Schlagwort-Archiv: last.fm

Top Things 2008: Maschinelle Songcharts

Es geht weiter mit meinem kleinen popkulturellen Jahresrückblick.
Heute sind die Charts dran, die last.fm ganz automatisch, Tag für Tag aufzeichnet.
Für jeden Zahlenjunkie1 ist das ein Segen. Man kriegt zu allem möglichen Kram Daten geliefert und kann, wenn man denn will, sogar noch weiter in die Tiefe gehen. Man kann Sachen herausrechnen, Statistiken er- und Vergleiche anstellen. Toll!

Im letzten Jahr gab’s zu den last.fm-Listen auch noch meine iTunes-Charts. Leider habe ich bei meinem kürzlichen Umzug auf den Mac meine iTunes-Mediathek neu erstellt, so dass alle Spielanzahlen verloren gegangen sind.

last.fm: Letzte 12 Monate » Songs:
1. MGMT – Time to Pretend Titel (22)
2. Stars – The Night Starts Here (19)
2. Stars – Barricade (19)
2. Donots – Stop The Clocks (19)
5. Polarkreis 18 – Tourist (17)
5. Coldplay – Violet Hill (17)
5. Stars – Take Me To the Riot (17)
5. Jason Mraz – Make It Mine (Album Version) (17)
9. Polarkreis 18 – The Colour of Snow (16)
10. Polarkreis 18 – 130 / 70 (15)
11. Stars – My Favourite Book (14)
11. Stars – The Ghost of Genova Heights (14)
11. Dúné – 80 Years (14)
14. Polarkreis 18 – Allein Allein (13)
14. Black Kids – I’m Not Gonna Teach Your Boyfriend How To Dance With You (13)
14. Stars – Midnight Coward (13)
14. MGMT – Kids (13)
14. The Wombats – Moving to New York (13)

last.fm: Letzte 12 Monate » Alben:
1. Soulwax – Most Of The Remixes… (159)
2. Stars – In Our Bedroom After the War (154)
3. Polarkreis 18 – The Colour Of Snow (110)
4. Jason Mraz – We Sing. We Dance. We Steal Things. (90)
5. Keane – Perfect Symmetry (86)
6. Snow Patrol – A Hundred Million Suns (85)
6. The Beatles – Love (85)
8. MGMT – Oracular Spectacular (80)
9. Black Kids – Partie Traumatic (67)
10. Band of Horses – Cease to Begin (62)
11. Groove Armada – GA10 (61)
12. PeterLicht – melancholie und gesellschaft (59)
13. Digitalism – Idealism (56)
13. Peter Fox – Stadtaffe (56)
15. Justice – Justice (43)2

last.fm: Letzte 12 Monate » Künstler:
1. Soulwax (166)
2. Stars (160)
3. Polarkreis 18 (137)
4. The Kooks (129)3
5. Keane (121)
6. Justice (97)
7. Snow Patrol (95)
8. Jason Mraz (90)
9. The Beatles (85)
10. MGMT (83)
11. Coldplay (80)
12. Digitalism (77)
13. Panic at the Disco (75)
14. Moby (71)
15. Groove Armada (70)

Was bleibt festzustellen?
Songs: Mit großem Abstand schaffte es im letzten Jahr Maxïmo Parks »Books from Boxes« mit 48 Spielungen (dieses Jahr übrigens: 2) auf den ersten Platz der Songs. Da kann MGMTs »Time To Pretend« nicht mal annähernd mithalten — hatte das doch weniger als die Hälfte an Spielanzahlen. Überhaupt habe ich 2008 weniger gleiche Songs gehört: Die Summe aller Spielanzahlen der Top 15 2007 war 345, 2008 war es 270 — ca. 80%. Es treten sehr viele Songs der Stars auf. Allein 96 Hörungen der 280 gesamten gehen auf ihr Konto (ca. 1/3).
Alben: Machen wir direkt mit den Stars weiter. »In Our Bedroom after the War« steht auf Platz 2, taucht aber in meiner manuellen Alben-Topliste nicht auf? Ja! Mein Fehler! Das Album erschien 2007 und ich hab es um den Jahreswechsel gehört. Und kurze Zeit danach — aber darüber hinaus hab ich es viel zu sehr vergessen. Dabei ist es doch so toll! Ist im manuellen Alben-Beitrag natürlich nachgetragen.
Irgendwie scheine ich in diesem Jahr tatsächlich weniger von last.fm aufgezeichnete Stücke gehört zu haben. Bei den einzelnen Titeln taucht der 2008 Anführer »Time To Pretend« in der Alltime-Statistik erst auf Platz 13 auf.
Das müssen wir ändern, Andi.

  1. z.B. … MICH. []
  2. Auf Platz 16 steht übrigens auch Justice mit der Live-Version ihres Albums: Justice – A Cross The Universe (42). Mit diesen Plays zusammen wäre Justice auf Platz 6 mit Snow Patrol. Aber »A Cross The Universe« ist ja weit mehr als eine einfache Liveversion einer Platte. Daher lohnt sich die Aufspaltung hier auf jeden Fall. []
  3. Sind hier hauptsächlich, weil ich neben dem neuen, auch immer noch das alte Album höre. []

last.fm Statistiken, Teil 4: Anderer Leuts Sachen und Sonstiges

Neben Online- und Offline-Programmen, die irgendetwas Hübsches mit seinen last.fm-Daten machen, lässt sich im Internäther auch so einiges anderes, bereits analysiertes finden. Der vierte Teil meiner last.fm-Statistikenreihe.

Friendship Network von Anonymousprof

Anonymousprof hat einen ‘kleinen’ Crawler angeschmissen und über die last.fm-API bei zufällig ausgewählten Usern notiert, was dieser für Freunde hat. Obwohl er mittlerweile über eine Million Personen abgegrast hat, nutze er erst einmal nur 25.000 Personen mit ihren Freundesdaten um sie mit einer Graphen-Software namens TULIP in Verbindung zusetzen. Wenn er mehr Daten nahm, stürzte sein Rechner ab1.
Herausgekommen ist eine tolle Veranschaulichung, die er in seinem Blog auszugsweise veröffentlicht hat. Man kann nicht nur sehen erahnen, wer mit wem verbunden ist – viel interessanter ist, dass es Verbindungsansammlungen, also Netzwerke gibt, die (zumindest in den 25.000 Zufallsdaten) nicht im Hauptnetzwerk integriert sind. Diese fristen ein Nischendasein und haben ihre eigenen, kleinen Netzwerke, außerhalb des Großen. Volksmusik. Ob diese Abseitsnetzwerke sich ins große Netz integrieren, wenn man mehr als 25.000 (zufällige!) Personen nimmt?
Im Zusammenhang der Verbindungsvisualisierung von Musik hat Herr Anonymousprof sich auch mal an klassische Musik gemacht und aufgezeigt, wer da wen beeinflusst hat und durch wen beeinflusst wurde. Das Video ist auch sehenswert, Deutschland ist ein ganz schöner Klassiktrendsetter.

Pionierarbeit von Lee Byron
Im letzten Beitrag hatte ich es schonmal am Rand erwähnt: Lee Byron hat auch so seine Visualisierungen gemacht. Das ist nicht nur der lastgraphige WaveGraph, sondern auch ein seltsamer, aber schöner Künstler-Bezugskreis. Leider sind die Darstellungen entweder blöde Java-Apletts oder ein wenig heranzoombare Flashdinger.

last.forward
Dieses kleine interplanetäretforme Java-Programm stellt die Freunde, Nachbarn und Gruppen eines last.fm-Benutzers grafisch dar. Nicht mehr, nicht mehr. Wer also schon immer mal auf einen Blick sehen wollte, wer das ist, der sollte unbedingt herunterladen.

build.last.fm und ReadWriteWeb
Wer an dieser Stelle, die übrigens das Ende der last.fm-Statistikenreihe2 markiert, immernoch nicht genug davon hat, dem sei build.last.fm ans Herz gelegt. Während ich hier schrieb hat last.fm ihre Sammlung an Links veröffentlicht, die sich irgendwie mit last.fm beschäftigen und “die last.fm-Erfahrung erweitern”. Jippayeah.
Und wer dann immernoch nicht genug hat, dem sei diese ebenfalls frische Liste des ReadWriteWeb empfohlen. Dort sind ein paaaar sehr hübsche Veranschaulichungen von unterschiedlichsten Sachen verlinkt — The Best Tools for Visualization.

Danke für Ihre Aufmerksamkeit, auch wenn ich Ihr Interesse für last.fm Statistiken wohl nicht wecken konnte.
Beim nächsten mal dann.

  1. Was auch fast logisch klingt, immerhin befinden wir uns hier bei einem Problem mit (un) ="http://de.wikipedia.org/wiki/Gerichteter_Graph">gerichteten Graphen, deren Komplexitätsordnung… Informatiker anwesend?! []
  2. ;( []

last.fm Statistiken, Teil 3: Fancy WaveGraphs

Ich bin noch nicht ganz fertig mit meiner kleinen last.fm-Statistiken-Serie. Ich wollte mich zum Ende hin steigern und die hübscheste Visualisierung der gehörten Musik erst am Ende präsentieren. Gute Idee, eigentlich. Denn der Service, der eben diesen finalen Graphen erstellt, brauchte ziemlich lange. Und machte zusätzlich seltsamen murks, er fing z.B. kurz vor Ende wieder von vorne an, die Daten von last.fm herunterzuladen. Jetzt habe ich, damit es voran geht, den zu analysierenden Zeitraum arg beschränkt. Und siehe da: ein Ergebnis!

LastGraph

Bild

Bild

Inspiriert von der Hördarstellung eines Künstlers hat Andrew Godwin (der nichts mit dem Gesetz zu tun hat) sich hingesetzt und einen Online-Programm namens LastGraph geschrieben, dass einen WaveGraph zum Hörverhalten eine last.fm-Users generiert. Was dieser WaveGraph genau ist, ist wesentlich komplizierter zu erklären, als wenn man es einfach durch hinschauen versteht. In Kürze: Die Anzahl der Wiedergaben eines Künstlers steht in einer bestimmten Farbe auf der y-Achse. Nach rechts hin ist der Zeitraum aufgetragen, in dem seine gehörten Künstler analysiert wurden. (Da fängt’s schon an mit dem Kompliziert…)
Heraus kommt eine wunderbar bunte Welle, in der die Künstler passend ihrer Farben dargestellt sind.1

Um an so einen hübschen Graphen zu gelangen, gibt man auf der Seite von LastGraph unter “Create” seinen last.fm-Username ein, bestimmt ein Start- und ein Enddatum, gibt noch seine E-Mail-Adresse an (wenn man bei Fertigstellung des Graphen benachrichtigt werden will) und nach einem Klick auf “Create >>” hat man … eine Warteseite. LastGraph benötigt sehr viele Daten zum Erstellen der Graphen und multipliziert mit sehr vielen Anfragen ergibt das bei gleicher last.fm-Datenbank-Abfragegeschwindigkeit eine relativ lange Wartezeit. Wie in der Einleitung aber schon erwähnt: Wenn man ein einigermaßen schnelles Ergebnis haben will, so wählt man einen kurzen Zeitraum aus und kann schon bald mit einer bunten Welle rechnen.
Ist es soweit, darf man sich seinen Graph eine Woche lang als PDF oder SVG herunterladen und, soweit ich weiß, damit machen was man will. Vielleicht ja sogar ausdrucken oder gar plotten?
Für meinen kurzen Zeitraum aus dem Kopfbild ergeben sich dieses PDF und dieses SVG-Zip.

Wenn man einen größeren Zeitraum analysieren will, dann kriegt man anscheinend ein Problem.
Aber auch zu diesem Problem gibt es in den unendlichen Weiten des Internets da draußen eine Lösung, nämlich:

Last.fm Extra Stats

Bild

Bild

Hierbei handelt es sich um ein Windowsprogramm, was das Selbe macht wie LastGraph– und noch mehr. Es kann WaveGraphs erstellen und sie, mehr als bei oben genanntem Webservice, farblich und formlich anpassen. Die Optionen sind dabei so vielzählig und komplex, dass ich nur auf diesen erklärenden Blogpost hinweisen möchte.
Hat man seine Daten eingegeben, seine Lieblingseinstellungen gefunden, dann kann man auch bei Extra Stats seinen Graphen am Ende exportieren (sogar direkt zu Imageshack oder flickr!). Leider erhält man beim Festplattenexport keine Vektordatei, klitze kleines Manko am Rande.
Ganz kommt es an das Darstellungsfeeling2 von LastGraph nicht heran, aber das ist sicherlich nur eine Frage des Feintunings.

Neben WaveGraphs hat man bei diesem Tool auch noch die Möglichkeit eine Reihe anderer interessanter Statistiken generieren zu lassen. Unbedingt also einmal herunterladen und ausprobieren.

Eure WaveGraphs? Gerne in die Kommentare!

  1. Am Ende ist es übrigens eine (viel!) schönere Variante des bereits vorgestellten “last.fm in Time“! []
  2. Pro Anglizisneologismenpaarungen! []

last.fm Statistiken, Teil 2: Zeigt her eure Farben

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

Bild

Bild

Bild

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

Bild

grapher
2-Jahres-Rückschau
(im Header: 1-Jahr-Rückschau)

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

head-3

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.

Bild

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

  1. Mit dem neuen Kooks-Album werde ich dann sicherlich eine neue No.1 haben… []
  2. Und über die ich sehr bald auch schreiben werde… []

last.fm Statistiken, Teil 1: Tanzvergleich

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
BildÄhnlich 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
BildDann 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
BildSeinen “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?

  1. last.fm? Last.fm ist die “social music revolution”. Zum Einen werden Informationen zu jedem Lied, was man anhört, an den last.fm-Server geschickt. Heraus kommt da eine tolle Aufstellung, was man wann gehört hat, wie häufig und … vieles mehr. Zum Anderen hat sich daraus ein riesiges Musiknetzwerk entwickelt, dass “Lieblingsradios”, also Radios, die seiner musikalischen Präferenz entsprechen, anbietet und auch immer mehr vollwertige Songs zum Soforthören in petto hat. In kurz: Tolle Möglichkeit, Musik zu mögen und Neue kennenzulernen. Wenn der Funke noch nicht übergesprungen ist, dann musst du es wohl selbst probieren… ;) []
  2. Ich habe die meisten meiner ‘Freunde’ be-AEP-ed und ich war tatsächlich unangefochten mit den 4.22 – die meisten haben eine 3.x []
  3. Zur Berechnung (weil ich mich gerade, zwecks Verstehens damit beschäftigt habe): Das Skript summiert die Anzahl der Wiedergaben von den Top 50 Künstlern (z.B. 5234). Diese teilt es dann durch die Anzahl aller Wiedergaben (z.B. 5234/15702 = 0.30). Das ist der Short Tail. Subtrahiert man diesen Wert von 1 (was ja in relativen Angaben allen Wiedergaben entspricht), so erhält man seinen Long Tail, z.B. 0.70 (Um genau zu sein muss man jetzt den Wert für Short und Long Tail noch mit 100 multiplizieren, damit man auf einen prozentualen Wert gelangt (also 70%).). []

Rückblick des Jahres 2007: Maschinelle Songcharts

Hier geht’s lang zum Rückblick-2007-Übersichtsbeitrag!

Das Gerät, vor dem ihr gerade sitzt, gemeinläufig Computer genannt, ist, wenn man alle Nostalgie und Sentimentalität mal außen vor lässt, auch nur eine Maschine. Eine Maschine, selbst ohne Geschmack und Präferenz (außerhalb von dem energetisch günstigsten Zustand und der kleinsten Entropie und 0en und 1en aber nie 2en und sowieso).
Wenn so eine Maschine mitprotokolliert, dann also ohne subjektive Geschmacksempfindungen, wie wir sie so gerne bei Blogs haben. Deswegen schreiben Computer auch keine Blogs, klingt logisch, oder?

Und meine Maschine protokolliert mit, außerhalb von den Lauscheinrichtungen diverser Regierungen. Nein, ganz freiwillig lasse ich ein kleines Programm im Hintergrund automatisch die Musik, die ich mit iTunes und Winamp höre, an das soziale Musiknetzwerk last.fm senden.
Bei last.fm gibt es die Möglichkeit “fortlaufende Jahrescharts” für Künstler, Alben und Songs anzuzeigen; was auch immer sich genau hinter “fortlaufend” verbirgt. Für Songs und Alben folgen jetzt die jeweiligen Listen.
Außerdem habe ich meine 2007-er Songs bei iTunes nach Hörhäufigkeit geordnet, unten auch diese Liste (besonders hier fällt auf, dass iTunes nicht der alleinige Musikspieler meines Vertrauens ist).

In Klammern dahinter die jeweilige mitprotokollierte Abspielanzahl, die in Wahrheit wahrscheinlich teils wesentlich höher liegt, da nicht alle Abspielmedien von dem last.fm-Programm erfasst werden.

last.fm: fortlaufende Jahrescharts Songs:
1. Maxïmo Park – Books From Boxes (48)
2. The Fray – How to Save a Life (30)
3. Mika – Any Other World (24)
4. Mika – Happy Ending (21)
5. Damien Rice – 9 Crimes (20)
5. Snow Patrol – Shut Your Eyes (20)
7. Fall Out Boy – Thriller (18)
8. Foo Fighters – The Pretender (17)
9. Snow Patrol – You Could Be Happy (16)
9. 30 Seconds to Mars – The Kill (16)
11. Fall Out Boy – “The Take Over, The Breaks Over” (15)
11. Snow Patrol – It’s Beginning To Get To Me (15)
11. Mika – Billy Brown (15)
14. Snow Patrol – Open Your Eyes (14)
14. Snow Patrol – Chasing Cars (14)
14. Justice – D.A.N.C.E. (14)
14. The Chemical Brothers – Saturate (14)
14. Fall Out Boy – This Aint A Scene, It’s An Arms Race (14)

last.fm: fortlaufende Jahrescharts Alben:
1. Massive Attack – Collected (150)
2. Snow Patrol – Eyes Open (136)
3. Justice – Justice (90)
4. Fall Out Boy – Infinity On High (88)
5. Polarkreis 18 – Polarkreis 18 (75)
6. Coldplay – X&Y (74)
6. Cassius – 15 Again (74)
8. Panic! At the Disco – A Fever You Can’t Sweat Out (73)
9. 30 Seconds to Mars – A Beautiful Lie (69)
10. Athlete – Tourist (67)
11. Mika – Life In Cartoon Motion (66)
12. Billy Talent – Billy Talent II (60)
13. Digitalism – Idealism (58)
13. Travis – The Boy With No Name (58)
15. The Kooks – Inside in Inside Out (56)

iTunes: nach Häufigkeit des Hörens geordnete 2007er Songs
1. Sportfreunde Stiller – (Tu nur das) was dein Herz dir sagt (13)
2. Die Fantastischen Vier – Nikki war nie weg (12)
2. Die Fantastischen Vier – Du mich auch (12)
2. polarkreis 18 – Chiropody (12)
5. Beatsteaks – Cut Off the Top (11)
5. Die Fantastischen Vier – Yeah Yeah Yeah (11)
5. polarkreis 18 – Dreamdancer (11)
5. polarkreis 18 – Somedays Sundays (11)
5. polarkreis 18 – Crystal Lake (11)
10. Die Fantastischen Vier – Einfach sein (10)
11. Beatsteaks – Jane Became Insane (9)
11. Beatsteaks – Sharp, Cool & Collected (9)
11. Beatsteaks – Meantime (9)
11. Die Fantastischen Vier – Mehr nehmen (9)
11. Die Fantastischen Vier – Fornika (9)

Was die Aussage dieser Listen ist – naja, da bin ich mir nicht ganz sicher. Aber sie zeigt doch, wie das subjektive Empfinden vom quantitativen Hören abweicht. Oder so.

Liebe mit-last.fm-User. Wie sehen eure beiden Toplists aus? Ab damit in die Kommentare, auch gern als Pingback!