Анализ возвращения The Neighbourhood
Концепция
The Neighbourhood — американская альтернативная группа из Лос-Анджелеса, известная своим мрачным инди-звучанием и эмоциональными текстами. После четырёхлетнего перерыва группа вернулась с новым альбомом, что стало важным событием для её аудитории.
В этом проекте я анализирую стриминговые данные, чтобы проследить, как изменился интерес слушателей после возвращения группы. Основное внимание уделено динамике прослушиваний альбомов и треков за последние месяцы. Визуализации показывают всплески популярности, а также перераспределение внимания между новыми релизами и старыми хитами.
Проект демонстрирует, как данные могут отражать реакцию аудитории на возвращение артиста после длительного перерыва.
Обложки нового альбома «(((((ultraSOUND)))))» и новой версии альбома «Wiped out» (10th anniversary edition)
Цветовая палитра
Цветовая палитра последних альбомов.
Работа с данными
На первом этапе я получила исходные данные о стриминговых показателях группы The Neighbourhood с открытого источника — сайта https://kworb.net/spotify/artist/77SW9BnxLY8rJ0RciFqkHh_songs.html, который агрегирует статистику Spotify.
Для этого была использована библиотека Pandas и функция read_html (), позволяющая автоматически извлекать табличные данные с веб-страницы.
Таким образом, я сделала 3 таблицы в формате csv. Для последней круговой диаграммы я делала таблицу в Excel самостоятельно и затем загрузила в Google Colab.
Линейный график
График показывает, что наибольшее суммарное количество прослушиваний по-прежнему приходится на ранние релизы группы, что говорит о долгосрочной популярности их классических альбомов. Однако новый альбом, выпущенный после четырёхлетнего перерыва, уверенно занимает заметное место, несмотря на меньший срок присутствия на стриминговых платформах. Это указывает на высокий интерес аудитории к возвращению группы.
Столбчатые диаграммы
Здесь я решила сравнить самые большие прослушивания за последний месяц и за 6 месяцев.
На графике за последний месяц видно, что все песни с нового альбома лидируют по прослушиваниям. Такой эффект характерен для камбэков, когда внимание аудитории концентрируется вокруг одного ключевого релиза.
В более длинном временном диапазоне заметно, что наряду с новым материалом сохраняется высокая популярность старых хитов группы. Один из треков (A Little Death) существенно опережает остальные, подтверждая статус долгосрочного фаворита аудитории.
Круговая диаграмма
Круговая диаграмма демонстрирует, что ежедневные прослушивания распределены неравномерно: несколько треков (Sweater Weather) формируют основную долю стримов, тогда как остальная часть каталога имеет меньший, но стабильный вклад. Это типичная картина для популярных артистов, где несколько хитов продолжают доминировать даже спустя годы. Возвращение группы не отменяет этого эффекта, а, наоборот, усиливает интерес к уже знакомым композициям.
Облако слов
Анализ частотности слов показывает, что лирика The Neighbourhood по-прежнему сосредоточена вокруг тем любви, эмоций, внутреннего состояния и близости. Часто повторяющиеся слова подчёркивают эмоциональную и интроспективную направленность творчества группы.
Это говорит о стилистической преемственности: даже после перерыва группа сохраняет узнаваемый язык и атмосферу, что может объяснять устойчивый интерес аудитории.
При анализе текстов песен дополнительно была выполнена очистка данных: из корпуса были удалены слова, не несущие смысловой нагрузки (например, междометия и звукоподражания вроде «ahah», «ahahah»). Это позволило повысить информативность анализа частотности и сосредоточиться на значимых лексических элементах.
Вывод
Анализ стриминговых данных показывает, что возвращение The Neighbourhood после четырёхлетнего перерыва вызвало заметный рост интереса аудитории. Новый альбом и отдельные треки быстро привлекли внимание слушателей, при этом классические хиты продолжают занимать ключевое место в структуре прослушиваний. Это говорит о сохранении лояльной аудитории и успешном сочетании нового материала с уже узнаваемым стилем группы.
Описание применения генеративной модели
Chat GPT — доработка кода и нахождение ошибок.
