依托大数据增强音乐广播的核心竞争力

薛婧

【摘 要】通过收集研究新媒体音乐平台数据和样态，用来参考和指导传统音乐广播歌库的数据，使得音乐广播的播出内容更加丰富，更凸显新媒体所不具备的主持人陪伴特质，从而得到听众认同，让传统音乐广播在激励竞争时代立于不败之地。

【关键词】音乐大数据 音乐广播 歌库讯息 编辑策略 核心竞争力

媒体融合时代下的传统音乐广播如何利用多方大数据来分析管理已有歌库、调整编辑思路、定位节目策略，使传统媒体重获新生？伴随着媒体融合的深度发展，新媒体为受众提供了海量的视听内容与接受形式，而经历了类型化广播十年的发展与壮大，传统音乐广播电台特有的伴随性优势被逐渐弱化，广播面临新的挑战。

首先，依靠广播收听率数据分析研究当今听众对于传统音乐广播的需求。音乐广播听众属性分析：针对的听众从年龄、职业、地域听众为例，中青年听众群体是音乐广播主要诉求对象，包括了中学生、大学生、时尚人群、自由职业商户者等喜爱音乐、文化素养高的城市人群；收听习惯、工具、场地、状态等等。

然后，研究互联网音乐网站数据：各大音乐网站专题分类&点击率&排行数据&听众偏爱与喜好数据；利用各大音乐网站所提供的相关音乐讯息收集每首歌曲的歌手信息、歌曲实时热度、评论、听众信息、关联歌曲等。

音乐、歌曲作为音乐广播节目的灵魂主体，在音乐电台所起的作用是决定性的核心的，依托新媒体的大数据在保持传统音乐广播播放形式原汁原味的前提下，对其音乐库进行优化分析，使其节目内播放歌曲的内容更贴合当前社会环境下大众需求的口味，是改变传统音乐广播打开新局面的重要举措。

如何使音乐电台的歌曲库得到最优质的利用和编排是音乐总监和音乐编辑的重要职责，特别是媒体融合时代，音乐电台的歌曲库决定着频率属性和气质，以下是本人多年从事音乐编辑和歌库监制的一些体会。

一、收集数据

1.音乐电台听众的自身数据。不同的音乐电台都有其自身的特征，听众定位、节目内容特点、现有电台曲库、主要覆盖区域等。只有了解了每个音乐电台的自身特点，才能将音乐大数据分析的结果与不同音乐电台准确匹配。

2.音乐广播听众属性分析。每家音乐广播电台都有自己的听众特征与节目风格，针对的听众从年龄、职业、地域等方面都会有自己的重点把握，因此其节目中播放歌曲的内容肯定需要与之吻合，才能提高收听率。不同的音乐电台会挑选其自己对应人群的歌曲，降低了音乐电台内容的重复率，将好听的节目推送给适合它的听众。

3.当地目标受众群体的结构组成。以大连音乐广播的听众为例，中青年听众群体是音乐广播主要诉求对象，包括了中学生、大学生、时尚人群、自由职业商户者等喜爱音乐、文化素养高的城市人群，他们普遍有着较高文化素养，具有一定消费力，有充分的自由享受音乐享受生活的较高精神追求，分析这类人群特点就会发现：回归广播最根本的伴随特质以及音乐性的广泛认同，提供形态统一的类型化音乐陪伴是这类人群的广泛需求，音乐好听而不滥熟，编排有序而不落俗更是符合这类人群在音乐审美需求的方向。

二、处理原始歌库（归类 属性 标签）

音乐电台的歌曲库如果存有3万首歌曲，歌库音乐编辑要做的事情就是把每一首歌打上属于各自的标签，在各大项里再细化若干小项，具体内容包括：

1.曲目名称&专辑名称&角色&角色大项分类。男生 女声 男女对唱 男女组合 男男对唱 女女对唱 男主唱组合 女主唱组合 乐队组合 和声组合 群星 童声 男子组合 女子组合

2.音乐特征大项分类&情绪大项分类。浪漫 激烈 慵懒 舒缓 深情 轻快 欢快 忧郁 清新 憤怒 伤感 豪迈 梦幻 悲壮 幽默 童话 甜蜜

3.年代大项分类。80年代前 80-90年代 90-00年代 00-05年代 05-10年代 11-15年代

4.类型大项分类。原创原唱 改编翻唱 环保 励志 情歌 演唱会live 影视主题歌 节庆歌曲

5.曲风大项分类。抒情 民谣 摇滚 中国风 舞曲 哥特 朋克 爵士 R&B; EDM

6.节奏速度表情大项。在音乐电台的歌曲库里，以上这些数据是每一首歌曲必填的选项，有了这些标签音乐编辑接下来在制定电子排单的策略上有据可依，会形成一个符合基本类型化的歌单雏形。

三、对照依据各种数据 制定排单策略

1.歌曲库数据是音乐电台电子排单的重要依据。经过数据处理过的原始歌库每一首歌有了新面貌，音乐编辑首先制定一小时的电子排单策略，比如：第一单元（一小时的前十五分钟），基调是节奏轻快；曲风小清新；励志；中文；中速；年代；角色，等等，条件越是细化抓出来的曲目越接近目标需求。

第二个单元（一小时内的15—30分钟区间），基调是抒情中板情歌，情绪是表达美好甜蜜优美的；年代是85—90年代歌手；根据数据参考制作排单策略基本就可以排出这一单元的基本完美歌单，当然，符合这几项要求的作品很多很多，数据歌库的讯息越细致，排出来的歌就越贴近理想目标。

第三单元（一小时内的30—45分钟区间），音乐编辑的歌单策略就应该又区别于以上两个单元的曲目定位，比如要考虑听众已经有接近30分钟的听歌经历了会不会有疲劳感，这个时候编排策略应该重点考量情绪因素，要在音乐风格上面提高共鸣感，所以这个单元的重点最好放在那些耳熟能详的经典老歌部分，听众会随着熟悉的旋律跟着哼唱起来，以此来消除听歌的疲倦感，在策略数据的参考上的定位是突出作品年代感故事性，选择70至80年代的经典作品，歌手分类上像李宗盛、罗大佑、周华健等同级歌手，曲风选择民谣叙事抒情的成名曲，所以这一单元的编排根据曲库的数据条件就出来了。

第四单元（一小时内的45—60分钟区间），一小时的音乐节目最后这个单元应该是整个节目单中需要特别处理的一个时段，这是影响到听众是否会把整体节目形成专属印象，未来对于此时段节目的忠诚度相关联的问题，所以这个单元歌曲的编排要注意从那些既熟悉又陌生传唱度不是最高但又很有特色的作品中寻找，那些抒情慢板R&B;、节奏布鲁斯等曲风的作品都比较适合最后这个轻松一点儿结束单元的气质，意犹未尽……形成整体节目的完整架构。

2.手动歌单让数据电子排单更加人性化和动听。依据歌库数据带来的人性化的编排是类型化音乐电台非常重要的手段，其精准度远远比新媒体音乐网站一张只有曲目罗列的歌单来得真实。

类型化音乐广播的歌单如果说只有凭借数据所编排的电子歌单还没有达到最精准的播出目的，那么在这个歌单的基础上手动调整个别曲目以达到编辑最理想的音乐编排就可以达成最完美的呈现了，而这个前提依然是依托曲库中的数据标识。

在编排一组由4首经典歌曲组成的音乐单元中，根据数据我们所选择的条件是：70-75年代、中文、抒情、叙述、深情、中速……这样的条件下电子歌单会从几千首歌中挑出4首，比如李宗盛《凡人歌》张学友《黑白画映》罗大佑《滚滚红尘》陈淑桦《说你爱我》；这4首歌是不是这一单元最理想的编排？当有着较为丰富经验的音乐编辑看到这份歌单的时候，会觉得有需要手动调整歌单，于是把张学友的歌用周华健的《泡面的幸福》替换掉，这个单元的4首歌从罗大佑《滚滚红尘》陈淑桦《说你爱我》到周华健《泡面的幸福》李宗盛《凡人歌》，可以完整地穿成一段有画面感的音乐故事。

3.歌曲关联性分析。听众在收听一首歌曲的时候，还会对另外一首或者几首相似风格歌曲感兴趣。这样的类似正是类型化音乐广播最为优势的编排，在相对一个单元时间（15分钟）内如果两首歌曲有着相互关联的几个相同元素比如歌词主题、节奏速度、曲风等比较接近，就会有想一听再听一气呵成的感觉，比如编排一个夏天小清新单元：

第一首 林俊杰&金莎 《发现爱》

第二首 莫艳琳 《爱一点》

第三首 Eliane 《Tik Tok》

这三首歌有着相互关联的几个元素：清新，简单，中速，一把吉他，干净人声，把这样几首歌穿在一个单元是基本可以保证听众连续听下去的，构建歌曲之间的关联相互协调的搭配，可以说关联度的建立再结合歌曲的实时热度，可以为音乐广播的歌曲编排起到很大的参考作用，也是考量音乐编辑驾驭音乐素材掌握音乐编排要素能力的一个方向。

综合以上这些分析结果都能够很好地作用于音乐广播电台的歌单，使音乐广播所播出的每一首歌都有数据做背景达到最有需求的播出质量。新广播所面临的已然不是传统意义上的听众，而是有着多元化需求的用户。在当前信息社会，从这些海量数据中发现有价值的信息，把这些数据转化成有组织的知识有目標的需求才是时代发展相互支撑共存共赢的真正意义，媒介竞争的激烈环境，对音乐广播的发展是挑战也是机遇。