多元统计分析在音乐市场中的应用剖析_第1页
多元统计分析在音乐市场中的应用剖析_第2页
多元统计分析在音乐市场中的应用剖析_第3页
多元统计分析在音乐市场中的应用剖析_第4页
多元统计分析在音乐市场中的应用剖析_第5页
已阅读5页,还剩11页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、河南农业大学本科生毕业论文(设计)题 目多元分析在音乐市场中的应用学 院信息与管理科学学院专业班级信息与计算科学(金融数学)学生姓名 侯洋辉( 1210110020)指导教师 张建军撰写日期:二。一五年五月二十日摘要 11引言 22聚类分析与因子分析 22.1 聚类分析与因子分析的概念 22.2 基本思想 23聚类分析与因子分析的应用 33.1 问题的提出 33.2 聚类分析在音乐市场中的应用 33.2.1 标准化处理 43.2.2 聚类系谱图 43.3 因子分析在音乐市场中的应用 64结论 10参考文献 11致谢 12多元分析在音乐市场中的应用侯洋辉信息与管理科学学院金融数学专业摘要:新世纪

2、以来,我们听歌的方式一直随着技术的改变而改变,从磁带、cd再到数字时代,诞生了陪伴我们很多年的音乐软件,音乐市场竞争激烈, 有的被市场淘汰,有的后来居上,截至目前,主流音乐软件主要是酷狗音乐、酷我音乐、 qq音乐、天天动听、虾米音乐、 网易云音乐、百度音乐。本文运用多元统计分析方法,对各指标数据进行聚类分析及因子分 析,它直接从实际出发, 考察分析数据的内在联系和特征,能帮助我们正确认识事物客观存在的统计规律,认清楚各音乐软件的发展趋势,也为用户选择音乐软件提供了更好的依据。研究实例表明,聚类分析和因子分析方法是研究音乐市场的一种非常实用的方法,为以后音乐市场的研究提供了有效的依据。关键词:音

3、乐市场;聚类分析;因子分析the application of multivariate analysis in music marketabstract: in the new century,the way we listen to music has been with the change ofthe technology, from the tape, cd, and then to the digital age,the music softwares were born which accompaniedwith us for many years,music market co

4、mpetition is intense, some was eliminated by the market, some catch up from behind,so far, the mainstream music software are primarily kugou music,kuwo music,qq music,ttpod,xiami music,etease cloud music, baidumusic.this paper uses multivariate statistical analysis method,this paper uses cluster ana

5、lysis and factor analysis of multivariate statistical analysis method for the index data, it directly from set out actually, analyzing the effects of internal relations and characteristics of data analysis for data, it can help us to correctly understand statistical regularity of things objective ex

6、istence and recognize the development trend of the music software,also choosing music software provides a better basis for the user,researchshows that clustering analysis and factor analysis is a very useful method to study music market, it can provide effective basis for the music market research .

7、keywords: music market; cluster analysis; factor analysis1引言2000 年是新世纪的开始同时也正是整个华语乐坛更新换代的开始,以四大天王为代表的香港乐坛开始衰落,香港乐坛几乎后继无人,陈奕迅也许是香港乐 坛最后的辉煌吧。2000年的末尾,周杰伦的出现可以用横空出世来形容,他的 出现打破了华语乐坛长期以来停滞不前的局面,这是一场音乐的革命,周杰伦的音乐世界里题材涉猎广泛,很大程度上提升了华语音乐创作人的地位。周杰伦对 于华语乐坛足以起到承前启后的里程碑意义,以周杰伦、王力宏等为代表的新生 代歌手迅速崛起,自此,华语乐坛百花齐放,百家争鸣,

8、诞生出了很多陪伴80、90后的歌手,孙燕姿、蔡依林、梁静茹等等,那是一个令人振奋的年代,一张 卡带可以听上一年的时代。2004年的超级女声更是开启了全民音乐,人人都有 机会成为明星,人人都可参与,人们为之疯狂,而李宇春的诞生更是象征着选秀 明星开始兴起,自此,全国的选秀节目遍地开花。与此同时,老鼠爱大米、香水 有毒等为代表网络歌曲开始风靡大江南北,席卷整个华语乐坛。到了 2016年, tfboys更是火爆了,然而即使是看似繁荣的音乐市场,也改变不了音乐唱片销 量的急剧下滑。因为新世纪开始互联网的急速发展,以及苹果推出的ipod,更是改变了人们听歌的方式,听众纷纷转向更方便更实惠的电脑和移动终端

9、听歌, 使得华语乐坛唱片市场的销量急剧下滑,因此中国的音乐市场的唱片销量虽然不 景气,但是手机电脑终端音乐软件不断高速发展, 从而促使国内诞生了很多音乐 软件,目前为止音乐市场中的软件大致可以分为阿里系的天天动听和虾米音乐。 海洋系的酷狗和酷我音乐,网易的网易云音乐,腾讯系的qq音乐,以及百度音乐等。对此,我们用多元统计分析中的聚类分析以及因子分析对各种音乐软件进 行综合性分析,看清楚当今音乐市场的面貌,以及有利于用户对音乐软件更好的 选择。2聚类分析与因子分析2.1 聚类分析与因子分析的概念聚类分析是把某些特性相似的个体划分为同一类别,而同一类中的个体有较 大的相似性,不同类的个体差异很大,

10、聚类分析将一系列的变量,以性质上的相 似程度为依据来进行分类的分类方法。因子分析简单来说就是将相关性比较大的多个变量划分到同一类中,而每一种类别变量就会成为一个因子,这样一来就可以用少量的因子来阐述多个因素之 间相互的关系。2.2 基本思想聚类分析:我们在研究样品时,样品之间会存在一定的相似,我们根据这些样品的多个指标或变量,从中找出指标之间相似程度的统计量, 而这些统计量可 以作为划分类别的重要依据,而聚类分析就把相似度大和相似度小的样品分别归 类,主要目的就是将个体(样品)或者对象(变量)按相似程度(距离远近)划 分类别,使得同一类中的元素之间的相似性比其他类的元素的相似性更强直到把 全部

11、的样品都归类完毕为止。因子分析:我们在做某一项研究时,往往影响问题的变量和因素比较繁多, 这样很不方便我们去进行分析和研究, 这种情况下,我们就需要对各种变量进行 简化。而因子分析正是多元统计分析中一种简化数据的方法。在多种因素和变量中,变量或因素之间存在一定的联系,因子分析就是把那些相关性比较高的几组 变量或者因素划归到同一类别,也就是公共因子。运用因子分析来研究的我们的 问题,可以使我们较少的公共因子来代替整体的数据,就避免了数据的重复分析, 更方便,简化了很多。3聚类分析与因子分析的应用3.1 问题的提出华语乐坛新世纪以来,国内的线下市场唱片销量日益下滑,却如今可以用无 人问津来形容,而

12、线上市场繁荣昌盛,也就是所谓的pc端和手机端,十年来,中国音乐市场经历大致可以分为三个阶段:2003到2008的探索阶段,2009到2014年的启动阶段,2015至今是第三阶段,因为中国的音乐市场走向了付费阶 段,商业多元化阶段,版权意识大大增强,相信中国的音乐市场会慢慢走向成熟, 七大音乐软件qqt乐,百度音乐,酷狗音乐,酷我音乐、网易云音乐以及天天 动听,虾米音乐未来发展趋势如何呢?未来谁更受听众们青睐呢?我们就用聚类 分析和因子分析来解决这个问题。3.2 聚类分析在音乐市场分析中的应用本文选取主流音乐软件部分指标进行分析,分别是使用率、下载量、满意度、 认知度、用户增长率等5项指标,如表

13、1所示。表1主流音乐软件部分指标数据使用率用户增长率下载里认知度度 煮 就酷狗音东71.233.827.6073.208酷我音乐68.634.912.2060.808.6qq#乐58.75115.1063.707.7网易云音乐60389.35.9046.808.5虾米音东1783.40.9025.407.3天天动听28-25.38.7033.307.2百度音东45.9-243.4018.707.53.2.1 标准化处理首先我们如果要对这些音乐软件进行聚类分析,我们需要先对这五组数据进 行标准化处理,将数据标准化的主要作用就是消除不同变量带来的单位影响,和不同变量的数据的数量级的影响,使数据之间

14、具有可比性。标准化处理后的数据 更方便我们之后的研究,是聚类分析必须做的一步,而处理后的样本数据可以帮 助我们更好的了解各个音乐软件的状况。运用spss软件来进行标准化处理,得出标准化处理结果,如表 2所示。表2标准化处理数据结果使用率用户增长率下载里认知度度 煮 前 xt酷狗音东1.03032-0.306371.900291.306390.30672酷我音乐0.90447-0.298680.184620.711141.38024qq&乐0.42527-0.186020.50770.85035-0.23004网易云音乐0.488192.18109-0.517250.039091.201

15、32虾米音东-1.593190.04068-1.07429-0.98819-0.94572天天动听-1.06075-0.7199-0.20531-0.60896-1.12464百度音东-0.19431-0.7108-0.79577-1.30982-0.587883.2.2 聚类谱系图在spss菜单的选项中选择分析一 分类一系统聚类法。聚类方法选择组内联结法,计算距离选择平方欧氏距离,输出聚类表即表3和树状聚类图即图1c表3聚类表阶段结合的丛集系数阶段丛集第一 个出现下一个 暂置丛集1丛集2丛集1丛集21561.7930022572.3551063132.8160044123.713305514

16、10.46540661513.488520图1聚类系谱图聚类谱系图能够非常直观地展示聚类的整个过程。(1)结合以上样品归类情况表和聚类树形图,观察聚类树形图我们不难看出 聚类样品最适合分为三类:第一类包括 3个样品(包含:虾米音乐,天天动听, 百度音乐)。可以看出,第一类中的音乐软件除了百度音乐是老牌软件,其他的 两个都是新生力量,当初百度音乐依托百度搜索开始迅速崛起, 风头甚至赶超酷 狗酷我音乐,随着时间的推移,如今由于找不到准确的方向,没有正确的战略, 逐步沦为三线音乐软件,实在令人惋惜,即使背靠百度这个大树,也仍然摆脱不 了市场淘汰的命运,而天天动听和虾米音乐同属于阿里旗下, 天天动听当

17、初凭借 预置丰富的均衡器效果,以及震撼的可视化效果,使听众眼前一亮,自从去年的 版权大战后,虾米、天天动听、百度三者的曲库量一样急速下降,几乎是拦腰砍 断,收到重大创伤,同时也造成了用户的急剧下滑,市场份额逐步缩小,现在天 天动听重组,更名为阿里星球,新上线的阿里星球不止保留的之前天天动听的服 务库,还新增了热门活动、明星商城等专区以及直播功能,看来阿里的目标很明 确,是针对学生的年轻群体灯用户来打造的以明星为主题的音乐世界,而这一定位准确的将阿里星球和虾米音乐区分开来,虾米音乐主打的成熟和个性的音乐, 张扬放肆。在被阿里收购后,天天动听的曲库应该会有所增加,看好天天动听, 不过现实总是很残酷

18、,可以说现在三者属于小众音乐软件, 希望整合后天天动听 可以重塑之前的辉煌,而百度音乐也许现在已经不是百度的中心所在, 不知道会 不会没落下去,直到消失。(2)第二类包括3个样品(包括:酷狗音乐,酷我音乐, qqt乐)。第二 类的这三个音乐软件,可以看出,都是老牌音乐软件,三者数年来积累了大量的 听众,认知度非常高,比如酷狗的“听音乐,用酷狗”这句口号,更是人尽皆知。7qqt乐依托腾讯这棵大树,有广阔的资源,和丰富的用户优势,本身就比其他 音乐软件多了筹码,像微信一样,当初运用 qq8户的优势,也是极大的推动了 微信的普及,而qqt乐又极其重视版权,已经早早的与各种唱片公司签署了合 约,杰威尔

19、音乐、福茂音乐等等。由于丰富的曲库和忠实的听众,三者并没有在 去年的版权大战中败下阵来,三者再此版权大战之前就积极布局, 与多个唱片公 司签署了合作协议,手中掌握着市场上的大多数唱片公司的音乐版权,而三者更 是通过互相转授版权音乐,使得这三个音乐软件在市场上屹立不倒, 对此,同样 为老牌音乐软件的百度音乐对此需要反思了, 百度音乐跟不上时代的步伐,消失 是必然的。(3)第三类包括1个样品,只有网易云音乐,网易云音乐创立于2013年,网 易云音乐的口号就是“网易云音乐,听见好时光”。网易云音乐最突出的功能就 是音乐评论,深得听众的喜爱,而由于强大的数据分析原理,在大数据的分析之 下,网易云音乐的

20、私人fm仿佛就是位自己量身订做的音乐知己,在听众群中引 起了巨大反响,听众们几乎是逢人便推荐网易云音乐, 而正是由于网易云音乐这 人性化的设计,仅仅用了三年的时间,就凭借其超强的口碑,用户量急速上升, 大有逆袭老牌音乐软件的趋势。这值得同是后来者天天动听和虾米音乐学习, 对 于刚诞生三年的音乐软件来说,已经很成功了,艾媒咨询发布的2016年中国app舌跃用户排行榜(3月份top450)中,网易云音乐第一次进入前十名的榜单, 并且排名音乐类第三,超越酷我音乐这个老牌音乐软件。看来酷狗、酷我、 qq 等老牌音乐软件要当心了,与此同时,在中国联通最新发布的2016年5月沃指数之移动应用app排行榜中

21、,网易云音乐在户均月消耗流量排行榜中排名总榜的 第5名,在音乐类别中排名第四,说明了网易音乐对于用户粘性度很高, 在用户 中的影响力越来越大。以上只是对主流音乐软件的大致分类,如果要对主流音乐软件就行综合评估 进行排名还要进行因子分析,然后计算因子综合得分,得出排名。3.3因子分析音乐市场板块分析中的应用通过spss软件进行因子分析,在spss中选择分析一 降维一 因子分析,在 主界面中,将使用率、用户增长率、下载量、认知度、满意度的标准化处理后的 变量导入变量框中,选择描述,展开相应对话框,选择原始分析结果,如图 3 所示,单击继续,返回主界面即图 4。3主界面图2 kmo与bartlett

22、检定界面图选择抽取,设置因子提取的方法,一般选择主成分法,图4所示,然后单击图4主成分分析界面继续,返回主页面。如表4所示,得出kmofi为0.568 ,根据kaiser给出的kmc®量标准可知原有变量适合作因子分析表4 kmo 与bartlett 检定kaiser-meyer-olkin测量取样适当性。bartlett的球形检定大约卡方df显著性.56818.28410.050表5说明的变异数总计元件起始特征值撷取平方和载入循环平方和载入总计变异的累加总计变异的累加总计变异的累加13.12262.43962.4393.12262.43962.4392.84656.91556.915

23、21.40328.06290.5011.40328.06290.5011.67933.58690.5013.3396.78597.2864.0991.98499.2695.037.731100.000撷取方法:主体元件分析。从上表中我们可以看到,其中主要特征根有2个,而这2个特征根的累计贡 献率达到90.501%,即说明其反映出来的信息占所有信息的 90.501%,所以我们 只取这2个来分析。可通过spss软件求得因子载荷阵(表 6),我们还要求得旋转因子载荷阵 (表7),因为因子变量在很多变量上的载荷较高则它要表达的实际含义不是太 清晰,每一个数据即说明了每个因子变量对应相应原始变量的重要程

24、度。而根据因子分析我们对这些音乐软件来进行分类,再计算因子得分,得出因子得分矩阵(表 8)。在spss中选择分析一 降维一 因子分析,在主界面(图6)中,将使用率、 用户增长率、下载量、认知度、满意度的标准化处理后的变量导入变量框中,选 择旋转,设置因子旋转的方法,这里方差最大旋转(图7),单击继续,返回主14虫卸。图5因子分析界面图6因子旋转界面单击得分,设置因子得分的选项。选中保存为变量复选框,将因子得分作为新变量保存在数据文件中。选中显示因子得分系数矩阵(图7)单击继续。s因子分析:因子得分回保存为燮蓟:学一方法?.回网总二旦wrllefl(印anderson-rubinfa)0曼希因子

25、福分系地延柞表6元件矩阵元件12使用率.949.009用户增长率.280.893下载量.785-.560认知度.931-.231满意度.813.488撷取方法:主体元件分析a.撷取2个元件。表7旋转元件矩阵元件12使用率.866.389用户增长率-.102.930满意度.549.773认知度.945.161下载量.944-.199表8元件评分系数矩阵元件12使用率.276.128用户增长率-.173.619满意度.099.423认知度.339-.031下载量.390-.265根据上图因子得分系数矩阵,我们可以得到以下2个因子得分表达式:f1 =0.276x1 -0.173x2 0.390x3

26、0.339x4 0.099x5f2 =0.128x1 0.619x2 -0.265x3 -0.031x4 0.423x5其中x1为使用率,x2为用户增长率,x3为下载量,x4为认知度,x5为满意度通过spss软件,根据上表中的因子得分计算出各个音乐软件的综合实力得 分,综合实力得分如下表9所示。表9音乐软件的综合实力得分指标f1f2综合实力酷狗音乐0.883673673-0.1588550630.72酷我音乐0.4277446830.1487490350.58qq音乐0.349042621-0.1072434570.24网易云音乐-0.1778309180.6907296760.51虾米音乐-

27、0.737077708-0.088146457-0.83天天动听-0.322321028-0.330217552-0.65百度音乐-0.423231323-0.155016183-0.58根据以上的数据结果我们就可以对这些音乐的综合实力进行分析,排名依次是酷狗音乐,酷我音乐,qq音乐,网易云音乐,百度音乐,天天动听,虾米音 乐。根据这个排名我们可以看出,目前国内音乐市场酷狗,酷我,qq音乐和网易云音乐表现较好,而虾米音乐、天天动听百度音乐不容乐观,形成这样的局面 与去年版权大战关系密切,在这里,酷狗和酷我同属于海洋音乐系列,qq音乐属于腾讯系,网易云音乐属于网易,虾米和天天动听同属于阿里系,百

28、度音乐属 于百度。酷狗酷我qqt乐属于老牌音乐软件,即使经历了去年的音乐版权大战, 得益于海洋音乐和腾讯拥有大量唱片公司的合作,似乎没有动摇的他们的地位, 而百度音乐,虾米音乐,天天动听则不容乐观,受到版权的影响,曲库量急速下 降,用户想要听得歌听不到,不得不转战其他音乐软件,有的听众同一个终端不 止安装了一款音乐软件。而后来居上者网易云音乐凭借其超人的人性化设计,提 倡音乐社交与分享,使其杀出重围,用户增长率一直遥遥领先,成功逆袭,更与 qq音乐签署了转授权歌曲协议,因此实力不容小觑,未来凭借其超好的口碑大 有赶超老牌音乐软件的趋势,值得老牌音乐软件思考。4结论通过本文用聚类分析和因子分析对

29、音乐市场的分析, 可以使我们很清晰明朗 的看到国内音乐市场的发展趋势, 截止到现在,这些音乐软件中虽然网易云音乐 创立的时间是他们之间最晚的,然而就目前的趋势来看,网易云音乐不论是从月 活跃度还是用户增长率都是非常惊人的, 几乎全面碾压目前的虾米音乐,天天动 听,百度音乐,甚至如果一直按照这个趋势,赶超酷我酷我老牌音乐网软件那也 只是时间的问题,实力不容小觑。现在可以看作是腾讯系、海洋系和网易云音乐 的三足鼎立,百度音乐,阿里音乐不容乐观,败下阵来,而曾经主打高音质的多 米音乐的音乐列表如今几乎一半是灰色的。对此可以看出,2015年的音乐版权大战对于音乐市场的格局产生得影响是巨大的,即使你拥有

30、多么人性化的设计, 多么好的高音质,曲库始终是影响用户的一大因素。而 qq音乐、酷狗、酷我和 网易云音乐这几家公司是互通的, 签署了不同程度版权转协议,这一点很好,虽 然不能像以前一样,一个软件通天下,但是通过这种模式合作,大部分的歌还是 可以在qqt乐、酷狗、酷我以及网易云音乐上还是有的。 然而现在的天天动听、 虾米音乐、百度音乐曲库甚少,即使现在天天动听重组改名阿里星球, 新的理念, 新的元素,依然改变不了什么,可以看到,如果跟不上时代的脚步,即使你有多 么大的实力,终将被淘汰。在这个越来越重视版权的音乐市场,是件值得庆幸的 事,没有版权的约束,音乐人很难好好做音乐,免费听歌不是我们的权利

31、,为了 享受更好的音乐,作为用户应该支持。音乐越来越好,听众才会越来越多,音乐 软件自然会越来越注重用户体验, 体验越好,用户的粘性度就会慢慢增大,对用 户,对歌手,对音乐软件公司都是值得鼓舞的,建议百度音乐尽量完善音乐资源, 给用户更好的体验,酷我酷狗和 qq音乐不容懈怠,继续保持良好的状态,因为 后面有网易云音乐在追赶,而虾米和天天动听应该积极与其他音乐公司合作, 使 曲库丰富起来,不然会步入百度的后尘。2015年是中国音乐市场洗牌的开始,版权、付费灯一系列措施的实施,对 于音乐公司以及用户都是一个挑战,习惯了免费音乐的国人付费听音乐会不会抵 制呢?对此,我认为,音乐付费是理所当然的,那是别人劳动的成果,是别人辛 苦的结晶,我们没有权利免费去获得。同时付费也是你所喜爱音乐人的支持,如 果长此以往这样下去,就没有音乐人好好地做音乐,因为没有资金的支持,也难 以实现他们的理想,为了中国的音乐,我们应该接受付费,并且支持,是我们作 为听众应该做的。参考文献1何晓群.多元统计分析m.北京:中国人民大学出版社,2007, 54126.2梅长林等.数据分析方法m.北京:高等教育出版社,2007, 38-79.3余锦华

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论