Original size 1140x1600

Паттерны поведения в музыкальном стриминге

PROTECT STATUS: not protected

Выбор темы

Музыкальные стриминговые сервисы — часть повседневной жизни: мы пользуемся ими почти автоматически, не задумываясь о том, какие данные остаются за каждым нажатием кнопки Play или Skip. Именно эта невидимая сторона привычного взаимодействия с цифровыми платформами и стала для меня отправной точкой выбора темы.

Мне было интересно посмотреть на музыкальный стриминг не как на интерфейс, а как на систему поведения: как различаются сценарии использования у людей с разными типами подписки, на каких устройствах музыка слушается дольше и активнее, какие паттерны могут быть связаны с потерей интереса к сервису.

Введение

В рамках проекта был проведен анализ пользовательских данных музыкального стримингового сервиса на примере Spotify. Музыкальные платформы ежедневно собирают огромные массивы информации о том, как, когда и в каком контексте люди взаимодействуют с контентом — эти данные становятся основой для продуктовых и бизнес-решений.

Цель исследования — выявить поведенческие паттерны аудитории, проследить различия между типами подписок и используемыми устройствами, а также определить факторы, которые могут быть связаны с оттоком клиентов. Особое внимание уделяется тому, как количественные метрики прослушивания отражают пользовательский опыт и вовлеченность.

Анализ сочетает в себе: • исследовательский подход к данным без заранее заданных гипотез, • объясняющую визуализацию, позволяющую интерпретировать сложные зависимости, • базовые статистические методы, применяемые для описания и сравнения наблюдений.

big
Original size 3640x2048

Данные и источник

Для анализа был использован табличный датасет в формате CSV, размещенный на платформе Kaggle.

Набор данных содержит 8000 наблюдений и описывает поведение пользователей музыкального стримингового сервиса на примере Spotify. Информация является синтетической, но воспроизводит структуру реальных клиентских записей.

В таблицу включены: • демографические характеристики, • сведения о типе подписки, • поведенческие метрики прослушивания (время, частота, пропуски треков), • признаки использования устройств, • бинарный индикатор оттока.

Формат и объем данных делают датасет удобным для исследовательского анализа и визуализации, а также позволяют демонстрировать работу с типичными задачами анализа пользовательского поведения.

Original size 3640x2048

Используемые инструменты

В работе использовались инструменты анализа данных на Python:

• Pandas — загрузка, обработка и агрегирование данных, • Matplotlib — базовая визуализация, • Seaborn — статистические графики и стилизация, • Google Colab — среда выполнения и демонстрации проекта.

Формат работы — Jupyter Notebook.

Original size 3640x2048

Этапы работы с данными

Анализ был выполнен по следующему сценарию:

  1. Загрузка CSV-файла и первичный просмотр данных.
  2. Проверка структуры таблицы и типов признаков.
  3. Описательная статистика числовых переменных.
  4. Исследование распределений.
  5. Сравнение групп по подпискам и устройствам.
  6. Визуализация взаимосвязей между признаками.

Каждый этап сопровождался графическим анализом.

Описательная статистика

Для числовых признаков была рассчитана описательная статистика с помощью метода df.describe ().

Анализ включал: • средние и медианные значения, • стандартное отклонение, • минимумы и максимумы, • квартильные значения.

Это позволило оценить масштаб данных, вариативность и наличие возможных выбросов.

Original size 3640x2048

Распределение возраста пользователей

Первый исследовательский график — гистограмма распределения возраста пользователей с KDE-кривой.

График позволяет: • увидеть основные возрастные группы, • оценить форму распределения, • выявить перекосы или аномалии.

Возраст пользователей распределен относительно равномерно в диапазоне от 16 до 60 лет, без выраженных экстремальных выбросов.

Original size 850x547

Время прослушивания и тип подписки

Для сравнения времени прослушивания между типами подписки был использован boxplot.

Этот тип графика позволяет одновременно анализировать: • медиану, • разброс значений, • квартильный диапазон, • выбросы.

Различия между подписками существуют, однако распределения во многом пересекаются, что указывает на схожие поведенческие паттерны.

Original size 850x547

Песни в день и Skip Rate

Для анализа взаимосвязи между количеством прослушанных песен в день и уровнем пропусков (skip rate) был построен scatter plot с цветовой кодировкой по типу подписки.

График показывает: • отсутствие сильной линейной зависимости, • высокую вариативность поведения, • схожесть паттернов между типами подписок.

Это подчеркивает сложность пользовательского поведения и невозможность его объяснения одним фактором.

Original size 846x547

Устройства

Для сравнения распределений времени прослушивания по типу устройства был использован violin plot.

Этот график сочетает: • плотность распределения (KDE), • квартильную структуру, • визуальную наглядность формы данных.

Распределения для Desktop, Web и Mobile схожи по форме, однако отличаются плотностью и характером использования.

Original size 850x547

Изучающий и объясняющий подход

Визуализации в проекте выполняют двойную функцию: • Изучающую — помогают исследовать данные без заранее заданных гипотез. • Объясняющую — позволяют интерпретировать результаты и доносить выводы.

Каждый график отвечает на конкретный вопрос и сопровождается трактовкой.

Паттерны поведения в музыкальном стриминге
Project created at 14.01.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators