A era digital redefiniu como as pessoas descobrem música. Se antes a escolha passava pelos filtros das rádios e gravadoras, hoje ela é mediada por algoritmos e playlists editoriais, que filtram e sugerem conteúdos com base em dados comportamentais dos usuários das plataformas.
Os pormenores de como a curadoria algorítmica trabalha em cada plataforma de streaming não são revelados, mas, de forma geral, especialistas apontam para a recomendação de músicas familiares, sem grandes surpresas para cada ouvinte.
É por isso que o ex-designer de algoritmo do Spotify, o engenheiro de software Glenn McDonald afirma que você ainda não ouviu sua canção favorita, em livro publicado em 2024. Ainda sem tradução para o português, a publicação “You Have Not Yet Heard Your Favourite Song” (editora Canbury) reflete sobre as mudanças provocadas pelos streamings e exemplifica os algoritmos sem revelar os segredos do Spotify.
O autor, que trabalhou na empresa sueca entre 2014 e 2024, afirma que a plataforma não sabe nada do usuário além das informações fornecidas durante a inscrição (nome, email, data de nascimento e gênero). Política, profissão, comportamento em outras redes. Nada. A plataforma não consegue saber de suas preferências antes do primeiro play: “ele [Spotify] apenas assume que você é igual as pessoas que viu antes”, escreve McDonald.
“Algoritmos podem ficar ainda mais complicados que isso, mas eles nunca ficarão mais espertos. Eles não procuram desafios, eles não pensam de forma flexível, eles não tentam entender e eles não constroem ou criticam argumentos.” Glenn McDonald em You Have Not Yet Heard Your Favourite Song, página 39.
Ao usar a plataforma, mais dados sobre as preferências dos usuários são coletadas, e, mesmo assim, o algoritmo não sabe a razão de alguém gostar de determinadas músicas. Pode ser o som da voz do intérprete, a linha de baixo bem delineada, a bateria, o refrão chiclete, mas os zeros e uns dos softwares não conseguem fazer essa distinção, criando recomendações parecidas para diferentes usuários.
Dentro da bolha
Só no Spotify, por exemplo, existem mais de 100 milhões de faixas disponíveis. Não é possível ouvir todas essas músicas, mas é possível explorá-las dentro do catálogo. No entanto, Dani Gurgel, cantora e doutora em ciências da comunicação pela Universidade de São Paulo (USP), explica que a “descoberta” de uma nova música pode ser controlada por um gatekeeper.
A teoria dos gatekeepers surgiu na década de 1940, criada pelo psicólogo alemão Kurt Lewin e adaptada para o campo da comunicação, os gatekeepers (guardiões ou porteiros, em português) são agentes que filtram e selecionam informações e mídias para serem consumidas pela audiência, que, por sua vez, tem a ilusão de escolha.
Em sua tese de doutorado, Dani Gurgel aplicou essa teoria no contexto da música brasileira e observou o comportamento e desempenho de faixas de diferentes gêneros (sertanejo, forró, funk e MPB). Assim, conseguiu apontar alguns dos guardiões na indústria da música: rádios, plataformas digitais, gravadoras, curadorias especializadas, playlists, etc., que variam entre os gêneros.
Nesse modelo, existem guardiões mais centralizados, que atingem o público diretamente (rádio, playlists, grandes canais no YouTube), e descentralizados, que dependem do público, do boca a boca, para chegar a mais pessoas.
Ela explica que os algoritmos dos streamings se encaixam no modelo centralizado: “Quando você faz uma conta em qualquer serviço de streaming, a primeira coisa que ele faz é te perguntar que tipo de música você gosta. Você seleciona artistas e a partir deles, o algoritmo toma decisões com base no funcionamento da plataforma”, diz.
Por exemplo, se uma pessoa gosta de Michael Jackson, o algoritmo pode indicar músicas de outro ícone do pop norte-americano, como Madonna; se curte a Glória Groove, talvez possa curtir Pabllo Vittar. São associações apoiadas na base de dados desses streamings, que entendem que a maioria das pessoas que ouve determinado artista gosta de outro parecido.
“Isso acaba gerando um ciclo vicioso, dizendo que a maioria das pessoas que faz isso também faz aquilo. O sistema é retroalimentado: se toda vez que uma pessoa ouve Glória Groove, a plataforma entrega a Pabllo, ela entende que todo mundo que escuta uma também escuta a outra. Só que, às vezes, todo mundo ouve a Pabllo porque a plataforma entrega um combo.”
Como o funcionamento dos algoritmos das plataformas não são códigos abertos, é difícil apontar especificamente as associações feitas pelos programas. Gênero musical, instrumentos e temática, por exemplo, podem estar em jogo dentro dos parâmetros de recomendação, mas ainda dentro da lógica do “quem ouviu essa música também gostou desta outra”.
Esse sistema retroalimentado fecha os ouvintes em bolhas. Os mesmos tipos de música sendo recomendadas, dos mesmos artistas, dos mesmos compositores, da mesma sonoridade. Sair dessas bolhas, caso as recomendações do algoritmo não agradem, depende da pesquisa ativa do ouvinte dentro do catálogo disponível.
“Comecei o meu doutorado exatamente com a proposta de entender onde estão essas bolhas e como é que podemos recomendar música para fora delas. Como que um artista chega lá?”, provoca a pesquisadora.
Editoriais
Além da recomendação algorítmica, a curadoria humana também desempenha um papel importante dentro dos streamings, através das playlists editoriais, listas de reprodução temáticas feitas especificamente para a plataforma, atualizadas constantemente e com grande alcance de usuários.
Porém, até essa curadoria passa pela lógica dos dados: se as escolhas das músicas na primeira semana de uma playlist são editoriais, na segunda as escolhas já são algorítmicas, segundo Gurgel. Por exemplo, os curadores escolhem as faixas para compor a playlist a partir de análises técnicas – quais músicas estão em alta, se a playlist deve ser mais “dançável” ou mais devagar, temáticas procuradas pelos usuários – e acompanham a evolução da música conforme o tempo.
“Depois de uma semana, aquela música já cresceu muito ou ficou estagnada nos plays. Se foi o segundo caso, por causa desses dados ela vai estagnar mais ainda, porque os curadores vão ter a responsabilidade de não manter aquela música na playlist”, explica Gurgel.
Assim, todo o sistema de recomendação de música depende da semana de lançamento na playlist. Se, depois de uma semana, a faixa está indo bem dentro dos parâmetros das outras faixas da lista, ela continua ali até que uma nova decisão editorial seja tomada ou aconteça alguma queda nas reproduções.
O que faz uma playlist ser boa
A automatização das recomendações não eliminou o papel humano na escuta. Fora das escolhas determinadas pelos algoritmos, as playlists seguem atuando como canais de comunicação e identidade dos ouvintes, mesmo que descobrir músicas novas e diferentes seja trabalhoso – como sempre foi devido aos gatekeepers.
As seleções personalizadas começaram desde quando a música se tornou digital – pen drives, CDs caseiros, listas dentro de um iPod –, mas as plataformas tornaram o processo de filtragem e edição mais fácil para os ouvintes.
Emely Jensen, head de curadoria e sócia da Bananas Music – agência de music branding e curadoria musical para marcas –, observa que a forma de escutar música mudou: “Hoje em dia, temos um uso muito utilitário de playlists, eu diria, que é para acompanhar atividades e para mudança de humor. Isso pode acontecer nas três fontes de curadoria: o algoritmo fazer para mim, eu criar ou pegar de algum lugar”, diz a curadora.
Segundo a Federação Internacional da Indústria Fonográfica (IFPI), as pessoas fazem, em média, de 8 a 12 tipos de atividades diferentes enquanto ouvem música. Entre as principais estão: arrumar a casa, dirigir, relaxar, ir para o trabalho, navegar pela internet, entre outros.
No modelo dos streamings, no entanto, os próprios usuários podem ganhar poder na construção das playlists, caminhando um pouco para fora da influência do algoritmo. Compartilhar músicas entre amigos, definir os próprios parâmetros para as listas, criar histórias e relacionar as músicas de uma forma personalizada e única. Essa, inclusive, é uma das principais razões dos ouvintes brasileiros para assinar serviços de streaming, segundo o relatório Engaging With Music Brasil, de 2023, em que 65% dos entrevistados que pagam alguma plataforma apontaram as playlists autorais como motivo para assinar um plano.
“Estamos órfãos de curadores há um bom tempo. Antigamente quem dava curadoria musical era a MTV, revistas especializadas, televisão, rádio, esses eram os nossos curadores. Não significa que não temos mais, mas eles são bem menos centralizados. Hoje em dia, o maior curador é o algoritmo”, aponta Emely.
Uma playlist personalizada pelo algoritmo para o usuário traz músicas que ele já conhece, em uma mistura entre faixas que o ouvinte já escutou alguma vez e faixas que está ouvindo bastante no momento, junto com novas recomendações pontuais. Para Emely, esse é o segredo: “Não importa se é algoritmo, se é curadoria humana, esses elementos, no geral, formam uma boa playlist – exceto, se a pessoa realmente quiser ouvir uma playlist de novidades”.
Esse segredo se relaciona com o próprio comportamento humano: as pessoas se sentem desconfortáveis ao ouvir uma lista inteira de músicas com as quais não estão familiarizadas. Segundo uma pesquisa realizada pela Deezer com 5 mil participantes em diferentes países, 65% declararam que só ouvem músicas que já conhecem. A plataforma chamou esse comportamento de “paralisia musical”, termo que faz referência a pessoas que apenas ouvem músicas que já conhecem e estão muito ocupadas ou sufocadas com a quantidade de escolhas disponíveis.
Por querer que o ouvinte fique mais tempo na plataforma, o algoritmo não irá colocar sugestões ousadas. Quem faz isso é a curadoria humana, que consegue observar semelhanças que o computador talvez não observe e surpresas que o algoritmo, talvez, queira evitar.
Ela explica que o trabalho da curadoria especializada vai além de ouvir muitas músicas, também envolve o desenvolvimento de um conceito, ambientação, vibes, instrumentos, etc. “Estudamos os atributos que queremos passar com a playlist. Por exemplo, a sofisticação, geralmente, tem batidas mais lentas e marcadas, não tão estridentes e tem uma dançabilidade maior do que outras músicas.”
alta fidelidade 