Im zweiten Teil (Teil 1) der last.fm Statistiken geht es um bunte Grafiken, die man sich aus seinen sozialen Musikdaten da draußen im Internet generieren kann.
Es geht sogar noch bunter, aber das später…
Soziomap
Um ihr eigenes Programm zu vermarkten und eine Anwendungsmöglichkeit darzustellen, haben die Programmierer der QED Group ihre Sociomap last.fm-tauglich gemacht. Nach Eingabe seines last.fm-Usernames fragt das Flash-Programm die ersten 30 Freunde ab und stellt sie dann in einer 3D-Landkarte dar.
Durch unterschiedliche Farben sind Höhenlinien deutlich gemacht (bei der interaktiven 3D-Ansicht sieht man das ein wenig besser, wenn man die Grafik hin und her dreht). Die Höhe entspricht der durchschnittlichen musikalischen Übereinstimmung mit den restlichen Usern; wer am weitesten oben steht hat einen gleichen Geschmack wie die meisten der User (Klingt irgendwie seltsam, oder?). Ich habe mir meine Freunde also ganz gut ausgesucht.
Der Abstand der Namen untereinander repräsentiert die musikalische Übereinstimmung. Je näher, desto höher ist ihr ‘Übereinstimmungswert’ (also wohl das, was im Taste-O-Meter angezeigt wird).Irgendwie kann ich mir die Höhe noch nicht ganz vorstellen; wie sich dieser Durchschnitt wirklich darstellt…
Aber egal. Sieht fancy aus!
Eingebettet ist die Flashapplikation nach dem Klick ganz unten.
Last.fm In Time
Paul Cornelissen hat sich in dem Projekt “Musicmapper” ein wenig mit der Datenbank von last.fm auseinander gesetzt und dabei eine ziemlich coole Idee bekommen: Man könnte doch die Top-Artists mal über die Zeit betrachten. Soll heißen: Das Tool fragt die aktuelle Wiedergabeanzahl der einzelnen Künstler-Top-50 ab, dann geht es eine Woche in die Vergangenheit und tut das gleiche. Dann wieder eine Woche und wieder eine Woche. Und. So. Weiter. Pro Künstler kriegt man dann bei einem Jahr, theoretisch zumindest, 52 Datenpunkte (weil das Jahr, genau, 52 Wochen hat! Gut mitgedacht, setzen). Diese Datenpunkte kann man dann verbinden (bzw., wie der Statistiker sagt: Die Zwischenräume linear interpolieren). Heraus kommt ein so grandioses, farbenfrohes Statistikkunstwerk wie dieses hier oben unter der Überschrift. Die blauen Balken im Hintergrund repräsentieren die Gesamtliedwiedergaben in der Woche.
So kann man bei mir z.B. sehen, dass ich vor ca. einem Jahr die meisten Widergaben von Songs hatte (es war Praktikumszeit und wir haben am Stück Musik gehört), und dass meine momentane Top-1-Band “Athlete” ihren Status relativ drastisch vor einem halben Jahr erhalten hat, ich die vorige Spitzenreiterband “The Kooks” seit knapp 50 Wochen so gut wie gar nicht mehr gehört habe1. Wenn man nur lange genug drauf schaut, erkennt man immer mehr interessante Dinge. Die höchste Steigung haben, wie mein geschultes Analyseauge bis auf eine exponentielle Interpolation genau feststellen konnte, die Stars, die ich vor ein paar Wochen für mich entdeckte und seitdem viel gehört habe2…
Your Music Listening Habits
Eine Vielzahl der Analysen aus dem letzten Posting visualisiert Kalu Kalu unter der Frage “How Do You Listen To Music?“.
Insgesamt geht’s darum, in wie weit die Top-Artists, -Alben und -Songs die Gesamtdaten in den drei Kategorien beeinflussen. Im letzten Posting wurde da auch z.B. beim AEP, beim eclectic test und dem Long Tail angesetzt. Diese Seite hat quasi die passenden Diagramme dafür zur Hand.
Wenn man z.B. die Top 50 Künstler als Referenz nimmt und sie mit den restlichen Künstlern vergleicht, erhält man rechtestes Diagramm auf rechtem Bild. Diese Werte sind genau das, was der Long Tail auch aussagte – nur eben in bund und runt.
Noch deutlicher kann man sich eine Vorstellung über den Longtail machen, wenn man sich die letzten Grafiken anschaut. Flachen die Balken nur langsam ab, dann deutet das auf einen langen Long Tail, je spitzer das linke Ende ist, desto shorter der Tail.
Weiterlesen ‘last.fm Statistiken, Teil 2: Zeigt her eure Farben’
Als ich letztens meine Twitterstatistiken betrachtete, da kam ich auf die Idee, einmal zu suchen, was es Vergleichbares für last.fm1 gibt.
Das Resultat war erstaunlich, aber eigentlich auch klar: Es gibt haufenweise Statistiktools für last.fm. Sogar eine Gruppe, die sich dessen verschrieben hat und sie sammelt.
Weil die Daten ja sowieso vorhanden sind und mich Statistiken dann doch interessieren (immerhin habe ich sie selbst gefälscht!) möchte ich euch ein paar ‘Analysen’ vorstellen.
MoneyCalc
Nimmt man die Preise von Amazon.com als Grundlage, dann sind meine Top-50-Alben 969.18 Dollar wert. Ausrechnen tut das der MoneyCalc.
AEP
Mein AEP hat einen Wert von 4.22. Der AEP (“Anti Exponiential Points”) ist ein Wert, zwischen -20 und 5, der über die Vielfältigkeit des Musikgeschmacks eines Users Aufschluss gibt. Ein Wert über 4 bedeutet einen sehr breitgefächerten Musikgeschmack, über 3 einen relativ breitgefächerten Musikgeschmack und so weiter nach unten hin. Mit meinen 4.22 bin ich also ziemlich oben, ich bin also sehr geschmackvoll, oder so2. Mehr zur Berechnung des AEP gibt’s im Blog der passenden Gruppe. Seinen AEP berechnen lassen kann man hier.
Eclectic Test
Ähnlich sucht auch der “eclectic test” nach der Vielseitigkeit des Musikgeschmacks. Er verfolgt einen etwas anderen (und weniger komplexen) Ansatz: Das Skript nimmt die Top 20 Künstler, sucht sich jeweils die fünf ähnlichsten Künstler heraus und erstellt so eine Liste. Je näher die Anzahl der Künstler auf dieser Liste an 100 (=5*20) ist, also je weniger ‘überlappende’ Künstler es gibt, desto vielseitiger ist des Users Geschmack.
Ich erreiche einen Wert von 72 — bei mir sind Basement Jaxx, Coldplay, Kaiser Chiefs, Groove Armada und noch ein paar andere doppelt vorhanden (Und bei diesem Tool schneide ich schon ganz und gar nicht mehr so gut unter meinen ‘Freunden’ ab…).
Underground-O-Meter
Dann gibt es da noch das “underground-o-meter“. Das Tool berechnet den Underground-, bzw. den Mainstreamfaktor des Benutzers. Wie das genau geht, ist in einem Wiki erklärt. Ich habs nicht verstanden. Die “Weekly Top Artists” als Indikator nehmend bin ich 0% Underground und 20% Mainstream. Aha.
Average Age Calculator
Beim “Average Age Calculator” kann man sich sein musikalisches Alter ausrechnen lassen. Dazu fragt das Skript die Altersangaben der musikalischen Nachbarn, soweit vorhanden, ab und bildet daraus einen Mittelwert. Dauert ein bisschen, weil viele, ungecachte Daten abgefragt werden müssen. Jedenfalls bin ich durchschnittlich 21 Jahre alt. Muss noch zwei Jahre Mozart hören.
Long Tail
Seinen “Long Tail” (was auf Deutsch viel aussagekräftiger wäre…) kann man auf dieser Seite berechnen. Der Long Tail gibt Auskunft darüber, wieviel Prozent seiner angehörten Musik NICHT in seiner der Top 50 vertreten sind3 . Wenn man viele Künstler angehört hat, die über seine Top-50-Künstler hinausgehen, die Liste aller Künstler mit anderen Worten also weit nach unten reicht, dann wird der Long Tail größer. Der Long Tail ist dabei eine prozentuale Angabe, so dass 100% minus Long Tail den Short Tail ergibt.
Mein Long Tail ist 49,3% – und stichprobenartig bin ich damit gar nicht so schlecht gestellt unter meinen ‘Freunden’. (Der Long Tail ist übrigens relativ ähnlich zum AEP…)
Wenn ich weiter so höre, wie bisher, dann werde ich im zarten Alter von 188 am 18. Juli 2173 mein millionstes Musikstück gehört haben. Treffen wir uns dann zur Million-Track-Party?
[↩]
