and Global Scenarios. Revista Vórtex, [S. l.], v. 11, n. 2, pp. 1-27, 2023. DOI: 10.33871/23179937.2023.11.2.7185.

TAUSCZIK, Yla R.; PENNEBAKER, James W. The psychological meaning of words: LIWC and computerized text analysis methods. Journal of Language and Social Psychology, [S. l.], v. 29, n. 1, pp. 24-54, 2010. DOI: 10.1177/0261927X09351676.

TSIARA, Eleana; TJORTJIS, Christos. Using Twitter to Predict Chart Position for Songs. In: IFIP INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE APPLICATIONS & INNOVATIONS (AIAI), 2020, Neos Marmaras, Greece. Proceedings [...]. New York: Springer, 2020. pp. 62-72. DOI: 10.1007/978-3-030-49161-1_6.

VAZ DE MELO, Gabriel B.; MACHADO, Ana F.; CARVALHO, Lucas R. de. Music consumption in Brazil: an analysis of streaming reproductions. PragMATIZES - Revista Latino-Americana de Estudos em Cultura, [S. l.], v. 10, n. 19, pp. 141-169, 2020. DOI: 10.22409/pragmatizes.v10i19.40565.

YITZHAKI, Shlomo. Relative Deprivation and the Gini Coefficient. The Quarterly Journal of Economics, [S. l.], v. 93, n. 2, pp. 321-324, 1979. DOI: 10.2307/1883197.