Representação do Relacionamento de Músicas Pedidas vs Tocadas (Grafo)

Grafo/Python/Metworkx

Motivação

A fim de melhorar a interação e engajamento dos ouvintes de uma rádio e consequentemente tonar as campanhas publicitárias mais eficientes, seria possível através da teoria dos grafos identificar como se dá o relacionamento das músicas tocadas em função das músicas solicitadas de forma a identificar possíveis obras muito solicitadas que foram deixadas ao acaso assim como sugerir proativamente uma programação baseada no histórico de solicitações ?

Abordagem

1. Criar um algoritmo em python para simular uma sequência de programação de músicas aleatórias dentro de uma amostra de 100 músicas a serem tocadas na rádio (Coordenador Musical)

2. Criar um algoritmo em python para simular as solicitações dos ouvintes incrementando o 'peso' para as músicas mais solicitadas em cada sequência da programação

3. Utilizar o pacote Networkx para a estruturação dinâmica do grafo, da seguinte forma:

   • (vértice vermelha) - Representa a escolha do coordenador musical
   • (vértice azul) - Representa as solicitações dos ouvintes
   • Nas arestas está representado o número de solicitações de cada sequência

Solução

Utilização da função DiGraph() do pacote Networkx para modelar um digrafo (grafo direcionado)

Resultado

Nesta representação é fica visível que já na segunda sequência muito embora a maioria dos pedidos estivessem apontando para a música 'Love Bluzz' a rádio reproduziu outra com menor peso e este comportamento foi replicado para várias outras músicas das sequências posteriores, desta forma a programação tende a ficar mais distante do público

Nesta outra representação é possível ver que as músicas 'Heart Of The Sunrinse' e 'America' foram recorrentemente solicitadas, entretanto não foram reproduzidas, se a rádio contasse com uma visitação estruturada baseada em grafos poderia incluir-las em sua programação de forma dimâmica, o que agradaria e muito aos ouvintes

Com base nestes exemplos simples é possível perceber os vários tipos de aplicações, insights e definição de estratégias que a utilização de Grafos pode proporcionar, e se bem utilizado pode trazer um bom engajamento do público alvo e consequentemente campanhas publicitárias mais abrangentes e direcionadas, com base neste entendimento dou como válido a hipótese inicialmente levantada.

Algumas Considerações

• Os dados base para esta publicação são oriundos de algoritmo feito em python de escolha aleatória e utilizado para o estudo inicial da teória dos grafos
• O artigo não esgota o tema ou tem a pretensão em se aprofundar na base teórica dos Grafos
• O artigo apresenta uma solução simples e longe de outras 'features' que poderiam ser utilizadas como centralidade, clusters, etc...