De datagoudmijn van Spotify: hoe voorspelbaar is luistergedrag?

“Great career move.” Deze enigszins cynische grap deed de ronde toen Elvis Presley in 1977 het leven liet. En inderdaad schoot zijn platenverkoop, die toch al enkele jaren over het hoogtepunt was, als een raket omhoog. Bij Spotify zien ze deze trend ook 37 jaar later terug in hun statistieken: als iemand overleden is, ontstaat er een piek in populariteit van de artiest.

Streaming statistieken

“This is what happens when artists die.” Wouter de Bie, big data architect bij Spotify, zit middenin zijn verhaal voor Social Media Week Rotterdam, als hij de lachers op zijn hand krijgt met een grafiek van de aantallen Whitney Houston liedjes die Spotify rond haar dood streamde. De grafiek toont een horizontale lijn dichtbij het nulpunt, die in februari 2012 in een steile piek door het dak schiet, om vrijwel direct daarna weer als horizontale lijn vlak bij het nulpunt verder te gaan.

Het contrast met de twee voorbeeldgrafieken die hij even daarvoor liet zien, kan niet groter zijn. Een mooie gelijkmatige hartslaggrafiek van Pearl Jam, een band die al een tijdje geen nieuw album heeft uitgebracht, maar wel een trouwe fanbase heeft. Die luisteren het meest op vrijdag en het minst op zondag.

De zorgvuldig geregiseerde marketing rond de pre-release en officiële release van het nieuwe album van Daft Punk resulteert in twee brede bergtoppen.

Je product verbeteren met statistieken

Het zijn stuk voor stuk interessante en voor artiesten en platenmaatschappijen relevante analytics waar ze hun marketing op aan kunnen passen. Of hun concertagenda, zoals JayZ deed toen Spotify – op verzoek van zijn management – uitzocht dat zijn fanbase in Zweden niet in Stockholm maar in Göteborg bleek te zitten.

Spotify mag met recht van big data spreken. Niet alleen omdat ze meer dan 20 miljoen liedjes in hun database hebben, maar vooral om hun meer dan 40 miljoen maandelijks actieve gebruikers uit 57 landen dagelijks twee Terabytes (2000 Gigabytes dus) aan gebruikersgegevens achterlaten. Zodra Spotify zijn analytics daarop heeft losgelaten, is dat 70 Terabyte aan informatie, onder andere over wat, hoeveel, wanneer en waar gebruikers luisteren.

Verbeteren in kleine stapjes

Al die gegevens gebruikt de muziekdienst momenteel vooral voor productverbeteringen. De concurrentie, met Apple voorop, hijgt in de nek en om die voor te blijven is Spotify continu zijn product aan het verbeteren. Dit gaat niet om grote, regelmatige releases van nieuwe versies, maar om aanpassingen in kleine stapjes of iteraties. Waarom? Omdat Spotify’s product en dienstverlening zo nieuw is, dat niemand weet wat het beste product is. Sterker, De Bie geeft aan dat Spotify ontdekt heeft dat ze in 80% van de gevallen verkeerde aannames doen over wat de consumenten willen.

‘Think it – Build it – Ship it – Tweak it’

Dat hoeft niet erg te zijn, als je er maar snel achter bent. “If it’s a failure, fail fast,” is dan ook een van de credo’s bij Spotify. Vandaar die iteratieve ontwikkelaanpak, die volgens de methode Think it – Build it – Ship it – Tweak it verloopt. In dat ‘Tweak it’ zit de meeste kracht. Spotify voert voortdurend A/B-testen uit. Iedere keer als er iets nieuws bedacht en gebouwd is, krijgt een kleine testgroep zonder dat ze dat verteld wordt de nieuwe versie voorgeschoteld, terwijl een controlegroep met de bestaande versie verder gaat. Het succes of falen van een nieuw idee wordt zo ogenblikkelijk duidelijk. Ik zou zeggen dat deze iteratieve aanpak verstandig is voor iedereen die zijn handel online heeft.

Spotify’s methode levert opvallende resultaten op

Spotify heeft met deze methode een paar opvallende inzichten opgedaan. Zo bleek het tegen de verwachting in geen enkel verschil te maken of er veel korte reclameboodschappen of juist weinig lange in de gratis versie zitten.

Personaliseren e-mail

Het personaliseren van de e-mail had daarentegen een groot effect. Door in de onderwerpsregel te schrijven: “Hester, we hebben 9 muzieksuggesties voor je” ging de click-through rate met 200% omhoog.

‘Listen to the music’..

Nog aansprekender is het voorbeeld van de Sign up-knop in Facebook. Als iemand op Facebook een nummer van Spotify deelde, zat daar een Sign up knop bij. Toen Spotify die knop veranderde in Okay, Listen to the music, zodat gebruikers die geen Spotiy hadden het nummer zonder gedoe direct konden afspelen, leidde dat tot maar liefst drie keer zoveel inschrijvingen als bij de Sign-up knop.

..maar: ‘more is less’

Spotify dacht hiermee een goudader te hebben aangeboord en verwachtte dat meer verbeteringen tot meer conversies zouden leiden. Niets bleek minder waar. Verdere aanpassingen (afbeelding van de album art op de achtergrond, muziek alvast beginnen af te spelen) leverden geen resultaten meer op. More is less.

Kennis over luistergedrag is een goudmijn, toch?

Productverbetering en kennis over luistergedrag van de gebruikers, het zijn mooie voorbeelden van big data analytics. Maar op de vraag of Spotify zijn datagoudmijn ook voor voorspellingen gebruikt, bijvoorbeeld over de hitpotentie van nummers, volgt een wat algemener antwoord.

Ik weet niet of dat betekent dat ze er niet mee bezig zijn, of dat ze er niet veel over kwijt willen. Maar mij lijkt daar de echte goudmijn in hun big data-berg te zitten. Want hoeveel is het niet waard als je vooraf kunt weten welke (soort) muziek op welk moment en in welke regio zal scoren? Als je hits kunt voorspellen?

Eén voorspelling durf ik er wel aan te wagen. Want wie de grafiek van Whitney Houston nauwkeuriger bekijkt, ziet dat de lijn na haar dood weliswaar weer snel zijn horizontale weg vervolgt, maar wel degelijk een stukje hoger ligt dan voor haar dood. Great sales move.

Foto’s met dank aan Fotolia.