作者 | Livia 編輯 | 範志輝

上週，索尼音樂宣佈與音樂科技企業家Rob Ronaldson建立合作伙伴關係，旨在運用後者基於大數據的機器學習技術爲A&R團隊提供更多層次的洞察力，以便尋找培養新的音樂人。

藉此合作，Rob Ronaldson與英國索尼音樂娛樂公司共同創建了新唱片公司Robots + Humans，同時還與詞曲版權管理公司Sony/ATV建立了創意合作關係。"我從沒想過我對數據的熱愛可以應用於音樂界尋找新人才的過程，" Ronaldson 說，"希望我們的技術可以幫助Robots + Humans在幾年內發展成令人興奮的、創新的、真正具有競爭力的產品。"

這是索尼音樂繼去年收購Rob Ronaldson的初創公司RE Labs之後與其再一次的密切合作，而更值得關注的是，數據技術的大舉進入正深刻驅動着傳統A&R行業的變革。

音樂巨頭與科技新貴的攜手

據瞭解，Robots + Humans成立後，首要任務就是作爲歌手、作曲家Powfu位於英國的大本營支持其活動。這位音樂人的熱單《Death Bed》（ft. Beabadoobee）發佈僅四個月內就收穫了超過10億的全球流媒體播放量。除了Powfu，廠牌也將進一步幫助說唱歌手StaySolidRocky《Party Girl》的製作人Nashi開展更多活動。截至目前，該曲播放量也即將破10億。

這不是Ronaldson與索尼音樂第一次碰撞出火花。早前，在兩位音樂人簽署索尼音樂所屬美國哥倫比亞唱片公司時，這位科技新貴就幫助過他們拓展美國市場。除此之外，Ronaldson與索尼音樂旗下包括Ministry of Sound、Black Butter、美國廣播唱片公司等在內的多家廠牌都有過合作。

自2016年創建RE Labs以來，Ronaldson使用機器學習技術來開發一種算法，通過監測病毒式內容的流行程度及大衆反應來幫助唱片公司鑑定、評估新藝人。短短几年內，RE Labs幫助行業發掘了Regard、Young T & Bugsey、Sam Fischer、Koffee等多位藝人。由他們創作出的音樂狂攬全球約70億流媒體播放量，其中包含六首英國鉑金銷量單曲，Koffee甚至於今年斬獲格萊美最佳雷鬼專輯獎。

索尼音樂娛樂公司全球數字業務和美國銷售總裁Dennis Kooker將Ronaldson形容爲一位"富有前瞻性的人才挖掘人員"，希望能夠通過他所掌握的數據技術來尋找出色的藝術才能。索尼音樂英國和愛爾蘭董事長兼首席執行官Jason Iley則表示："發掘（藝人）只是第一步，接下來纔是真正與衆不同的。"

回顧Ronaldson與索尼音樂的合作經歷，他指出Ronaldson在合作初就迅速就建立起一個令人印象深刻的跨流派音樂數據庫，"Robots + Humans會爲我們提供更多使用尖端技術開發新藝術家的空間，我很期待未來會發生什麼。"

從"慧眼識人"到"數據識人"，A&R全面進入2.0時代

其實，由數據驅動A&R在行業內已經流行了相當一段時間。早前，就有大型唱片公司開始轉變思維方式，專注於數據分析的優勢。

2014年，華納音樂集團與Shazam達成合作，試圖利用後者所掌握的數據幫助公司鑑別新簽約的音樂人，同時協助創建定製化的宣傳營銷活動。2018年3月，華納又收購了專門研究算法的A&R創業公司Sodatone。同年，Apple以近億美元的價格收購初創公司Asaii，致力於爲廠牌及經紀人建立音樂分析引擎。事實上，近幾年來，數據對A&R的作用日漸受到重視，業內一直在進行着對音樂數據分析技術資源的爭奪大戰。

A&R最早始於20世紀中葉。隨着留聲機的迅速商業化，唱片藝術家誕生了，A&R就是爲他們打開星路、幫助他們取得成功的幕後推手。最初，A&R的任務是爲歌曲或詞曲作者匹配合適的歌手，隨着60年代至70年代搖滾樂的成熟，A＆R逐漸發展至從挖掘到製作、從創作方向到職業生涯等藝術家發展所涉及到的各個方面。A＆R不僅是星探，他們是藝術家的商業頭腦，更是建立在藝術家瘋狂的創作衝動與唱片公司嚴格預算之間的橋樑。

在傳統唱片業中，A&R角色的關鍵詞大體可以被歸結爲"直覺"、"膽量"和"經驗"。然而，自互聯網問世以來，星探走進倫敦南部的酒吧找到Ed Sheeran的日子已經一去不復返。在大數據時代的背景下，這份工作轉爲側重"分析"，要求A&R對音樂市場環境有更爲深入的瞭解。

英國大西洋唱片公司A＆R副總裁Paul Samuels表示，想要研究"酷孩子會聽"的作品十分困難，"我與Craig Kallman （大西洋唱片公司首席執行官）會去獨立唱片店看人們在聽什麼。我通常會在週六去倫敦的Rough Trade Records，但現在，絕大多數時候都是白忙活。什麼也沒有。"

而科技加持下的A&R工作就是讓產業逐漸不再需要這個"白忙活"的過程。如今，通過對海量的數據進行分析並建立預測模型，A&R可以提前判斷自己對人才的認知是否合理，因此也就不再需要太過"冒險"。

與此同時，主流唱片公司對A&R的需求也開始向技術性方向靠攏，這點從環球音樂唱片旗下Motown廠牌對A&R職位的招聘啓事能得到驗證：他們希望找到對SQL有所涉獵、懂得Python或R語言的人，最好具備統計學背景以及創建預測模型的能力。值得一提的是，其中沒有提及到任何有關於一名出色的A&R原本應當具備的所謂"直覺"，即對藝人才能、品牌價值等方面的評估能力。

從街頭的偶遇到坐在辦公室裏讀報表，從"慧眼識人"到"數據識人"，A&R全面進入2.0時代。

數據能夠主導A&R的未來嗎？

目前看來，數據加持音樂新人及作品的發掘已經成爲行業共識。畢竟，數字流媒體時代的爆發早已使音樂創作和發行比以往任何時刻都要更加容易。Spotify表示，每天有約40000首作品被上傳至流媒體平臺，平均每分鐘超過27首。面對如此海量的內容庫存，想要從中掘金無異於大海撈針。如果按照過往傳統A&R的行事方式，"探星"需要大量時間和人力成本。

根據IFPI 的2019年《全球音樂報告》，唱片公司每年都會將其全球收入的三分之一（約58億美元）投資於A＆R和營銷。面對如此高昂的投入，毫無疑問，能夠幫助自己做選擇的數據技術成了當仁不讓的"救星"。由此，唱片公司可以節省大量在尋找藝人及後期運作宣發等方面的成本，最大程度地降低收入損失，同時也能夠使音樂人簽約流程及後續一系列合作都變得更加高效。

不僅如此，數據分析還可以幫助唱片公司和流媒體音樂平臺對市場模式進行系統化的分析，強化對垂直市場消費者的學習和理解。隨着這種理解越來越透徹，音樂行業會變得更加"受衆或用戶友好"，由此得以改善產業生態。

然而，被數據選中的藝術家就一定高質量嗎？其實不然，數據也有可能會"認錯人"。從應用數據篩選人才的機制來說，它們青睞的藝術家可能只是佔據了播放列表裏一個非常幸運的位置，或者是戳中了公衆的某個點，從而得以在TikTok等短視頻平臺上實現病毒式傳播。

這種分析很大程度上只取決於受衆，除此之外，無法提供任何與藝術性相關的指導意見。因此，數據是有可能導致唱片公司錯過真正有天賦的藝術家的——很多人在職業生涯初期並沒有受到很多關注，但並不意味着他們沒有潛力。他們的創作可能與其他音樂人完全不同，然而歷史經驗告訴我們，不隨波逐流的藝術家極有可能會創造出潮流獲得成功。

從另一個角度來說，一首完整的音樂作品包含很多元素，決定其能否成功的變量也有很多。就理論而言，機器學習技術確實擁有評估一首歌曲是否可以成功的能力：Music Xray這類工具可以分析歌曲結構並提供改進建議，Hit Song Deconstructed之類的平臺則可以提供有關歌曲創作本身的詳細信息等。

然而，計算很難解碼歌詞及個人表達向的內容，比如創作中所包含的比喻語言，又或者是藝術家的音色、舞臺風格、個人魅力等個性化特徵。長久來看，對數據分析技術的過度依賴甚至濫用可能會限制音樂創作，建立在數據上的推斷也許並不利於拓寬音樂人的創造力和可能性，甚至反而會導致音樂作品的大面積同質化。

數據驅動A&R的另一個難點，在於面對各大平臺及廠牌巨頭紛紛重金加碼該領域的情況，如何確保自己的數據技術仍能真正產生競爭優勢。Sodatone聯合創始人Jerry Zhang曾表示，主流唱片公司"正在從百萬人中尋找十位在不同平臺上都表現異常出色的藝術家"。試想一下，當這些音樂人出現在公衆視野裏，也就意味着所有可以訪問其主頁的唱片公司和平臺都能夠觀察到相對明確的成功信號。當所有人通過數據都觀測到相同的信號，由此展開的演算和預判還如何能搶佔到更多先機，同樣值得推敲。

也就是說，想要識別冉冉升起的新星，不僅需要對市場受衆的監測觀察，更需要對音樂藝術的理解、對行業的敏銳思考，而這些恰巧是數據和智能無法複製的技能。Island廠牌A&R副總監Alyssa Castiglia曾對人們認爲互聯網標誌着傳統A&R的消亡表達不滿："這是一個多層面的角色，我不認爲大家對此給予了足夠的重視。"

大數據應用重新定義了A&R，但憑藉"直覺"和"經驗"爲行業輸送新血液的人才不會消失。儘管數據技術並無法直接指出誰是下一個明日之星，但起碼能夠幫助決策者們將有限的時間精力集中在最有希望的方向。

先聲話題

話題內容：傳統A&R如何應對數據技術的衝擊？

歡迎在評論區留言，分享你的觀點和看法，我們將會在本週發佈的文章推送內，從所有留言評論中，擇優挑選2位讀者，各送出先聲精選的好物一份。獲獎名單將在每週日的“先聲週報”欄目中公佈，請保持關注。

排版 | 安林

本文爲音樂先聲原創稿件，轉載及商務合作，請聯繫我們。