Entwicklung eines Systems zur automatischen Musikempfehlung im Kontext des Audio Brandings release_wl2jlx6jd5hdrixacnbg7wssau

by Jochen Steffens, Steffen Lepa, Hauke Egermann, Andreas Schönrock, Martin Herzog, Technische Universität Berlin, Technische Universität Berlin

Abstract

In den vergangenen Jahren hat der systematische Einsatz von Audio Branding, d.h. Maßnahmen akustischer Markenführung, zunehmend an Bedeutsamkeit gewonnen. Neben Konzeption, Design und Entwicklung von Audio Logos geht es dabei unter anderem auch um Music-Branding-Strategien - die systematische Verwendung von Musikstücken zur Kommunikation einer Markenidentität an die avisierten Zielgruppen, beispielsweise für die akustische Gestaltung des Point-of-Sale. Nachdem bislang zur Musikselektion in diesen Szenarien vor allem auf die praktische Expertise von Audio-Branding-Experten zurückgegriffen wurde, werden inzwischen bereits erste Softwaretools entwickelt, welche Empfehlungsalgorithmen zur Auswahl geeigneter Titel aus vorhandenen digitalen Musikarchiven verwenden. Im Gegensatz zu herkömmlichen digitalen Musikempfehlungsdiensten, wie sie heute in Webradios und Musikstreaming-Diensten eingesetzt werden, zielen solche B2B-Musikempfehlungen jedoch nicht auf eine möglichst hohe Passung mit den Musikpräferenzen der Konsumenten ab, sondern auf die erfolgreiche Kommunikation der Markenidentität mittels musikalischer Hinweisreize wie Genre, Rhythmus oder Harmonik, etc.
In text/plain format

Published by Technische Universität Berlin
Release Date 2017-07-13
Publisher Technische Universität Berlin
Primary Language de (lookup)

Known Files and URLs

application/pdf  250.8 kB
sha1:f6ee3b3910ee537e08ef...
web.archive.org (webarchive)
depositonce.tu-berlin.de (web)
Read Full Text
Type  article-journal
Stage   published
Date   2017-07-13
Work Entity
grouping other versions (eg, pre-print) and variants of this release
Cite This Release
Fatcat Bits

State is "active". Revision:
bfb41770-5772-40d7-82cb-d172ecbcb696
As JSON object via API