Het Spotify-effect

Leestijd +- 4 minuten

Hoe meet je het effect van communicatie? Als ik studenten daarover college geef, kom ik vaak met hetzelfde voorbeeld. Stel dat de H&M in maart billboards plaatst met een advertentie voor bikini’s, en we meten in april een verhoogde verkoop. Kunnen we er dan vanuit gaan dat dit door de advertentie komt? De meeste studenten beseffen al snel dat de naderende zomer roet in het eten gooit. Misschien zouden die bikini’s sowieso wel gekocht zijn. Er is sprake van samenhang (billboards en verhoogde verkoop), maar we kunnen niets zeggen over oorzaak en gevolg (de verhoogde verkoop komt door de billboards).

Binnen de wetenschap geldt het experiment daarom als de gouden standaard. Je deelt je groep proefpersonen willekeurig in tweeën. Dan laat je de helft een bepaalde interventie ondergaan, en plaats je de andere helft in een controlegroep. Maar hoe doe je dat met een billboard of tv-reclame? Niet. We kunnen dus vaak maar weinig zeggen over het effect van communicatie in de dagelijkse praktijk.

Een alternatief


Figuur overgenomen van Aguiar en Waldfogel, 2019

Toch is de situatie niet helemaal hopeloos. Soms is het wel mogelijk om iets te zeggen over het effect van interventies, zonder experiment. Onlangs kwam ik een aardig voorbeeld tegen: het effect van het plaatsen van een nummer in een officiële Spotify-playlist (Aguiar en Waldfogel, 2019). De muziekdienst Spotify plaatst zo nu en dan nieuwe nummers op de populaire Today’s Top Hits playlist. Het effect hiervan is duidelijk te zien in de figuur hieronder. Op de verticale as het aantal streams, en op de horizontale as de dagen rond het toevoegen in (of verwijderen uit) de playlist.

Wat is het verschil tussen het Spotify-voorbeeld en het (fictieve) H&M-voorbeeld? Waarom kunnen we in het ene geval naar mijn mening wel redelijk zeker zijn van het effect, en in het andere niet? Er zijn twee belangrijke verschillen:

  • Het belangrijkste verschil is dat het H&M-effect globaal gemeten wordt, op populatieniveau (voor iedereen tegelijk). Het Spotify-effect wordt gemeten per onderzoekseenheid: we weten per nummer precies of het in de playlist is geplaatst, en of er een stijging is na plaatsing in de playlist.
  • Naast het verschil in ‘plaats’ is het Spotify-effect ook meer gelokaliseerd in tijd. We kunnen het effect tot op de dag nauwkeurig zien.

Wel zou het Spotify-effect een selectie-effect kunnen zijn: de interventie wordt toegepast op nummers die toch al populair aan het worden zijn. In de figuur is echter goed te zien dat dit gevaar geminimaliseerd wordt door het meten per dag. We zien een duidelijke sprong die niet te verklaren valt uit spontane groei.

Natuurlijk experiment
Zowel het H&M-effect als het Spotify-effect zijn voorbeelden van een ‘natuurlijk experiment’: een situatie waarin een abrupte, ‘natuurlijke’ factor (niet onder controle van de onderzoeker) invloed uitoefent op de situatie. Dit principe wordt ook toegepast in de communicatiewetenschap. Een voorbeeld in de gezondheidscommunicatie is bijvoorbeeld het plotseling eindigen van een massamediale antirookcampagne in het Verenigd Koninkrijk, als gevolg van het stopzetten van subsidies (Langley et al., 2013). Het aantal rokers dat hulp zocht via telefonische hulplijnen of de officiële website bleek sterk af te nemen. Hoewel het effect duidelijk gelokaliseerd kon worden in de tijd, ging het net als bij de H&M-casus wel om cijfers op populatieniveau (dus niet per roker). Een alternatieve verklaring voor het effect leek echter niet voor de hand te liggen, omdat er geen andere plotselinge factoren aanwezig waren.

Conclusie
Of een natuurlijk experiment bewijs biedt voor een oorzakelijk effect, verschilt per situatie. Het Spotify-effect biedt een mooi voorbeeld van een overtuigend effect door het meten per liedje, de lokalisatie in de tijd en de afwezigheid van een alternatieve verklaring.

 Deze blog is geschreven door Jonas Moons, docent bij de opleiding Communicatie en bij PubLab betrokken als methodoloog.

Meer lezen van Jonas?