Neuromarketing la IA que usa unos algoritmos para predecir con acierto los próximos hits musicales.
 Un equipo de científicos de la Claremont Graduate University han publicado un nuevo estudio.
 Donde reflejan las pruebas neurofisiológicas, los análisis estadísticos y un potente motor de aprendizaje automático con IA, que han empleado.
 Sirve para identificar las canciones que serán éxitos seguros.
 El caso es que dicen haber logrado una alta precisión, de hasta un 97 por ciento de acierto.
 Este método predictivo se usaría para predecir los futuros hits o canciones trallazo, en la industria musical.
 Sus responsables avisan de que no solo puede aplicarse a las canciones.
 También tiene potencial en otros sectores del entretenimiento, como las series, los videojuegos, las películas o los programas de televisión.
 Cada día se suben a internet cerca de 100.000 canciones nuevas.
 Una cifra enorme que hace casi imposible separar el grano de la paja.
 Los artistas y los productores confían en su olfato para detectar las canciones que triunfarán.
 Otros, usan un software de análisis de mercado para dar con la tecla correcta.
 Existen diversos métodos que intentan pronosticar qué lanzamientos entrarán en las listas más top.
 Como el análisis de las letras de las canciones, el control de las críticas musicales o las menciones que tiene en las redes sociales.
 Sin embargo, el nivel de acierto de estos estudios no es muy elevado.
 En los últimos años, el neuromarketing ha entrado de lleno en el mercado.
 Los estudios han analizado partes del audio de cientos de canciones: El tempo, el compás, la duración, el género, el contenido de la letra o los instrumentos y arreglos que presenta.
 Ahora, el nuevo enfoque de los de Claremont combina el aprendizaje automático, el análisis estadístico y los datos neuro fisiológicos de más de una treintena de voluntarios.
 A estos participantes, hombres y mujeres con edades comprendidas entre los 18 y los 57 años, les colocaron unos sensores cardíacos.
 Mientras registraban sus datos, reprodujeron 24 canciones.
 Una vez superada la fase de audición y registro de las señales cardíacas, los voluntarios completaron una exhaustiva encuesta.
 Donde dejaron constancia de las canciones que les habían gustado más y cuáles no les habían dicho nada.
 También les preguntaron si las habían escuchado antes o si se las recomendarían a sus familiares o amigos.
 La clave de todo está en los datos neuro fisiológicos que reflejan los estímulos emocionales de las canciones.
 Mediante este algoritmo, Apple ya plantea añadir música en tiempo real, ajustada al ritmo de nuestra actividad física.
 La medición de la actividad cardíaca permite inferir los estados neuronales a partir de la actividad de los nervios craneales.
 El estudio recogió las señales cerebrales asociadas al estado de ánimo y a los niveles de energía.
 Cuando los datos se procesaban mediante un modelo estadístico lineal, la tasa de acierto en la predicción era del 69 por ciento.
 Si le añadían el aprendizaje automático, la precisión subía hasta el 97 por ciento.
 Incluso, evaluaron los datos con este modelo, tras dejar a los participantes escuchar sólo un minuto de la canción.
 Y obtuvieron un nivel de acierto del 82 por ciento.
 El uso de wearables con esta tecnología, que mide nuestras reacciones fisiológicas, podría servir para identificar nuestros gustos según el estado de ánimo y la actividad física que desempeñemos en ese momento.
 La música pasaría de ser un arte a convertirse en una ecuación medible.
 El futuro del entretenimiento estaría, cada vez, más programado.
 Los artistas compondrían primero para un algoritmo que predeciría el potencial de su éxito.
 Estos experimentos se han realizado para beneficiar, sobre todo, a las plataformas de Streaming.
 Para saber lo que le gusta a la mayoría de sus usuarios y adaptarlo a nuestra playlist.
 Esta fórmula, basada en algoritmos, no significa que la calidad de las canciones o de la música, mejorará.
 Detrás de cada lanzamiento musical habrá estudios de Streaming data.
 Para medir en tiempo real el tiempo de permanencia de los consumidores.
 Sistemas de análisis que revisarán millones de comentarios en las redes sociales, para calibrar la reacción emocional del público.
 Los algoritmos de detección de hooks musicales, captan los fragmentos de una canción que son más proclives a viralizarse en Tik Tok.
 Otros algoritmos de clasificación recomendarán qué canciones tienen más opciones de ser un pelotazo y se deberían de publicar primero.
 Al final, son los seguidores de los artistas y los consumidores, en general, los que tienen la última palabra.
 Y los que decidirán o no, darle al play.
 En un mundo, donde los algoritmos aprenden lo que nos gusta y nos ofrece productos similares, antes de que nosotros mismos nos demos cuenta.
 Ya no bailaremos al son de los hits del momento.
 Será la música la que nos elija a nosotros.
 Y se adapte a nuestros pasos.

Ver todos los episodios