2000 年，一位名叫艾佛利・王 (Avery Wang) 的斯坦福博士生与几位商学院的毕业生创办了一家科技公司，他们的想法是开发一种音乐服务，只需要一部手机，就能够在几秒钟之内分辨出任何一首歌曲，即便是处于人很多的酒吧或咖啡馆也可以。
研究声音分析的艾佛利负责打造这款软件，一开始他担心这个目标不可能实现。当时还没有一种技术能够将音乐从背景噪声中识别出来，且分析音乐的音符曲调还需要唱片公司的授权。但是不久他就获得了突破性的进展：艾佛利设计了一种算法，能够为每首歌生成唯一的声音指纹。这种办法的诀窍，就是将一首歌变成一段数据。
艾佛利开发的音乐服务于 2002 年上线，当时还没有智能手机，用户需要拨叫一串数字，将歌曲声音通过手机话筒传过去，之后回收到一段注明这首歌名称和演唱者的短消息。至今，该音乐服务已经成为全世界最受欢迎的应用程序之一，已经被下载了超过五亿次，辨别出了大约三千万首歌曲。该服务在音乐行业也掀起一场革命，因为大部分用户都将其作为发现之前未听过音乐的一款工具，这就为唱片公司高管们提供了一项非常有价值的东西：尽早发现歌曲大热门的方法。
“有时候我们能够在大部分人们听到一首歌的几个月之前就判断出这首歌是否会受欢迎。”该公司前任技术官杰森 (Jason Titus) 这样表示，目前杰森在 Google 任职。“我们知道一首歌会从哪里开始流行，监视整个流行传播的过程。”
实际上，许多流行的音乐 App 都在做着同样的事情。用户们的搜索、收听、下载和分享操作，都被用来回答一个音乐行业始终在思考的问题：人们想要听的下一首歌是什么？
这个问题之前很大程度上要靠音乐公司制作人的直觉和胆识来回答。但是用户的偏好数据打破了这种情况，专家们的感受被群体的选择所取代。结果就是，音乐公司能更好地发现用户想要听什么。在数字革命大潮的现在，对于音乐行业来说这可是一线曙光。显然对赚钱来说能帮上大忙，但是否对音乐发展有好处，就是一个大大的问号了。
笔者所采访的唱片公司高管、电台主持人、音乐行业分析师和记者当中，所有人都同意消费者群体和几十年前相比有了更多的话语权，听众的品味不再那么受到歌曲造势者的影响。但是这里又有一个问题：如果你给听众太多选择的权利，他们会一直想听同样类型的旋律。歌曲音乐会不断重复、毫无创意地乏味持续。
如今，最流行的歌曲往往会在电台榜单上持续几个月的时间，热门单曲的相对价值骤然升高了。最顶尖的那 1% 的乐队和歌手占到音乐行业全部营收的 77%，即便数字音乐销售有了很大的发展，榜单排名前十歌曲的销售量和十年前相比仍旧增加了 82%。虽然数字时代音乐人可以用 DIY 的方式生产音乐，并借由长尾理论传播发展，但是市场的巨头却在变得更加庞大。
如今我们听到的热门单曲不仅播放次数更多，不同热门单曲也越来越像。音乐公司越来越懂得判断哪些歌曲能够大卖，它们花钱投入歌曲抄袭的速度比以往任何时候都要更快。笔者采访的几位音乐行业人士已经在担心，这种依赖数据的生产方式会导致风格和曲种的“堆砌”，导致流行音乐千篇一律、单调无聊。
互联网让我们能够听到海量的音乐，虽然其中一些并无新意，但有很多是颇具亮点的。但是就当粉丝们在音乐的海洋中遨游时，大部分音乐服务最受欢迎的播放列表仍旧是“今日打榜” (Today's Hits)。也就是说，即便是有了浩瀚的音乐曲库，我们中的大多数人仍旧想要去听其他人在听的。
原文发布时间为：2014-12-23
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
