Analysis of the user behavior and music preferences: Suggestions for refining Spotify's algorithms in various contexts

Abstract

This dissertation investigates the user preferences on Spotify, focusing on the platform’s role in forming musical tastes, the evolution of music preferences over the past decade, and the influence of Taylor Swift on users’ choices. The study seeks to contribute to the understanding of user behavior within the context of music streaming services, using methodologies that include SPSS analysis - mainly with regression analysis of datasets segmented by geography, weather, and time, complemented by a comprehensive literature review of scholarly articles and industry reports. The results of the SPSS analysis combined with report research showed several key insights. First, Spotify plays a significant role in forming user preferences, with country and weather conditions acting as influential factors in song popularity, therefore user preferences. Second, music preferences have experienced notable changes in the years 1920-1950, caused by many cultural and technological shifts. The trait that showed the most substantial decrease was accousticness, reflecting the evolution of Pop and Electronic music. Finally, Taylor Swift’s discography offer valuable insights into the changing dynamics of user preferences, demonstrating the potential of artists' influence to shape listening behavior and suggest recommendation models of potential song popularity. These findings underscore the importance of integrating geographic segmentation and weather considerations into streaming algorithms to enhance user engagement. Moreover, the analysis of artists’ career development provides a framework for understanding the shifts in consumer tastes, which could help in refining recommender systems. The implications of this research extend to the design of personalized user experiences and the development of predictive models, offering gaps for future research in music information retrieval and marketing strategies.

Esta dissertação investiga as preferências dos utilizadores do Spotify, focando o papel da plataforma na formação dos gostos musicais, a evolução das preferências musicais ao longo da última década e a influência de Taylor Swift nas escolhas dos utilizadores. O estudo procura contribuir para a compreensão do comportamento dos utilizadores no contexto dos serviços de streaming de música, recorrendo a metodologias que incluem a análise SPSS - principalmente com análise de regressão de conjuntos de dados segmentados por geografia, clima e tempo, complementada por uma revisão abrangente da literatura de artigos académicos e relatórios da indústria. Os resultados da análise SPSS, combinados com a pesquisa de relatórios, revelaram várias informações importantes. Em primeiro lugar, o Spotify desempenha um papel significativo na formação das preferências dos utilizadores, com o país e as condições meteorológicas a actuarem como factores influentes na popularidade das músicas e, consequentemente, nas preferências dos utilizadores. Em segundo lugar, as preferências musicais sofreram alterações notáveis nos anos 1920-1950, causadas por muitas mudanças culturais e tecnológicas. A caraterística que apresentou a diminuição mais substancial foi a acústica, reflectindo a evolução da música pop e eletrónica. Por último, a discografia de Taylor Swift oferece informações valiosas sobre a dinâmica de mudança das preferências dos utilizadores, demonstrando o potencial da influência dos artistas para moldar o comportamento de audição e sugerir modelos de recomendação da potencial popularidade das canções. Estas conclusões sublinham a importância de integrar a segmentação geográfica e as considerações meteorológicas nos algoritmos de transmissão em contínuo para melhorar a participação dos utilizadores. Além disso, a análise do desenvolvimento da carreira dos artistas fornece um quadro para compreender as mudanças nos gostos dos consumidores, o que pode ajudar a aperfeiçoar os sistemas de recomendação. As implicações desta investigação estendem-se à conceção de experiências de utilizador personalizadas e ao desenvolvimento de modelos preditivos, oferecendo lacunas para investigação futura na recuperação de informação musical e estratégias de marketing.