从"慧眼识人"到"数据识人"，传统A&R会消亡吗？

上周，索尼音乐宣布与音乐科技企业家Rob Ronaldson建立合作伙伴关系，旨在运用后者基于大数据的机器学习技术为A&R团队提供更多层次的洞察力，以便寻找培养新的音乐人。

借此合作，Rob Ronaldson与英国索尼音乐娱乐公司共同创建了新唱片公司Robots + Humans，同时还与词曲版权管理公司Sony/ATV建立了创意合作关系。"我从没想过我对数据的热爱可以应用于音乐界寻找新人才的过程，" Ronaldson 说，"希望我们的技术可以帮助Robots + Humans在几年内发展成令人兴奋的、创新的、真正具有竞争力的产品。"

这是索尼音乐继去年收购Rob Ronaldson的初创公司RE Labs之后与其再一次的密切合作，而更值得关注的是，数据技术的大举进入正深刻驱动着传统A&R行业的变革。

音乐巨头与科技新贵的携手

据了解，Robots + Humans成立后，首要任务就是作为歌手、作曲家Powfu位于英国的大本营支持其活动。这位音乐人的热单《Death Bed》（ft. Beabadoobee）发布仅四个月内就收获了超过10亿的全球流媒体播放量。除了Powfu，厂牌也将进一步帮助说唱歌手StaySolidRocky《Party Girl》的制作人Nashi开展更多活动。截至目前，该曲播放量也即将破10亿。

这不是Ronaldson与索尼音乐第一次碰撞出火花。早前，在两位音乐人签署索尼音乐所属美国哥伦比亚唱片公司时，这位科技新贵就帮助过他们拓展美国市场。除此之外，Ronaldson与索尼音乐旗下包括Ministry of Sound、Black Butter、美国广播唱片公司等在内的多家厂牌都有过合作。

自2016年创建RE Labs以来，Ronaldson使用机器学习技术来开发一种算法，通过监测病毒式内容的流行程度及大众反应来帮助唱片公司鉴定、评估新艺人。短短几年内，RE Labs帮助行业发掘了Regard、Young T & Bugsey、Sam Fischer、Koffee等多位艺人。由他们创作出的音乐狂揽全球约70亿流媒体播放量，其中包含六首英国铂金销量单曲，Koffee甚至于今年斩获格莱美最佳雷鬼专辑奖。

索尼音乐娱乐公司全球数字业务和美国销售总裁Dennis Kooker将Ronaldson形容为一位"富有前瞻性的人才挖掘人员"，希望能够通过他所掌握的数据技术来寻找出色的艺术才能。索尼音乐英国和爱尔兰董事长兼首席执行官Jason Iley则表示："发掘（艺人）只是第一步，接下来才是真正与众不同的。"

回顾Ronaldson与索尼音乐的合作经历，他指出Ronaldson在合作初就迅速就建立起一个令人印象深刻的跨流派音乐数据库，"Robots + Humans会为我们提供更多使用尖端技术开发新艺术家的空间，我很期待未来会发生什么。"

从"慧眼识人"到"数据识人"，

A&R全面进入2.0时代

其实，由数据驱动A&R在行业内已经流行了相当一段时间。早前，就有大型唱片公司开始转变思维方式，专注于数据分析的优势。

2014年，华纳音乐集团与Shazam达成合作，试图利用后者所掌握的数据帮助公司鉴别新签约的音乐人，同时协助创建定制化的宣传营销活动。2018年3月，华纳又收购了专门研究算法的A&R创业公司Sodatone。同年，Apple以近亿美元的价格收购初创公司Asaii，致力于为厂牌及经纪人建立音乐分析引擎。事实上，近几年来，数据对A&R的作用日渐受到重视，业内一直在进行着对音乐数据分析技术资源的争夺大战。

A&R最早始于20世纪中叶。随着留声机的迅速商业化，唱片艺术家诞生了，A&R就是为他们打开星路、帮助他们取得成功的幕后推手。最初，A&R的任务是为歌曲或词曲作者匹配合适的歌手，随着60年代至70年代摇滚乐的成熟，A＆R逐渐发展至从挖掘到制作、从创作方向到职业生涯等艺术家发展所涉及到的各个方面。A＆R不仅是星探，他们是艺术家的商业头脑，更是建立在艺术家疯狂的创作冲动与唱片公司严格预算之间的桥梁。

在传统唱片业中，A&R角色的关键词大体可以被归结为"直觉"、"胆量"和"经验"。然而，自互联网问世以来，星探走进伦敦南部的酒吧找到Ed Sheeran的日子已经一去不复返。在大数据时代的背景下，这份工作转为侧重"分析"，要求A&R对音乐市场环境有更为深入的了解。

英国大西洋唱片公司A＆R副总裁Paul Samuels表示，想要研究"酷孩子会听"的作品十分困难，"我与Craig Kallman （大西洋唱片公司首席执行官）会去独立唱片店看人们在听什么。我通常会在周六去伦敦的Rough Trade Records，但现在，绝大多数时候都是白忙活。什么也没有。"

而科技加持下的A&R工作就是让产业逐渐不再需要这个"白忙活"的过程。如今，通过对海量的数据进行分析并建立预测模型，A&R可以提前判断自己对人才的认知是否合理，因此也就不再需要太过"冒险"。

与此同时，主流唱片公司对A&R的需求也开始向技术性方向靠拢，这点从环球音乐唱片旗下Motown厂牌对A&R职位的招聘启事能得到验证：他们希望找到对SQL有所涉猎、懂得Python或R语言的人，最好具备统计学背景以及创建预测模型的能力。值得一提的是，其中没有提及到任何有关于一名出色的A&R原本应当具备的所谓"直觉"，即对艺人才能、品牌价值等方面的评估能力。

从街头的偶遇到坐在办公室里读报表，从"慧眼识人"到"数据识人"，A&R全面进入2.0时代。

数据能够主导A&R的未来吗？

目前看来，数据加持音乐新人及作品的发掘已经成为行业共识。毕竟，数字流媒体时代的爆发早已使音乐创作和发行比以往任何时刻都要更加容易。Spotify表示，每天有约40000首作品被上传至流媒体平台，平均每分钟超过27首。面对如此海量的内容库存，想要从中掘金无异于大海捞针。如果按照过往传统A&R的行事方式，"探星"需要大量时间和人力成本。

根据IFPI 的2019年《全球音乐报告》，唱片公司每年都会将其全球收入的三分之一（约58亿美元）投资于A＆R和营销。面对如此高昂的投入，毫无疑问，能够帮助自己做选择的数据技术成了当仁不让的"救星"。由此，唱片公司可以节省大量在寻找艺人及后期运作宣发等方面的成本，最大程度地降低收入损失，同时也能够使音乐人签约流程及后续一系列合作都变得更加高效。

不仅如此，数据分析还可以帮助唱片公司和流媒体音乐平台对市场模式进行系统化的分析，强化对垂直市场消费者的学习和理解。随着这种理解越来越透彻，音乐行业会变得更加"受众或用户友好"，由此得以改善产业生态。

然而，被数据选中的艺术家就一定高质量吗？其实不然，数据也有可能会"认错人"。从应用数据筛选人才的机制来说，它们青睐的艺术家可能只是占据了播放列表里一个非常幸运的位置，或者是戳中了公众的某个点，从而得以在TikTok等短视频平台上实现病毒式传播。

这种分析很大程度上只取决于受众，除此之外，无法提供任何与艺术性相关的指导意见。因此，数据是有可能导致唱片公司错过真正有天赋的艺术家的——很多人在职业生涯初期并没有受到很多关注，但并不意味着他们没有潜力。他们的创作可能与其他音乐人完全不同，然而历史经验告诉我们，不随波逐流的艺术家极有可能会创造出潮流获得成功。

从另一个角度来说，一首完整的音乐作品包含很多元素，决定其能否成功的变量也有很多。就理论而言，机器学习技术确实拥有评估一首歌曲是否可以成功的能力：Music Xray这类工具可以分析歌曲结构并提供改进建议，Hit Song Deconstructed之类的平台则可以提供有关歌曲创作本身的详细信息等。

然而，计算很难解码歌词及个人表达向的内容，比如创作中所包含的比喻语言，又或者是艺术家的音色、舞台风格、个人魅力等个性化特征。长久来看，对数据分析技术的过度依赖甚至滥用可能会限制音乐创作，建立在数据上的推断也许并不利于拓宽音乐人的创造力和可能性，甚至反而会导致音乐作品的大面积同质化。

数据驱动A&R的另一个难点，在于面对各大平台及厂牌巨头纷纷重金加码该领域的情况，如何确保自己的数据技术仍能真正产生竞争优势。Sodatone联合创始人Jerry Zhang曾表示，主流唱片公司"正在从百万人中寻找十位在不同平台上都表现异常出色的艺术家"。试想一下，当这些音乐人出现在公众视野里，也就意味着所有可以访问其主页的唱片公司和平台都能够观察到相对明确的成功信号。当所有人通过数据都观测到相同的信号，由此展开的演算和预判还如何能抢占到更多先机，同样值得推敲。

也就是说，想要识别冉冉升起的新星，不仅需要对市场受众的监测观察，更需要对音乐艺术的理解、对行业的敏锐思考，而这些恰巧是数据和智能无法复制的技能。Island厂牌A&R副总监Alyssa Castiglia曾对人们认为互联网标志着传统A&R的消亡表达不满："这是一个多层面的角色，我不认为大家对此给予了足够的重视。"

大数据应用重新定义了A&R，但凭借"直觉"和"经验"为行业输送新血液的人才不会消失。尽管数据技术并无法直接指出谁是下一个明日之星，但起码能够帮助决策者们将有限的时间精力集中在最有希望的方向。

先声话题

话题内容：传统A&R如何应对数据技术的冲击？