音楽聴取者の行動分析で理解する人と音楽とのインタラクション

音楽聴取者の行動分析で理解する人と音楽とのインタラクション
2022年8月26日電子情報通信学会ヒューマンコミュニケーション基礎(HCS)研究会ヴァーバル・ノンヴァーバル・コミュニケーション研究会(VNV)研究会招待講演音楽聴取者の行動分析で理解する人と音楽とのインタラクション名前佃洸摂（つくだこうせつ）所属産業技術総合研究所出身高知県高知市学位博士（情報学）2014@京都大学
人と音楽とのインタラクション 2 立ち止まる時またふと振り返る今もせつない姿探しているよ PROLOGUE / 緒方智美 YOASOBI 聴く見る探す歌う演奏する
人々の音楽体験をより多様で豊かにする
２つの取り組み 4 取り組み１音楽とのインタラクションを提案取り組み２ユーザの行動を分析
アプローチ｜その１ 5 音楽との新たなインタラクションを提案したうえでユーザの行動に与えた影響も分析
アプローチ｜その１ 6 現在のユーザの行動を分析したうえで音楽との新たなインタラクションも提案
5つの研究事例 7 音楽発掘カフェ「Kiite Cafe」歌詞探索ツール「Lyric Jumper」繰り返し消費のための推薦理由創作コラボレーション分析歌詞閲覧行動分析
音楽発掘カフェ「Kiite Cafe」 Kosetsu Tsukuda, Keisuke Ishida, Masahiro Hamasaki, and Masataka Goto Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music Proceedings of the 22nd International Society for Music Information Retrieval Conference (ISMIR 2021)
背景 9 一人で音楽を聴く場合とは異なり他の人と一緒に音楽を聴くことで得られる価値他者との社会的繋がり自分の好きな楽曲を聴いてもらえるライブコンサートへの参加 [Sedgman, 2015][Brown+, 2017] 他者に会って好きな楽曲を紹介 [Bassoli+, 2004][Hakansson+, 2007]
問題点 10 様々な社会情勢地理的な遠さテレビ・ラジオ・Web配信 SNS すごくいい曲です！ 86 本当に聴いて好きになってくれてるのかな…？他の人はどんな反応をしているんだろう…？音楽を楽しんでいる様子が互いに見えるように同じ場所に集まる必要あり紹介した楽曲に反応した人が確かにその楽曲を聴いたと分かる必要ありなどが原因で他の人と一緒に同じ楽曲を聴けずそうした価値を享受できないという状況は珍しくない他の人と一緒に音楽を聴くことの代替手段にはなりづらい
提案：https://cafe.kiite.jp 11 物理的には異なる場所にいる人々がオンラインで集まって同じ楽曲を同じ瞬間に楽しめる音楽発掘カフェ「Kiite Cafe」を提案  2019年8月30日にKiiteを一般公開（https://kiite.jp）  36万曲以上の歌声合成楽曲から好みの楽曲に出会える  プレイリスト作成・お気に入り登録・楽曲推薦音楽発掘サービス「Kiite」の新機能として提供
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３
Kiite Cafeが持つアーキテクチャ
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化癒やされる
アーキテクチャ１：楽曲に対する「好き」という反応を可視化 15  楽曲に対する「好き」という気持ちを伝えるために４種類の反応を可視化  ユーザ同士が同じ楽曲を聴きながらリアルタイムにコミュニケーションを取れる癒やされるお気に入り登録コメントエフェクト付きハート最大90秒間表示回転再生中の楽曲が終わるまで移動任意の位置に移動可能ユーザが創意工夫しながら各機能を使えるようにコメント・回転・移動をどのように使うかはKiite Cafe側では意図的にアナウンスせず
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる
アーキテクチャ２：ユーザの好みの楽曲から再生楽曲を選択 17  Kiite Cafeに滞在しているいずれかのユーザの好みの楽曲が再生される  再生中の楽曲が終わるまでに次の再生楽曲の選択処理を自動的に実行  第一段階：Kiite Cafeに滞在中のユーザを選択  第二段階：ユーザの「お気に入り＋プレイリスト」から再生楽曲を選択第一段階ユーザ選択 … Kiite Cafe 第二段階楽曲選択お気に入り＋プレイリスト再生  各段階で選択されるユーザと楽曲にバイアスが生じないアルゴリズムを使用  Kiite Cafeで再生される楽曲の多様性の確保  自分の好みの楽曲が選択されないことへの不満の排除
アーキテクチャがもたらすユーザ体験とその効果
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け
体験・効果１：「好き」を伝える動機付け 20 「自分がこの楽曲を好きだ」という思いを可視化して共有できることでa 再生中の楽曲に対して「好き」を明示的に伝えるよう動機付けられる体験滞在ユーザ数が多くなるほど「好き」を共有してより強い繋がりを感じられるようになりより積極的に「好き」を伝えるようになる効果私がこの曲を好きなことをみんなに伝えたい！癒やされる再生中
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz
体験・効果２：多様な楽曲を好きになる 22 様々なユーザの好みの楽曲から再生する楽曲が選択されるため日頃の好みとは異なる多様な楽曲を聴く機会が得られる体験ユーザが一人で聴いて好きになる楽曲よりも Kiite Cafeで聴いて好きになる楽曲の方が多様性が高くなる効果普段はPopが好きでよく聴くけど Kiite CafeでRockやJazzも聴いて好きになれた！ Pop かっこいい！ Rock Jazz
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献
体験・効果３：キュレータとしての貢献 24 自分の好きな楽曲が選ばれることでどのユーザでもキュレータとして貢献でき自分の好きな楽曲を他のユーザが好きになる瞬間を見られる体験キュレータとしての貢献が大きくなるほど自分の好みの楽曲が再度選ばれることが楽しみになりKiite Cafeの滞在時間が長くなる効果自分の好きな曲をたくさんのユーザが好きになってくれた！ 𝑡𝑡 次に自分の好みの楽曲が選ばれる自分の好みの楽曲が選ばれた
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献
ユーザ体験がもたらす効果の検証
データセット 27  Kiite Cafe正式一般公開  ユーザ利用ログ対象期間  ユニークユーザ数  各機能の使用回数 2020年 8月 5日 2020年 8月 5日～2021年 8月 4日 2,399名癒やされる 49,425回 14,094回 109,054回 74,304回
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献反応率ユーザ数ユーザ数増 → 反応率増
実験１：RQ・設定 29 Kiite Cafeに滞在しているユーザ数の増加に伴いユーザはより頻繁に楽曲への反応を発信するようになるか滞在ユーザ数が多くなるほど「好き」を伝える意義が大きくなりより積極的に「好き」を伝えるようになる効果 R Q 反応：回転楽曲再生時のユーザの何%が回転？ユーザ数平均反応率 1～5名 8.47% 6～10名 16.1% 11～15名 17.6% 16名以上 20.6% ユーザ数 1-5 6-10 11-15 16- 平均反応率
実験１：結果 30 平均反応率（正規化済み）いずれの反応でもKiite Cafeに滞在しているユーザ数の増加に伴い反応を発信するユーザの割合は単調に増加回答
コメント・回転・移動の使われ方 31  ３つのいずれの機能も楽曲へのポジティブな感情を表現＝「好き」を伝える  ユーザ数が増えるにつれてライブコンサートに参加しているかのように振る舞う  ユーザによって生み出されてユーザの間に自然に広がりKiite Cafeの文化となったコメント回転移動・盛り上がりや興奮の感情を回転で表現・「この曲は回れる」という新たな表現が誕生・楽曲開始15秒以内の投稿コメントが多い傾向・好きな楽曲が再生されたことに対する喜びを表現うおおおおキター！・ライブコンサートでの「最前」への移動を再現・自然発生的にアイコンを移動させてハートを成形
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献ユーザ数ユーザ数増 → 反応率増 Kiite Cafe利用後 → 多様性増利用前利用後楽曲多様性小大反応率
実験２：概要 35 Kiite Cafeの利用前に比べて利用後の方がユーザはより多様な楽曲に対して反応を発信するかユーザが一人で聴いて好きになる楽曲よりも Kiite Cafeで聴いて好きになる楽曲の方が多様性が高くなる効果 R Q 利用後の方が反応を示した楽曲の多様性は高くユーザの日頃の音楽的好みとは異なる楽曲を好きになる場として機能回答反応利用前多様性利用後多様性 P値お気に入り登録 10.509 10.994 1.14 × 10−8 コメント 10.454 10.954 2.05 × 10−3 回転 10.519 10.895 1.16 × 10−6 移動 10.454 11.059 2.75 × 10−9 楽曲の多様性＝音響特徴量間のユークリッド距離の平均値
アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献ユーザ数ユーザ数増 → 反応率増 Kiite Cafe利用後 → 多様性増利用前利用後楽曲多様性小大貢献度増 → 滞在時間増キュレータ貢献度滞在時間反応率
実験３：概要 37 ユーザの好みの楽曲が再生された際に反応を発信するユーザの割合が高くなるほどそのユーザのKiite Cafeの滞在時間は長くなるかキュレータとしての貢献が大きくなるほど自分の好みの楽曲が再度選ばれることが楽しみになりKiite Cafeの滞在時間が長くなる効果 R Q お気に入り登録・回転・移動では反応を発信したユーザの割合が増えると滞在時間も増加（割合だけでなくユーザの絶対数も影響）回答お気に入り登録コメント回転移動横軸：反応を発信したユーザの割合縦軸：正規化された滞在時間
楽曲に対する「好き」という反応を可視化ユーザの好みの楽曲から再生楽曲を選択癒やされる「好き」を伝える動機付け多様な楽曲を好きになるキューレータとして貢献アーキテクチャ１アーキテクチャ２体験・効果１体験・効果２体験・効果３実験１実験２実験３ Pop Rock Jazz ユーザ数ユーザ数増 → 反応率増貢献度増 → 滞在時間増 Kiite Cafe利用後 → 多様性増キュレータ貢献度滞在時間利用前利用後楽曲多様性小大反応率
オンラインイベントにおけるKiite Cafeの活用 39  人々が物理的に集まるのが困難な状況でオンラインイベントの新しいあり方を提示  地理的な遠さが原因でイベント参加しづらい人などにとっても有意義な開催方法 VOCALOID関連のイベントの主催者 Kiite Cafeユーザ Kiite Cafe運営  重音テト記念日企画  GUMI記念日企画など http://tsunagarumirai.com/2020/  ツナガルミライ  タメサレルミライなど  初音ミク誕生日企画  MEIKO誕生日企画など３タイプの発案者によるKiite Cafeのオンラインイベント
オンラインイベントにおけるKiite Cafeの活用 40 ３タイプの発案者によるKiite Cafeのオンラインイベント
オンラインイベントにおけるKiite Cafeの活用 41  人々が物理的に集まるのが困難な状況でオンラインイベントの新しいあり方を提示  地理的な遠さが原因でイベント参加しづらい人などにとっても有意義な開催方法 VOCALOID関連のイベントの主催者 Kiite Cafe運営 http://tsunagarumirai.com/2020/  ツナガルミライ  タメサレルミライなど Kiite Cafeユーザ  重音テト記念日企画  GUMI記念日企画など  初音ミク誕生日企画  MEIKO誕生日企画など３タイプの発案者によるKiite Cafeのオンラインイベント
歌詞探索ツール「Lyric Jumper」 Kosetsu Tsukuda, Keisuke Ishida, and Masataka Goto Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics Generative Process Proceedings of the 18th International Society for Music Information Retrieval Conference (ISMIR 2017)
Lyric Jumper 様々な歌詞やアーティストに出会える新しい歌詞探索サービス従来 Lyric Jumper  歌詞のトピックを可視化  アーティストごとの歌詞の傾向に基づく歌詞探索曲名検索歌詞フレーズ検索知っている曲しか探せない完全一致の曲しか探せないあなたに逢いたくて愛しいあなた https://lyric-jumper.petitlyrics.com（2017/2/21公開）
歌詞トピック解析技術歌詞データ（25万曲）大規模な歌詞データを与えるだけでトピックを自動的に推定確率モデルによる歌詞トピック解析歌詞トピック松田聖子/ あなたに逢いたくて４松田聖子/ 赤いスイートピー 11 井上陽水/少年時代 16  アーティスト・歌詞・単語という３階層の構造を考慮  歌詞データ全体での単語の出現傾向を利用  傾向の差異が端的に表現されるようトピックを自動決定恋愛永遠の愛・一途な恋・ラブソング大人の恋愛（女性編）・大人の恋愛（男性編）
ログ分析
データセット 46  Lyric Jumperへのアクセスログ収集期間： 2017/2/21～9/30  ユニークユーザ数 - スマートフォン：86,922 - PC：6,040 35 30 25 20 15 10 5 0 万PV 2月 3月 4月 5月 6月 7月 8月 9月スマートフォン PC
各機能の使用回数 47 （回）機能 PC スマホアーティストランキング 5,574aaaa 41,169aaa アーティスト推薦 4,206aaaa 10,557aaa 楽曲ランキング 12,375aaaa 24,717aaa フレーズ推薦 12,333aaaa 456,429aaa  フレーズ推薦機能の使用回数はスマホがPCを大きく上回る
各機能の使用回数 48 スマホ用インタフェース PC用インタフェース
各機能の使用回数 49  フレーズ推薦機能の使用回数はスマホがPCを大きく上回る  スマホではフレーズがひとつずつ推薦されることでフレーズに対するユーザの興味をより強く喚起できユーザが思わず次々とボタンを押した結果ではないか（回）機能 PC スマホアーティストランキング 5,574aaaa 41,169aaa アーティスト推薦 4,206aaaa 10,557aaa 楽曲ランキング 12,375aaaa 24,717aaa フレーズ推薦 12,333aaaa 456,429aaa
トピック別クリック頻度 50 0 1000 2000 3000 4000 5000 永遠の愛一途な恋ラブソング大人の恋愛（女性編）大人の恋愛（男性編）コトバ遊びイケイケみんなでうたおう戦うヒーロー夢と未来青春人生自分探し混沌（カオス）センチメンタルノスタルジー硬派光と影自由気まま浮世離れスマホ用インタフェース
トピック別クリック頻度 51 0 1000 2000 3000 4000 5000 永遠の愛一途な恋ラブソング大人の恋愛（女性編）大人の恋愛（男性編）コトバ遊びイケイケみんなでうたおう戦うヒーロー夢と未来青春人生自分探し混沌（カオス）センチメンタルノスタルジー硬派光と影自由気まま浮世離れ  トピックの表示順位とクリックの頻度順位の相関 - 全体：0.46 - 恋愛トピック以外：-0.025  ユーザはある程度自分の興味に従ってトピックを選択 「大人の恋愛」トピックでは「男性編」よりも「女性編」の方が高頻度で選択 0.46 -0.025 恋愛トピック
トピック別クリック頻度 52 0 1000 2000 3000 4000 5000 永遠の愛一途な恋ラブソング大人の恋愛（女性編）大人の恋愛（男性編）コトバ遊びイケイケみんなでうたおう戦うヒーロー夢と未来青春人生自分探し混沌（カオス）センチメンタルノスタルジー硬派光と影自由気まま浮世離れ  トピックの表示順位とクリックの頻度順位の相関 - 全体：0.46 - 恋愛トピック以外：-0.025  ユーザはある程度自分の興味に従ってトピックを選択 「大人の恋愛」トピックでは「男性編」よりも「女性編」の方が高頻度で選択大人の恋愛 (女性編) 大人の恋愛 (男性編)
行動遷移 53
行動遷移 54 トピックを起点とした歌詞探索は新規性が高いだけでなくユーザにも積極的に利用されていることが示されたアーティスト起点 34.8% トピック起点 65.2% フレーズ選択 20.5%
Twitter分析
データセット 56  2017/2/21～10/10に投稿されたツイートが対象 「”lyric jumper” OR “リリックジャンパー”」をクエリに使用  分析対象として収集されたツイートは429件
アーティストのトピックに関するツイート 57  98件のツイートは特定のアーティストのトピックに言及  推定されたトピックの傾向に納得感を表すツイートが多数全体の傾向ツイート例 「ラブソング」トピックの割合が高いと思っていたが「自分探し」のトピックの割合が高く意外な発見ができた
繰り返し消費のための推薦理由 Kosetsu Tsukuda and Masataka Goto Explainable Recommendation for Repeat Consumption Proceedings of the 14th ACM Conference on Recommender Systems (ACM RecSys 2020)
既存研究と本研究の差異 59 既存研究ユーザが消費していないアイテムに対して推薦理由を提示本研究ユーザが既に消費したアイテムに対して推薦理由を提示消費済みアイテム未消費アイテム推薦理由推薦理由消費済みアイテム未消費アイテム
繰り返し消費されるアイテムの「寿命」 60  音楽・動画・飲食店などのドメインでは同一アイテムが繰り返し消費される  繰り返し消費されるアイテムには「寿命 (lifetime)」がある [Benson+, WWW’16] 𝑡𝑡 トリセツ/西野カナ高頻度で再生徐々に再生頻度が下がる再生しなくなる
繰り返し消費されるアイテムの「寿命」 61  音楽・動画・飲食店などのドメインでは同一アイテムが繰り返し消費される  繰り返し消費されるアイテムには「寿命 (lifetime)」がある [Benson+, WWW’16] 𝑡𝑡 トリセツ/西野カナ高頻度で再生徐々に再生頻度が下がる再生しなくなる西野カナのトリセツを初めて聴いてから今日でちょうど5年経ちました
消費者・創作者・プラットフォームにとってのメリット 62 消費済みアイテムであっても受動的に推薦を受けられる 20年代 10年代創作物推薦理由消費者消費が刹那的な現代においてアイテムの寿命が延びる創作者プラットフォーム消費者と創作者の双方の満足度を高められる
消費済みアイテムの推薦理由作成のための3つの要因 63 Personal factor Social factor Item factor  3要因：Personal factor・Social factor・Item factor  3要因に基づいて音楽推薦を対象とした9種類の推薦理由を提案  3要因は任意のドメインにおいて推薦理由作成の手がかりとなりうる
各要因から生成される推薦理由 64 要因推薦理由西野カナのトリセツをお薦めします。なぜなら： Personal P-first 最初に聴いてからちょうど5年が経過したからです P-last 最後に聴いてからちょうど1年が経過したからです P-together 先ほど聴いた前前前世/RADWIMPS と一緒によく聴いていたからです P-total 次に聴くと再生回数が100回に到達するからです Social S-total 全ユーザの総再生回数が1,000万回に到達したからです S-unique 再生したユニークユーザ数が50万人に到達したからです S-favorite お気に入りに登録したユーザ数が10万人に到達したからです Item I-release 発売されてからちょうど5年が経過したからです I-live 西野カナのライブで昨日歌われたからです
評価実験
実験参加者 66  アンケート会社を通して実験参加者を募集  任意の音楽配信サービスで週1回以上音楽を聴いている日本人  アンケートはオンラインで実施して622人分の有効回答を分析に使用 10代 20代 30代 40代 50代計男 8 60 82 73 73 296 女 10 67 91 82 76 326 （人）
RQ1｜質問 67  各推薦理由の説得力を7段階（1～7）で回答  個人の音楽再生ログから推薦結果は生成せず推薦理由だけを評価  楽曲名と変数によるバイアスが除かれるように質問文を作成  説得力が5以上と回答したスタイルには自由記述で根拠も回答あなたが利用している音楽配信サービス上で、あなたがある曲（「曲A」とします）を初めて再生してから今日でちょうど5年が経過しました。（中略）「あなたが曲Aを初めて再生してから今日でちょうど5年が経過しました。」という推薦理由とともに音楽配信サービス上で曲Aを推薦します。ただし、ここで「5年」と書いているのはひとつの例であり、半年、1年、7年などあなたの好きな時間を想定していただいて構いません。「P-first」の質問文楽曲を聴きたいと思う度合い
RQ1｜説得力の分布 68  Highの推薦理由はいずれもLowの推薦理由より有意に説得力が高い  日付に関する推薦理由（P-first・P-last・I-release）は説得力が低い  I-liveに説得力を感じる理由で最も多かった記述：ライブで演奏されている曲はアーティストが今聴いてほしい曲だから High Low 説得力
創作コラボレーション分析 Shiori Hironaka, Kosetsu Tsukuda, Masahiro Hamasaki, and Masataka Goto Collaboration in N-th Order Derivative Creation Proceedings of the 12th International AAAI Conference on Web and Social Media (ICWSM 2018)
派生創作活動 70 sm28301136 sm12062407 sm12079925 歌ってみた踊ってみた演奏してみたオリジナル楽曲 sm28301136 既存のコンテンツをもとにした新たなコンテンツを創作する活動
派生創作活動におけるコラボレーション 71 演奏コラボレーション歌複数人のクリエータが協力してひとつのコンテンツを創作歌コラボ動画
目的 72 ニコニコ動画上の派生創作活動における動画の視聴のされ方クリエータの活動コラボレーションとの関係を分析
データセット 73 音楽視聴支援サービス「Songrium」 https://songrium.jp ニコニコ動画上のVOCALOID関連の関係性を抽出して可視化データ取得日 2017年9月派生カテゴリ歌ってみた、踊ってみた、演奏してみた PV・描いてみた、MMD 派生動画数 363,338件コラボ動画数 83,547件 (23%) クリエータ数 46,511名コラボ経験有クリエータ数 22,841名 (49%)
基礎分析｜コラボ動画の割合 74  全期間を通したコラボ動画の割合は23%  2009年以降のコラボ動画の割合はほぼ一定
基礎分析｜動画あたりのコラボクリエータ数 75  コラボ動画のうち94%の動画は 2人または3人のクリエータによるコラボ動画内でコラボしているクリエータ数動画数
分析１｜動画の視聴のされ方
コラボ動画・非コラボ動画の再生数比較 77 再生数動画数（コラボ動画）動画数（非コラボ動画）  非コラボ動画よりもコラボ動画の方が再生数が多い傾向
コラボ動画の投稿件数と動画再生数の関係 78 コラボ動画の投稿件数中央値再生数の中央値コラボ動画の投稿件数：25件以上中央値 … … … … … … … 再生数中央値 522 891 2064 105 20393 237 338 2247 4099  コラボ動画の投稿件数が多いクリエータの動画ほど再生数も多くなる
コラボしたクリエータ数と動画再生数の関係 79 コラボクリエータ数：50人以上中央値 … … … … … … … 再生数中央値 415 929 10524 350 129066 483 221 3709 5095 コラボしたクリエータのユニーク数中央値再生数の中央値  コラボしたクリエータ数が多いクリエータの動画ほど再生数も多くなる
分析２｜クリエータの活動
同一クリエータとのコラボ回数 81 ペアの総数：192,374 回以上コラボしたクリエータペアの割合 [%] クリエータのペアがコラボした回数 𝑥𝑥  クリエータA・B・Cでコラボ：クリエータペアAB・BC・CA  25.7%のクリエータペアは2回以上のコラボ経験あり
コラボ経験の有無とクリエータの活動期間の関係 82 活動期間が日以下であるクリエータの割合活動期間 (日)  クリエータの活動期間：最初の動画の投稿日～最新の動画の投稿日  コラボ経験のあるクリエータの方が活動期間が長い傾向 2012年に最初の派生動画を投稿したクリエータ
インタラクション支援
クリエータ間のコラボレーション支援 84 この曲を歌いたいんだけどおすすめのコラボ相手は？コラボ経験再生数活動期間 1位カテゴリ：ギターコラボ経験再生数活動期間 2位カテゴリ：歌コラボ経験再生数活動期間 3位カテゴリ：踊り各クリエータのコラボ経験動画再生数活動期間などをもとにコラボ相手を推薦コラボ経験再生数活動期間
歌詞閲覧行動分析 Kosetsu Tsukuda, Masahiro Hamasaki, and Masataka Goto Toward an Understanding of Lyrics-viewing Behavior While Listening to Music on a Smartphone Proceedings of the 22nd International Society for Music Information Retrieval Conference (ISMIR 2021)
歌詞の閲覧手段 86 PROLOGUE / 緒方智美立ち止まる時またふと振り返る今もせつない姿探しているよ間違いなく二人季節を歩いてた  楽曲を聴く方法として音楽配信サービスの提供するスマートフォン用アプリの利用が主流 [Lee+, ISMIR’12]  Spotify・Apple Music・AWAなどのスマートフォン用アプリでは楽曲を再生中に歌詞の閲覧が可能スマートフォンで音楽を聴きながらの歌詞閲覧が主要な手段のひとつに
既存研究 87 人はなぜ・どのように音楽を聴くのか  A. C. North et al. Uses of music in everyday life. Music Perception: An Interdisciplinary Journal, 22(1):41–77, 2004.  A. J. Lonsdale and A. C. North. Why do we listen to music? A uses and gratifications analysis. British Journal of Psychology, 102(1):108–134, 2011.  A. B. Haake. Individual music listening in workplace settings: An exploratory survey of offices in the UK. Musicae Scientiae, 15(1):107–129, 2011.  D. Baur et al. Listening factors: A large-scale principal components analysis of long-term music listening histories. CHI, pages 1273–1276, 2012  J. H. Lee and N. M. Waterman. Understanding user requirements for music information services. ISMIR, pages 253– 258, 2012.  J. H. Lee and R. Price. Understanding users of commercial music services through personas: Design implications. ISMIR, pages 476–482, 2015.  W. M. Randall and N. S. Rickard. Reasons for personal music listening: A mobile experience sampling study of emotional outcomes. Psychology of Music, 45(4):479–495, 2017.  J. H. Lee et al. Can we listen to it together?: Factors influencing reception of music recommendations and post- recommendation behavior. ISMIR, pages 663–669, 2019. 人はなぜ・どのように歌詞を閲覧するのかという基礎的な疑問は手つかずのまま
アプローチ 88 疑問スマートフォンで楽曲聴取時に人はなぜ・どのように歌詞を閲覧するのかなぜどのように 206名を対象にアンケートを実施 2303万件の歌詞閲覧ログを分析
「なぜ」歌詞を閲覧するのか
アンケート回答者 90  日本のアンケート調査会社を通して募集  条件 1. 任意の音楽配信サービスのスマホアプリで週に1日以上音楽を聴く 2. そのアプリ上で楽曲を再生しながら歌詞を閲覧した経験が10回以上 3. 日本人  Webブラウザ上でアンケートに回答  206名の性別・年齢の分布 10代 20代 30代 40代 50代計男 2 20 22 26 25 95 女 4 21 27 28 31 111 （人）
歌詞の閲覧理由の頻度｜質問 91 スマートフォンの音楽再生アプリの歌詞表示機能を使って音楽を聴きながら歌詞を見るとき、以下の各理由で歌詞を見る頻度はどれぐらいありますか。５段階（まったくない・ほとんどない・あまりない・それなりにある・よくある）で回答してください。確認聴き取れなかった歌詞が何と歌われているか確認するため理解歌詞をより深く理解するため歌唱カラオケなど人前で歌うためではなく自分で口ずさむため構造楽曲の構造（Aメロ・Bメロ・サビなど）を確認するため練習カラオケなど人前で歌う練習をするため退屈手持ち無沙汰を解消するため言語語学の勉強のため作詞作詞の勉強のため
歌詞の閲覧理由の頻度｜結果 92  「確認」「理解」の中央値は他6種類の理由の中央値よりも有意に高い  「歌唱」「構造」「練習」は半数以上の回答者が4または5と回答し高頻度  音楽再生アプリのユーザ数を踏まえると「退屈」「言語」「作詞」も一定の需要カッコ内の値：4または5と回答した回答者数
閲覧理由に応じた機能例１ 93 理解あの日の嘘さえ今ならわかるあなたがどんな想いで言葉にしたのか思いやりからくる優しい嘘だった解釈  歌詞の様々な解釈を提示してより深い歌詞の理解を支援  歌詞の解釈をWebから自動的に収集する研究への発展裏声エッジボイスしゃくり  歌唱テクニックの提示  歌唱力の自動推定 [Nakano+, INTERSPEECH’06]  歌唱力の向上を支援あなたがどんな想いで言葉にしたのかまっすぐな瞳歌唱・練習
閲覧理由に応じた機能例２ 94 いま騙しあい騙されあい積み上げた砂のピラミッド Bメロ２あたしはただ溺れる人魚のようサビ１  構造を自動推定して色付け [Goto, IEEE Trans. ASLP, ’06]  構造のより早い把握を支援構造  再生楽曲の関連情報の提示  関連楽曲の推薦による未知の楽曲との出会いを支援退屈銀の空 / 吉井弘美吉井弘美関連情報新曲遠い街へインタビュー記事・ライブへの思い
閲覧理由に応じた機能例３ 95  同一アーティストのより平易な歌詞の楽曲推薦 [Ibrahim+, ISMIR’17]  段階的な言語学習を支援何度も何度も会いたいあなたにこれからも一緒に笑えればいいのに If I could be anything, I’d be her key-chain So I could go anywhere she goes  使われている技法の説明  同じ技法を含む楽曲の推薦  作詞の学習を支援言語作詞ジェフ・マニングのより平易な歌詞 I think of you Doing That Thing 反復法倒置法反語法
まとめ
人々の音楽体験をより多様で豊かにする音楽発掘カフェ「Kiite Cafe」歌詞探索ツール「Lyric Jumper」繰り返し消費のための推薦理由創作コラボレーション分析歌詞閲覧行動分析
謝辞  後藤真孝氏 (再消費ER/歌詞閲覧分析/Kiite/Kiite Cafe/Lyric Jumper/コラボ分析)  濱崎雅弘氏 (歌詞閲覧分析/Kiite/Kiite Cafe/コラボ分析)  石田啓介氏 (Kiite/Kiite Cafe/Lyric Jumper)  高橋卓見氏 (Kiite/Kiite Cafe)  渡邉研斗氏 (Kiite)  深山覚氏 (Kiite)  佐藤浩輔氏、中村聡史氏、新岡光氏、佐々木渉氏、伊藤博之氏 (Kiite)  廣中詩織氏 (コラボ分析)
人々の音楽体験をより多様で豊かにする音楽発掘カフェ「Kiite Cafe」歌詞探索ツール「Lyric Jumper」繰り返し消費のための推薦理由創作コラボレーション分析歌詞閲覧行動分析

Check these out next

音楽聴取者の行動分析で理解する人と音楽とのインタラクション

Recomendados

Más contenido relacionado

Presentaciones para ti(20)

Más de Kosetsu Tsukuda(20)

Último(20)

音楽聴取者の行動分析で理解する人と音楽とのインタラクション