Home

2022년 글로벌 음악 시장 규모는 613억 1,7000만 달러로 조사되었다. 이는 전년도 대비 33.3%의 성장을 보이고 있으며, 3년간 꾸준히 성장하고 있다. 또한 음악 감상 시 이용하는 수단 또는 서비스로 ‘음원 스트리밍’이 두 번째로 높은 순위를 기록했다. 음원 스트리밍은 2021년 63.2% 그리고 2022년 67.0% 그리고 2023년 69.0%로 꾸준한 상승세를 보인다[1]. 이처럼 최근 음원을 소비하는 경향은 대부분 온라인 음원 스트리밍을 통해 이뤄지고 있다.

이와 같이 현재 음원 시장이 성장하면서 수많은 새로운 곡이 발매되고 있다. 이 중 약 20%의 곡들의 전체 스트리밍 횟수의 80%를 차지하는 ‘파레토법칙(Pareto principle)’이 나타난다[2]. 이처럼 발매되는 곡에 비해 흥행하는 곡은 그 수가 현저히 적다. 또한 음원 발매에는 상당한 비용이 들기 때문에, 음원의 흥행 여부에 따른 경제적인 부담이 크다. 따라서, 음원을 발매하기 전 해당 음원의 수요 예측은 유의미한 시도로 고려할 수 있다.

본 논문에서는 특정 기간 내 음원 플랫폼에서의 곡의 순위 데이터를 분석하여, 새로운 곡의 최고 순위를 예측하는 방법을 제안한다. 이를 위해 전체 순위에 대한 구간을 나누고 특정 곡과 각 구간의 특성을 분석하여 특정 곡이 속할 구간을 예측한다. 예측을 위해 다양한 머신러닝과 딥러닝 모델을 이용하여 실험을 진행한다.

음원의 흥행을 예측하는 선행 연구는 크게 두 가지로 나뉜다. 첫째, 음원의 아티스트, 소속사 등과 같은 고유한 정보를 기반으로 흥행을 예측한다. [3]은 아티스트 관련 기사의 개수나 공식 SNS 계정의 팔로워 수와 같은 지표들을 사용하여 음원이 흥행 여부를 예측한다. 이와 유사하게 아티스트의 인지도를 기준으로 흥행 여부를 분석하기도 한다[4]. 인지도가 높은 음원이 낮은 음원과 비교하여 상대적으로 스트리밍을 이용한 음원 소비 비율이 높다. 아티스트 이외에도 음반의 경우 메이저 기획사에서 제작한 음반은 비메이저 기획사에 비해 차트 내 상주 기간이 더 길고, 차트 내 첫 주 진입 순위가 더 높다[5]. 메이저 기획사에서 유통한 음반 또한 비메이저 기획사에 비해 차트 내 첫 주 진입 순위가 더 높다. 그리고 음반의 차트 첫 주 진입 순위가 높을수록 음반의 차트 내 상주 기간이 더 긴 것으로 확인된다. 또한 메이저 기획사나 곡의 최고 순위가 높을 시, 음원이 차트에 상주하는 기간이 더 길다. [6]은 프로듀서의 영향력이 음원 성적에 영향을 미치는지 Graph Centrality를 이용해 분석한다. 모든 분야에서 흥행하는 음원의 경우 함께 작업하는 특정 프로듀서나 아티스트가 존재한다는 공통적인 특징 발견할 수 있다. 마지막으로 전문가 평가라는 새로운 정량적 지표의 활용 하여 음원의 정량적 측정 가능성을 제시한다[7].

둘째, 팬덤의 규모나 기획사 등과 같은 음악 외적인 특성 외에도 음원의 음악 데이터를 활용하여 흥행을 분석한다. [8]에서는 음원이 가지는 음악적 특성만을 고려하여 흥행 여부를 분석한다. 연구에서는 팬덤의 영향이 적은 신인 가수들의 데이터를 모아 추가 실험을 진행하였으며, 실험에서 고려한 여러 요소 중 danceability가 흥행에 가장 큰 영향을 줬다. [9]는 음악 데이터를 분석하여 Bagged, AdaBoost 그리고 Random Forest를 적용하여 음원을 분류하는 실험을 진행한다. 세 가지 방법 중 Random Forest로 선택된 분류 모델이 정확도와 효율성 모두에서 더 나은 성능을 보이는 것을 확인할 수 있다.

표 2는 실험에 사용된 9개의 모델 종류와 각 모델에 대한 간단한 설명이다. 또한 머신 러닝 기반의 방법들은 4개의 구간으로 나눈 다음, 최적의 파라미터를 구하는 도구로 GridsearchCV를 통해 파라미터를 구한다. 이후 해당 파라미터를 활용하여 실험을 진행한다.

본 논문에서는 머신러닝과 딥러닝 모델들을 활용하여 음원의 최고 순위가 어느 구간에 속하는지를 예측하였다. 구간 개수에 따라 전체 음원을 라벨링한 뒤, 해당 라벨을 예측하는 실험을 진행했다.

실험 결과로 MLP가 모든 구간 개수에 대해 평균 f1-score 0.928로 가장 뛰어난 성능을 보였다. 이를 통해 딥러닝 기반의 모델이 해당 문제를 해결하는 데 조금 더 적합한 모델임을 알 수 있다. 추후 연구로는 MLP가 타 모델들보다 뛰어난 이유와 MLP과 다른 딥러닝 모델들을 비교하는 연구를 진행할 수 있다.

이를 통해 새로운 음원이 발매되기 전, 해당 음원이 어느 정도의 순위를 기록할지에 대한 대략적인 정량적 판단이 가능할 것이다. 이를 통해 손익계산이 가능할 것이며 음원 발매에 있어 보조 지표로 사용될 수 있다.