Release Date | 2017-07-13 |
Publisher | Technische Universität Berlin |
Primary Language | de
(lookup)
|
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
Known Files and URLs
application/pdf 250.8 kB
sha1:f6ee3b3910ee537e08ef...
|
web.archive.org (webarchive) depositonce.tu-berlin.de (web) |
article-journal
Stage
published
Date 2017-07-13
grouping other versions (eg, pre-print) and variants of this release
Datacite Metadata (via API)
Worldcat
wikidata.org
CORE.ac.uk
Semantic Scholar
Google Scholar
State is "active".
Revision:
bfb41770-5772-40d7-82cb-d172ecbcb696
As JSON object via API