Optimizing Spotify’s business through big data analytics

Tämän kirjallisuuskatsauksen tavoitteena oli selvittää, kuinka big data - analytiikkaa voidaan hyödyntää Spotifyn ilmaiskäyttäjien tehokkaampaan muuntamiseen maksaviksi tilaajiksi. Digitaalisten alustojen ja suoratoistopalveluiden myötä musiikkiteollisuus on kokenut merkittävän murroksen. Spotify...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Heikkinen, Sami
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Kandityö
Kieli:eng
Julkaistu: 2024
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/99208
Kuvaus
Yhteenveto:Tämän kirjallisuuskatsauksen tavoitteena oli selvittää, kuinka big data - analytiikkaa voidaan hyödyntää Spotifyn ilmaiskäyttäjien tehokkaampaan muuntamiseen maksaviksi tilaajiksi. Digitaalisten alustojen ja suoratoistopalveluiden myötä musiikkiteollisuus on kokenut merkittävän murroksen. Spotify on vakiinnuttanut asemansa johtavana toimijana freemiumliiketoimintamallinsa ansiosta, joka yhdistää maksuttoman, mainosrahoitteisen palvelun ja maksullisen premium-tilauksen. Mallin haasteena ovat kuitenkin taloudelliset paineet, jotka korostavat maksavien asiakkaiden merkitystä. Big data -analytiikka tarjoaa tehokkaita työkaluja liiketoiminnan kehittämiseen, sillä sen avulla voidaan kerätä, analysoida ja hyödyntää suuria tietomääriä käyttäjäkokemuksen optimointiin ja asiakassuhteiden vahvistamiseen. Tutkimuksessa sovellettiin big data -analytiikan viitekehystä, joka jakaa analytiikan prosessin kolmeen vaiheeseen: datan keräämiseen, analysointiin ja hyödyntämiseen. Tulokset osoittivat, että big data analytiikka voi paljastaa käyttäjien tarpeita ja käyttäytymismalleja, joiden avulla markkinointitoimia ja muita liiketoimintastrategioita voidaan kohdentaa tarkemmin. Lisäksi big data analytiikan havaittiin parantavan sekä käyttäjähankintaa että asiakaspysyvyyttä hyödyntämällä personoituja suosituksia, kohdennettuja kampanjoita ja strategioita, kuten premium-kokeilujaksoja uusille asiakkaille ja räätälöityjen premium-tasojen kehittämistä asiakaspoistuman vähentämiseksi. Tutkimus nosti esiin tietosuojaan ja eettisiin kysymyksiin liittyviä haasteita, jotka edellyttävät huolellista hallintaa erityisesti käyttäjätietojen turvallisen käsittelyn ja datan eettisen käytön osalta. Jatkotutkimuksia suositellaan big data analytiikkatyökalujen tehokkuuden arvioimiseksi, suoratoistopalveluiden liiketoimintamallien vertailuun ja levy-yhtiöiden kanssa tehtävän yhteistyön kehittämiseksi. The objective of this literature review was to investigate how big data analytics can be leveraged to enhance the conversion of Spotify’s free users into paying subscribers. The emergence of digital platforms and streaming services has significantly transformed the music industry. Spotify has established itself as a market leader through its freemium business model, which combines a free, adsupported service with a paid premium subscription. However, this model faces financial challenges, highlighting the critical role of paying customers in sustaining profitability. Big data analytics provides robust tools for business development by facilitating the collection, analysis, and utilization of large datasets to optimize user experiences and strengthen customer relationships. This study applied a big data analytics framework that divides the process into three stages: data collection, analysis, and utilization. The findings suggest that big data analytics can uncover user needs and behavioral patterns, enabling more precise targeting of marketing efforts and business strategies. Moreover, big data analytics was found to enhance both user acquisition and retention through the implementation of personalized recommendations, targeted campaigns, and strategies such as premium trial periods for new users and the development of customized premium tiers to reduce churn. The study also identified challenges related to data privacy and ethical considerations, emphasizing the need for rigorous data management practices and ethical application of analytics. Further research is recommended to evaluate the effectiveness of big data analytics tools, compare business models across streaming platforms, and develop sustainable collaboration frameworks with record labels.