A legtöbb online szolgáltató méri, hogy mikor és mit fogyasztunk. Így van ezzel a Spotify is. Ha pedig lekérjük az adatainkat, akkor elemezni tudjuk az elmúlt 1 évre a saját Spotify hallgatási szokásainkat.

Ebben a cikkben azt mutatom be, hogy milyen lépéseket kell tenni ahhoz, hogy ezt meg tudd tenni.

Elsőként le kell kérnünk az adatokat a Spotify-tól, majd az adatokat elő kell készíteni elemzésre és vizualizálásra. Végül pedig Data Studio segítségével meg is fogjuk ezeket jeleníteni.

Adatok lekérése

Első lépésben be kell jelentkezni a saját Spotify fiókunkba. Majd a Profil (1) és Fiók (2) menüpontot kell kiválasztani.

Ezt követően az Adatvédelmi beállítások részre menj (3).

Görgess le az oldal aljára és kérd az adataid összegyűjtését a Spotifytól (4). Itt az elmúlt 1 évben (365 napban) streamelt adatokat fogják neked elküldeni.

Igazold, hogy nem vagy robot (5) és nyomj rá az OK gombra (6).

Küldenek neked egy emailt (7), amit el kell majd fogadni.

Ha az email nem jön meg, akkor újra tudod küldetni (8).

Utána emailben meg kell erősíteni (9) a kérelmet.

Ha mégse te kérted ezt, akkor pedig kapsz róla egy ilyen üzenetet.

Ezt követően csak várnod kell, hogy megjöjjön az email. Erre elvileg maximum 30 napjuk van, de jellemzően viszonylag gyorsan megérkezik az email. Nekem 4 nap volt (ebből 2 hétvége).

Ha megjön az email az adatokkal (10), akkor le kell azokat tölteni a jelszó megerősítésével (11).

Majd jöhet az adatok előkészítése és a konkrét elemzés.

Adatok előkészítése

Az adatokat tömörítve egy .zip fájlban (12) fogod megkapni (my_spotify_data.zip).

Ezt ki kell csomagolni.

Majd keresd meg a StreamingHistory fájlt (13), mert ezt fogjuk használni Data Studioban később. Egy ilyen fájlba maximum 10.000 számot rak be a Spotify, tehát ha ennél többet hallgattál, akkor több ilyen fájlod is lesz. Ilyenkor mindegyikre szükséged lesz.

A fájlok JSON formátumban vannak, nekünk viszont CSV-re lesz szükségünk. Ezért át kell konvertálni egy JSON to CSV konverterrel.

Erre bármilyen online tool megfelelő lesz, például ez: https://csvjson.com/json2csv

Töltsd fel az StreamingHistory fájlt ide (14), majd konvertáld át (15).

A konvertálás után töltsd le (16) a CSV fájlt.

Ezzel meg is kaptuk a nyers csv fájlunkat.

Itt két opció van:

1. a nyers fájlt egyből bekötöd Data Studioba
2. először egy Google Sheetbe rakod az adatokat, majd ezt a Sheetet kötöd be Data Studioba

Utóbbi előnye, hogy ilyenkor plusz információkkal is ki lehet egészíteni az adatokat. És ha több mint 10 ezer számot hallgattál, akkor könnyen össze is tudod itt fűzni a külön csv fájlokat. Ezért most az utóbbi verziónál maradunk.

A File / Import funkcióval importáld (17) a konvertált csv fájlt Google Sheetbe.

Majd feltöltjük a fájlt és felülírjuk a sheetet vele (18-19).

Majd kész is a Sheet az elmúlt 1 év Spotify adataival.

Nincs más hátra, minthogy bekössük Data Studioba és megcsináljuk a vizualizációt.

Adat vizualizálás

Itt a Data Studioba bekötjük a Google Sheetet. Ehhez először létrehozzuk az adatforrást (Data source) (20).

Majd kiválasztjuk a Google Sheets opciót (21).

Megkeressük a megfelelő sheetet (22).

Majd a Connect gombbal összekötjük a Sheetet a Data Studioval (23).

Majd létrehozzuk az első grafikonunkat / riportunkat a Create Report opcióval (24).

A Spotify alapból ezeket az adatokat adja meg:

• előadó (artistName)
• szám címe (trackName)
• milyen hosszan hallgattad a számot (msPlayed = milliseconds)
• mikor hallgattad (endTime)
• hány számot hallgattál összesen 1 év alatt (Record Count)

Ezekből tudunk gazdálkodni és ezekből lehet egyéb mutatókat is számolni (calculated metrics / fields).

Az alapadatokból első lépésben legyártunk néhány Scorecard-ot:

• hány számot hallgattunk
• hány órányi zenét hallgattunk
• napi hány számot hallgattunk meg
• naponta hány perc zenére jön ez ki

A lejátszott számokat egyszerűen megkapjuk, hisz ez maga a „record count”, azaz hány soros a google sheet dokumentumunk.

A hallgatott órák esetében a calculated filed egy egyszerű osztás, ahol a lejátszott millisecundumot el kell osztani 3.6M-val (mert 1 óra ennyi ms). Így kijön, hogy 1 év alatt 366 órányi Spotifyt hallgattunk.

A napi átlag szám esetében az összes számot kell osztani 365-tel. És kijön, hogy napi 21 számot hallgattunk.

Napi zenehallgatást pedig először át kell váltani percre (/60.000) és azt elosztani 365-tel. Így kijön, hogy napi 60.2 percet hallgattunk Spotifyt az elmúlt 1 évben.

Ezek után pedig ábrázolni lehet azt is, hogy ki legnépszerűbb előadó. Ehhez egy egyszerű bar chartot használunk az artistName és record count alapján.

Itt Avicii toronymagasan nyert, de mögötte közvetlenül ott van a Halott Pénz.

Vagy épp azt is megnézhetjük, hogy melyik számot hallgattuk a legtöbbet (trackName a dimenzió és record count a Metric). Itt azért előjön, hogy már a gyerekek is előszeretettel hallgatják a Spotifyt nálunk, de az ízlésünk még egyelőre elég egysíkú.

Emellett megnézhetjük azt is, hogy hány órát hallgattunk egy-egy előadót. Az artistName a dimenzió (Dimension), a mutató pedig az „hrs played” (Metric), ami a msPlayed/3.600.000 alapján jön ki calculated field segítségével. Itt Avicii, Balázsék és Halott Pénz végzett az első 3. helyen.

És napi statisztikát is tudunk nézni, hogy melyik napok voltak a legerősebbek és melyek a leggyengébbek. Ehhez egy bar chartot használunk az elmúlt 1 évre vonatkozóan. És akár az átlagot is be lehet rajta jelölni.

Data Studio report

Miután kész a reportunk, akkor így fog kinézni:

Itt pedig megtalálható a teljes report élőben is.

https://datastudio.google.com/embed/reporting/1RMI3NfL6AvvJF6Hd-k5z1KM3g8-1C1qW/page/mb4VB

Ha pedig idővel később lekérjük újra az adatokat a Spotifytól, akkor akár lecserélhető a teljes adattábla is Google Sheetben, vagy ki is lehet egészíteni a legutolsó lekéréstől az új adatokkal.

És így akár 1 évnél hosszabb időszakot is meg lehet vizsgálni.