Naar de content

De dj is een algoritme

Hoe Spotify steeds jouw favoriete nummer vindt

Een jonge vrouw die een koptelefoon draagt en naar muziek luistert op een gele achtergrond.
Een jonge vrouw die een koptelefoon draagt en naar muziek luistert op een gele achtergrond.
Lovefreund, via Unsplash

Online muziekdiensten zijn populair. Ze schotelen je nummers voor op basis van geavanceerde analyses van je luistergedrag. Hoe werkt dat precies? Wie (of wat) bepaalt wat een hit wordt? En wat betekenen die algoritmes voor muzikale creativiteit?

Herinner je het je nog? Die goede oude tijd waarin je een liedje op de radio hoorde en je naar de platenzaak snelde om het nieuwe album van je favoriete artiest te kopen om het thuis grijs te draaien? Of misschien zat je voor het top 40-programma op de radio klaar om een mixcassette te maken van de beste nummers in de lijst. Weer wat jaren later ging je het internet op om illegaal tracks te downloaden via het programma Napster. Muziekdistributie is de laatste paar decennia behoorlijk veranderd.

Het gros van de muziek wordt tegenwoordig gestreamd door programma’s die onze muzieksmaak waarschijnlijk nog beter kennen dan wijzelf en ons een hypergepersonaliseerde lijst met nummers voorschotelen waaraan geen einde komt. Ontdekkingslijsten met algoritmische aanbevelingen zijn populair: de computer bepaalt mede wat we thuis op de bank, in de auto en tijdens het werk horen.

Zo bezien hebben de muziekdiensten als doorgeefluik veel macht. Maar hoe werken die algoritmes eigenlijk? En bepalen zíj of jíj wat een hit wordt en wat niet?

Zoeken naar je muzikale dubbelganger

“Het algoritme is het best bewaarde geheim van streamingplatformen”, zegt Christine Bauer, universitair docent van het departement Informatie van de Universiteit Utrecht die er onderzoek naar deed. “Het is nog net geen zwarte doos, op zijn best een donkergrijze doos.” Maar wat we wel weten is dat er ruwweg twee manieren van ‘filteren’ zijn die leiden tot muzikale aanbevelingen. Streamingdiensten zoals Spotify gebruiken beide. Ten eerste kijkt het algoritme naar de inhoud van muziek, zoals het genre, de toonsoort en de tekst, en bepaalt of die past bij wat je al leuk vond. Daarnaast kijkt het naar andere abonnees met een vergelijkbare muzieksmaak en schotelt nummers waar zij naar luisteren ook voor aan jou.

Wie is de muzikale dubbelganger van wie?

flickr.com, susanjanegolding via CC BY-NC 2.0

Inhoudelijke factoren die bijvoorbeeld Spotify vrijwel zeker gebruikt voor aanbevelingen zijn in te zien via een app zoals Spotilyze, die nummers in je afspeellijsten analyseert. Als ik de afspeellijst van een muziekfestival kies dat ik jaren geleden bezocht, verschijnt er een brede waaier van eigenschappen. De liedjes worden in hoge mate ingedeeld in de categorieën ‘dansbaar’ en ‘energiek’, en hebben bovendien een hoge ‘akoestische’ kwaliteit. Qua tempo vormt 120 beats per minute de grootste categorie, twee derde van de liedjes is in ‘majeur’ en toonsoort C blijkt populair. En in honderd procent van de nummers ontbreken scheldwoorden.

Maar het algoritme leunt waarschijnlijk nog zwaarder op zogenaamde collaborative filtering. Iedere gebruiker heeft in het muzikale spectrum – van jazz tot urban, van indierock tot klassieke muziek – een of meerdere pieken. Overlappen jouw pieken precies met die van een andere gebruiker, dan kan Spotify die muzikale ‘dubbelganger’ benutten. Het algoritme hoeft je alleen maar af en toe een nummer uit de luistergeschiedenis van die persoon voor te schotelen om vervolgens te bepalen of je daar lang naar blijft luisteren. Klik je binnen dertig seconden door naar het volgende nummer? Dan vond je het waarschijnlijk geen goed liedje. En wie weet gebruikt Spotify jouw luistergedrag ook wel voor aanbevelingen aan anderen.

De automatische inhoudelijke analyse van nummers is niet feilloos.

flickr.com, Brandon Giesbrecht via CC BY 2.0

Vast in een versterkende loop

Juist de combinatie van de twee filtermethodes is krachtig, omdat ze elkaars zwakheden ondervangen. Zo is de automatische inhoudelijke analyse van nummers niet feilloos, weet John Ashley Burgoyne, muziekwetenschapper van de Universiteit van Amsterdam. “Het destilleren van de precieze toonsoort van een nummer kan lastig zijn”, zegt hij. “Een simpele volgorde van akkoorden met een enkel instrument is doorgaans goed te volgen, maar het wordt snel complex in een niet-standaard liedje met veel instrumenten. Zelfs muzikanten hebben daar moeite mee. En ook het herkennen van gezongen teksten is lastig.” Door juist te vertrouwen op de muzieksmaak van anderen kan een algoritme dit probleem ondervangen.

Aan de andere kant kan de inhoudelijke analyse juist de zwaktes van het sociale systeem ondervangen. Een nieuwe abonnee heeft bijvoorbeeld nog geen luistergeschiedenis, wat het lastig maakt om een muzikale dubbelganger te vinden. Via een inhoudelijke analyse kan het algoritme aan de hand van een paar nummers toch een redelijk vervolg geven op beluisterde nummers. Een andere valkuil van het sociale systeem is de neiging om veelbeluisterde nummers tot grote hoogte op te stuwen. Er ontstaan zichzelf versterkende loops die hetzelfde nummer uiteindelijk bij iedereen naar voren schuiven, en die het gat tussen populaire en minder populaire liedjes vergroten. Dat gebeurt minder met de inhoudelijke filters.

Dat een algoritme vast komt te zitten in een loop is volgens Bauer en Burgoyne een bekend probleem. “In eerste instantie dachten veel mensen dat streamingplatforms de diversiteit van de muziek waarnaar we luisterden zouden vergroten. Maar sommige onderzoeken lieten zien dat het tegenovergestelde gebeurde”, zegt Bauer. “Daarom speelt de dienst af en toe moedwillig een willekeurig nummer af dat misschien wat minder populair is, ook om de luisteraar te blijven verrassen. De meeste mensen willen niet keer op keer hun favoriete nummer horen. Overigens verschilt de behoefte aan variatie ook van persoon tot persoon.”

De (on)macht van het algoritme

Maar hoeveel macht heeft het algoritme nu echt? Uit de jaren negentig (ver voordat er streamingdiensten waren) gaan verhalen de ronde over producers die met elkaar weddenschappen afsloten om een zo ‘slecht’ mogelijk nummer in de muzikale top te krijgen. Maar slikt het publiek echt alles?

Om daarachter te komen deden wetenschappers van de Columbia-universiteit in New York in 2006 experimenten met een online platform waarop ruim 14 duizend mensen naar een ‘top 48’ van onbekende nummers konden luisteren. Deelnemers konden zien hoeveel keer de nummers door anderen geluisterd waren, maar wat ze niet wisten is dat deze getallen gemanipuleerd waren. Er werden acht verschillende ‘werelden’ gecreëerd met verschillende hitlijsten waarbij steeds andere nummers de lijst aanvoerden.

De onderzoekers concluderen dat het aantal streams dat bij een nummer weergegeven wordt invloed heeft op de populariteit van een nummer. Ze schrijven in een andere publicatie dat iedere hit een soort selffulfilling prophecy is: gedreven door hoge luisteraantallen wordt een nummer vaak geluisterd, wat de luisteraantallen nog verder opdrijft. Toch moeten je met ‘manipulatieve algoritmes’ oppassen. Uit de experimenten bleek namelijk ook dat wanneer in feite onpopulaire nummers te veel omhoog worden gedrukt, luisteraars in hun geheel afhaken. Ze gebruiken het platform dan simpelweg minder of helemaal niet meer. Hits hebben dus wel degelijk een kwaliteit die andere liedjes niet hebben.

Volgens Burgoyne zijn er veel factoren die bijdragen aan het succes van een nummer, en vaak liggen die ook buiten de muziek. “Denk aan star power: mensen luisteren graag naar bekende artiesten. Of kijk naar het Eurovisiesongfestival, de show is daar waarschijnlijk even belangrijk als het nummer zelf”, zegt hij. “De muziekindustrie weet dit natuurlijk en maakt daar dankbaar gebruik van. En toch: de allerbeste algoritmes kunnen tegenwoordig de eindnotering van een nieuw nummer in de top 100 voorspellen met een marge van ongeveer vijftig plekken. Dat is best een prestatie, maar het laat ook de onvoorspelbaarheid zien.”

Heeft vernieuwende muziek nog een kans?

2021 zal qua muzikale ontwikkeling misschien niet de geschiedenisboeken ingaan als de meest spannende periode, vermoedt John Ashley Burgoyne. Spannender waren volgens hem de jaren 60, met de opkomst van de Beatles die wegdreven van de zogenoemde doo-wop uit de jaren 50. Of de jaren 80, toen synthesizers de popwereld veroverden. Of toen rap en hiphop mainstream werden in de jaren 90. “Muzikale evolutie komt meestal stapsgewijs, maar muziek zal hoe dan ook blijven veranderen”, zegt hij.

Het is lastig om de invloed van algoritmes op de ontwikkeling van muziek te staven, want hoe scheidt je het effect van het algoritme van dat van artiesten en het publiek? Bauer laat weten dat het om te beginnen al moeilijk is om een vertaalslag te maken tussen de verkoop van cd’s en platen in het pre-streaming-tijdperk en de luistergetallen van nu. Hoeveel is één stream waard? “En ja, er zijn wel trends aan te wijzen. K-pop (een genre dat zijn wortels in Zuid-Korea heeft – red.) is nu bijvoorbeeld populair, ook in het Westen. Komt dat doordat het makkelijk overwaaide via de wereldwijde streamingdiensten? Of komt het door marketing, sociale trends of andere aspecten van globalisatie? Daarentegen waait de voorliefde van de Finnen voor heavy metal nauwelijks over naar andere landen.”

Is er nog ruimte voor populaire artiesten die het opeens hélemaal anders doen dan de artiesten daarvoor? Voor de pop van de Beatles, of de grunge van Nirvana? Burgoyne haalt een populair raadseltje tevoorschijn: als je één liedje mee mocht nemen naar een onbewoond eiland, welke zou het zijn? “Leuk om over te fantaseren, maar ik denk dat je op dat eiland muzikaal gezien een verschrikkelijk leven zou leiden. Mensen willen altijd variatie en nieuwe nummers. Muziek draait om een zekere mate van voorspel- en onvoorspelbaarheid. Er is in die zin altijd ruimte voor een nieuwe Nirvana”, zegt hij.

Donkergrijze doos

Zijn de algoritmes feilloos en eerlijk? Gezien de enorme populariteit van streamingdiensten kun je concluderen dat veel mensen er op zijn minst zo tevreden mee zijn dat ze er een tientje per maand voor overhebben. Maar er is ook ruimte voor verbetering. Zo ontdekte Bauer in haar onderzoek dat aanbevelingsalgoritmes vrouwelijke artiesten een lagere positie geven op afspeellijsten dan mannelijke collega’s, zelfs wanneer je rekening houdt met het feit dat er minder vrouwelijke artiesten zijn. Waarom is niet duidelijk. Een platform als Spotify zegt overigens werk te maken van een gelijkwaardigere behandeling van artiesten.

Het is sowieso de vraag of het beste nummer – als je dat al zou kunnen aanwijzen – altijd bovenaan staat en of de muziekwereld in die zin ooit ‘eerlijk’ is geweest. Hangt die niet van vriendjespolitiek en soms zelfs list en bedrog aan elkaar? “Natuurlijk was er nooit een perfect systeem”, zegt Bauer. “Maar er was beter zicht op de weg die naar succes leidde, je wist min of meer wat je moest doen. De artiesten die wij voor ons onderzoek spraken, zeggen geen flauw benul te hebben van de manier waarop hun muziek het publiek bereikt. Dat is eigenlijk nog frustrerender dan het oude systeem.”

Bronnen
ReactiesReageer