Sí. Usamos un par de cookies, y una ni siquiera es nuestra. Deberá aceptarlas para evitar este mensaje que mostramos por imperativo legal

“Refuerzo del mensaje web con la música apropiada”, noticia en Interdixit

Diseño + Desarrollo. Multimedia. Web. Comunicación. Grafismo. Arte

Noticia: “Refuerzo del mensaje web con la música apropiada” de la sección Tendencias

Refuerzo del mensaje web con la música apropiada

La experiencia del usuario de una página web se acentúa y aumenta su satisfacción cuando se le da la oportunidad de poner un telón sonoro que refuerce los mensajes que recibe. La música aisla el contenido de la página del entorno de consumo e influye de manera determinante en el estado de ánimo del visitante. Pero para ello tiene que haber una consonancia entre el contenido y la música elegida. A la vuelta de la esquina están las aplicaciones que son capaces de leer e interpretar los textos de la página web y elegir la música apropiada.

Empieza a ser frecuente que, en algunos blogs personales, sus autores propongan en un rincón un reproductor de audio con la música que están escuchando en ese momento. O que quisieran escuchar en ese momento, mejor dicho. Los reproductores suponen una evolución de la música fija de reproducción automática que era considerada una agresión por los involuntarios visitantes.

Además de estos reproductores, también hay algunos estudios de diseño que periódicamente cuelgan de sus servidores un podcast con hasta 2 horas de selección musical ininterrumpida destinada a sus clientes. Y blogs de empresa, en los que se ofrece una lista de reproducción de Spotify que recoge los gustos del personal.

El próximo paso es más evolucionado. Los sistemas de reconocimiento y servicio de música en streaming empiezan a analizar automáticamente sus repertorios y las publicaciones escritas sobre los mismos, para generar un corpus correctamente indexado que se podrá utilizar automáticamente cuando el tono de los textos de una página web lo requiera.

Tipos de análisis musical
Los servicios de captación y oferta musical están utilizando distintos métodos para valorar sus propios repertorios.

  • Pandora clasifica sus propuestas musicales mediante encuestas a musicólogos.
  • Songza usa como base de la clasificación las listas de reproducción de sus usuarios.
  • Last.fm emplea datos de escucha reciente, etiquetas de los artistas y de sus canciones y un análisis acústico de cada pieza.
  • All Music Guide se fundamenta en los comentarios de críticos y aficionados.
  • Amazon sólo usa los perfiles personales en el historial de compras de cada tema.
  • iTunes Genius usa los perfiles personales del historial de compras y la cantidad de veces que se ha reproducido el tema.
  • Echo Nest analiza acústicamente el tema y todo el texto de la página en el que ha sido localizado.

Los análisis acústicos de Echo Nest emulan automáticamente el oído humano, modelando una señal sonora desde un archivo digital y obteniendo las frecuencias y la sonoridad. En una segunda fase, se segmenta el tema sonoro en fragmentos de hasta 4 segundos obteniendo el color, volumen, timbre, hasta una docena de instrumentos utilizados, tempo y la estructura del tema (intro, puente, coro, estrofa…). Con estos elementos se clasifica en distintas categorías: bailable, enérgico, rápido, vivaz…

Profundizando en las categorías, es posible obtener las palabras clave correspondientes a los estados de ánimo que se ajustan a cada contenido para plantear al usuario un reproductor con la música más adecuada.

Por ejemplo, un gran pase de fotografías en una página web, que requiere muchos minutos de experiencia de usuario, se complementa con música festiva, si las imágenes están etiquetadas como fiestas; fúnebre, si corresponden a funerales; romántica, para escapadas en pareja; o infantil, si aparecen niños.

El mensaje trasladado cobra más potencia.

Música contextual
A la vuelta de la esquina está también el análisis contextual del momento de consumo que es capaz de captar el reproductor de audio. El pequeño dispositivo puede captar variables que se convierten en factores contextuales, por cruce con otros datos públicos o por inferencia en un entorno de consumo. La combinación de factores posibilitará ofrecer automáticamente la música que se ajuste al mensaje y a otros parámetros.

La aplicación podrá saber en qué momento del día se escucha la música e inferir si se está en casa o trabajando en el despacho. Con qué dispositivo se navega. Con qué frecuencia se usan los reproductores. Cuánto tiempo hace que se consulta la página web. La posición geográfica.

Y con esos datos puede saber si llueve o hace sol. Y decidir si es mejor una música alegre o melancólica para ilustrar el contenido.