依托大数据增强音乐广播的核心竞争力.docx

??

?

??

依托大数据增强音乐广播的核心竞争力

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

薛婧

【摘要】通过收集研究新媒体音乐平台数据和样态，用来参考和指导传统音乐广播歌库的数据，使得音乐广播的播出内容更加丰富，更凸显新媒体所不具备的主持人陪伴特质，从而得到听众认同，让传统音乐广播在激励竞争时代立于不败之地。

【关键词】音乐大数据音乐广播歌库讯息编辑策略核心竞争力

媒体融合时代下的传统音乐广播如何利用多方大数据来分析管理已有歌库、调整编辑思路、定位节目策略，使传统媒体重获新生？伴随着媒体融合的深度发展，新媒体为受众提供了海量的视听内容与接受形式，而经历了类型化广播十年的发展与壮大，传统音乐广播电台特有的伴随性优势被逐渐弱化，广播面临新的挑战。

首先，依靠广播收听率数据分析研究当今听众对于传统音乐广播的需求。音乐广播听众属性分析：针对的听众从年龄、职业、地域听众为例，中青年听众群体是音乐广播主要诉求对象，包括了中学生、大学生、时尚人群、自由职业商户者等喜爱音乐、文化素养高的城市人群；收听习惯、工具、场地、状态等等。

然后，研究互联网音乐网站数据：各大音乐网站专题分类点击率排行数据听众偏爱与喜好数据；利用各大音乐网站所提供的相关音乐讯息收集每首歌曲的歌手信息、歌曲实时热度、评论、听众信息、关联歌曲等。

音乐、歌曲作为音乐广播节目的灵魂主体，在音乐电台所起的作用是决定性的核心的，依托新媒体的大数据在保持传统音乐广播播放形式原汁原味的前提下，对其音乐库进行优化分析，使其节目内播放歌曲的内容更贴合当前社会环境下大众需求的口味，是改变传统音乐广播打开新局面的重要举措。

如何使音乐电台的歌曲库得到最优质的利用和编排是音乐总监和音乐编辑的重要职责，特别是媒体融合时代，音乐电台的歌曲库决定着频率属性和气质，以下是本人多年从事音乐编辑和歌库监制的一些体会。

一、收集数据

1.音乐电台听众的自身数据。不同的音乐电台都有其自身的特征，听众定位、节目内容特点、现有电台曲库、主要覆盖区域等。只有了解了每个音乐电台的自身特点，才能将音乐大数据分析的结果与不同音乐电台准确匹配。

2.音乐广播听众属性分析。每家音乐广播电台都有自己的听众特征与节目风格，针对的听众从年龄、职业、地域等方面都会有自己的重点把握，因此其节目中播放歌曲的内容肯定需要与之吻合，才能提高收听率。不同的音乐电台会挑选其自己对应人群的歌曲，降低了音乐电台内容的重复率，将好听的节目推送给适合它的听众。

3.当地目标受众群体的结构组成。以大连音乐广播的听众为例，中青年听众群体是音乐广播主要诉求对象，包括了中学生、大学生、时尚人群、自由职业商户者等喜爱音乐、文化素养高的城市人群，他们普遍有着较高文化素养，具有一定消费力，有充分的自由享受音乐享受生活的较高精神追求，分析这类人群特点就会发现：回归广播最根本的伴随特质以及音乐性的广泛认同，提供形态统一的类型化音乐陪伴是这类人群的广泛需求，音乐好听而不滥熟，编排有序而不落俗更是符合这类人群在音乐审美需求的方向。

二、处理原始歌库（归类属性标签）

音乐电台的歌曲库如果存有3万首歌曲，歌库音乐编辑要做的事情就是把每一首歌打上属于各自的标签，在各大项里再细化若干小项，具体内容包括：

1.曲目名称专辑名称角色角色大项分类。男生女声男女对唱男女组合男男对唱女女对唱男主唱组合女主唱组合乐队组合和声组合群星童声男子组合女子组合

2.音乐特征大项分类情绪大项分类。浪漫激烈慵懒舒缓深情轻快欢快忧郁清新憤怒伤感豪迈梦幻悲壮幽默童话甜蜜

3.年代大项分类。80年代前80-90年代90-00年代00-05年代05-10年代11-15年代

4.类型大项分类。原创原唱改编翻唱环保励志情歌演唱会live影视主题歌节庆歌曲

5.曲风大项分类。抒情民谣摇滚中国风舞曲哥特朋克爵士RB;EDM

6.节奏速度表情大项。在音乐电台的歌曲库里，以上这些数据是每一首歌曲必填的选项，有了这些标签音乐编辑接下来在制定电子排单的策略上有据可依，会形成一个符合基本类型化的歌单雏形。

三、对照依据各种数据制定排单策略

1.歌曲库数据是音乐电台电子排单的重要依据。经过数据处理过的原始歌库每一首歌有了新面貌，音乐编辑首先制定一小时的电子排单策略，比如：第一单元（一小时的前十五分钟），基调是节奏轻快；曲风小清新；励志；中文；中速；年代；角色，等等，条件越是细化抓出来的曲目越接近目标需求。

第二个单元（一小时内的15—30分钟区间），基调是抒情中板情歌，情绪是表达美好甜蜜优美的；年代是85—90年代歌手；根据数据参考制作排单策略基本就可以排出这一单元的基本完美歌单，当