Анализ популярности музыкальных треков на Spotify и YouTube
I. Выбор датасета
Я выбрала анализ данных Spotify и YouTube, потому что мне интересна музыка и музыкальные клипы, и я регулярно пользуюсь обеими платформами. Было интересно посмотреть, как популярность треков проявляется в данных и связаны ли между собой прослушивания на Spotify и просмотры клипов на YouTube. Кроме того, датасет позволяет анализировать музыкальные характеристики треков
II. Визуальное оформление
Для визуализации данных, относящихся к Spotify я выбрала ярко-зеленый цвет, ассоциирующийся с сервисом, а для данных про YouTube — красный. Белым оформлены графики, относящиеся к обоим платформам. Такое разделение упрощает восприятие графиков.
Для анализа данных использовались гистограммы, диаграмма рассеяния, столбчатые диаграммы, тепловая карта корреляций и облака слов. Эти типы графиков позволили изучить распределение популярности, выявить связь между платформами, сравнить лидеров и наглядно показать пересечения топовых треков.
III. Визуализация
Сначала мне стало интересно, как распределяется популярность треков на Spotify. Для этого я построила гистограмму количества прослушиваний.
По графику видно, что большинство треков набирают относительно небольшое количество прослушиваний, а очень популярные треки встречаются значительно реже. Это говорит о том, что основная популярность сосредоточена у небольшого числа хитов.
Затем я решила посмотреть, как распределяется популярность клипов на YouTube. Для этого я также использовала гистограмму, но уже по количеству просмотров.
Ясно, что, как и в случае со Spotify, большинство клипов имеет умеренное количество просмотров, а экстремально популярные видео составляют небольшую часть всех наблюдений.
Далее мне стало интересно, существует ли связь между популярностью треков на Spotify и популярностью клипов на YouTube. Для этого я построила диаграмму рассеяния.
Между прослушиваниями и просмотрами наблюдается положительная связь, однако разброс точек довольно большой. Это означает, что высокая популярность на одной платформе не всегда напрямую переносится на другую.
После этого я решила определить, какие артисты являются самыми популярными на Spotify. Для этого я построила столбчатую диаграмму топ-10 артистов по суммарному количеству прослушиваний. Популярность на Spotify сильно сконцентрирована у ограниченного числа артистов, которые заметно опережают остальных по количеству прослушиваний.
Затем я аналогично проанализировала популярность артистов на YouTube, построив столбчатую диаграмму по количеству просмотров клипов.
Анализ показал, что состав самых популярных артистов на YouTube частично отличается от Spotify. Это показывает, что визуальный формат клипов влияет на популярность и может по-разному работать для разных артистов.
Далее мне стало интересно, какие показатели сильнее всего связаны с популярностью треков. Для этого я построила тепловую карту корреляций между метриками популярности, вовлечённости и музыкальными характеристиками.
Просмотры, лайки и комментарии сильнее коррелируют с популярностью, чем такие музыкальные характеристики, как «танцевальность», энергичность или темп.
В конце я решила наглядно сравнить самые популярные треки на Spotify и самые популярные клипы на YouTube. Для этого я построила два облака слов, по одному для каждой платформы, где общие позиции выделены белым цветом.
По этим графикам видно, что единственным треком, входящим в топ-10 на обоих площадках является «Shape of you» исполнителя Ed Sheeran, также существуют хиты, которые доминируют только на Spotify или только на YouTube.
IV. Описание применения генеративной модели
Для работы над визуализацией данных в этом проекте я пользовалась ChatGPT 5.2, когда сталкивалась с ошибками, а также для выбора категорий по которым я буду рассматривать тему
