Fingerabdrücke des Musikgeschmacks

Wir alle haben zum Teil sehr unterschiedliche Ansichten, was gute oder schlechte Musik ist. Wie in meinem früheren Beitrag zu Vorlieben für Musikinterpreten dargestellt, lassen sich diese individuellen Unterschiede in den Präferenzen nutzen, um mehr über die Struktur des Musikmarktes herauszufinden (dies funktioniert analog auch in anderen Märkten mit Angeboten, die unterschiedliche Personen ansprechen). Das Resultat des damals vorgestellten statistischen Verfahrens ist eine Landkarte der Musik, die auf den Präferenzen von vielen Personen basiert und ohne Wissen eines menschlichen Experten erstellt wurde. Sie erlaubt einen schnellen Überblick über den Musikmarkt und stellt die Positionierung der Musikinterpreten zueinander dar. Aber für was können wir diese Karte noch nutzen?

Zum Beispiel kann man damit die Präferenzen von einzelnen Personen oder ganzen Zielgruppen visualisieren. Dazu wird die Karte mit geeigneten mathematischen Verfahren so eingefärbt, dass Bereiche umso grüner gefärbt werden, je besser mir die Interpreten dort gefallen und desto mehr positiv bewertete Künstler sich in diesem Bereich befinden. Umgekehrt soll Rot Areale mit weniger beliebten MusikerInnen kennzeichnen. Eine daraus resultierende Karte kann in untenstehender Abbildung 1 genauer angeschaut werden.

Abbildung 1: Beispiel für eine Präferenzverteilung in der Karte der Musikinterpreten

Was sagt eine solche Karte nun aus? Bildet die Karte z. B. meine eigenen Präferenzen ab, kann ich nun in den tiefgrünen Bereichen nachschauen, ob dort auch Interpreten positioniert sind, die ich noch nicht kenne. Weil diese offenbar bei Personen beliebt sind, die viele meiner Lieblingsinterpreten ebenfalls gut bewerten, stehen die Chancen gut, dass mir die Musik der bisher unbekannten Interpreten auch gefallen wird.

Auch aus Anbietersicht können solche Karten nützlich sein: Die Einfärbungen können auf den durchschnittlichen Bewertungen von ganzen Zielgruppen basieren. Der Musikprogramm-Verantwortliche eines Radios kann damit z. B. den Musikgeschmack von Hörern unterschiedlicher Sender oder bestimmter Zielgruppen intuitiv miteinander vergleichen. In Abbildung 2 sind Präferenzverteilungen von neun zufällig ausgewählten Personen dargestellt. Es ist klar ersichtlich, dass sich diese Verteilungen je nach Präferenz der betreffenden Person doch wesentlich unterscheiden und somit so etwas wie die ‚Fingerabdrücke des Musikgeschmackes‘ bilden.  

Das hier vorgestellte Verfahren ist ein Beispiel für visuelle Aufbereitung von Datensätzen, wie sie in der heutigen digitalen und vernetzten Gesellschaft bei vielen Unternehmen und Organisationen vorliegen und unter den Schlagworten Data Mining oder Big Data auch analysiert werden. Durch geeignete Visualisierung, wie sie in unserem Beispiel mittels Multidimensionaler Skalierung und verwandten Verfahren erreicht wurde, können grosse Mengen von Informationen schneller erfasst und komplexe Zusammenhänge intuitiver interpretiert werden. Damit ist zumindest eine von vielen Voraussetzungen erfüllt, um Big Data erfolgreich einsetzen zu können.

Weiterführende Informationen und Quellen:

Ryf, S. & Läge, D. (2008). Berechnung und Visualisierung von Verteilungen in NMDS-Karten am Beispiel des Musik- und Getränkemarktes. In J. Reinecke & C. Tarnai (Hrsg.), Klassifikationsanalysen in Theorie und Praxis (S. 43-56). Münster: Waxmann.

Ryf, S. & Läge D. (2006). Visuelle Orientierung in unübersichtlichen Märkten mittels Präferenzkarten. In G. Kempter & P. von Hellberg (Hrsg.), Information nutzbar machen (S. 120-123). Lengerich: Pabst.