Entdecke meine Lieblingssongs
Eine Analyse meiner Spotify-Lieblingssongs, laufend aktualisiert.
Eigene Daten verwenden
Lade deine eigene Spotify-Bibliothek als CSV und sieh sie mit denselben Charts. Die Datei bleibt in deinem Browser.
- Öffne exportify.net und melde dich mit deinem Spotify-Konto an. Exportify ist ein freies Open-Source-Tool, das Playlists als Tabelle exportiert.
- Wähle eine Playlist oder „Liked Songs“ und klicke auf Export. Aktiviere die Audio-Features, damit Tanzbarkeit, Energie und Stimmung dabei sind.
- Du bekommst eine
.csv-Datei. Lade sie hier ab:
Ohne ISRC-Spalte bleibt die Weltkarte leer, alles andere funktioniert. Deutsche Exportify-Dateien werden erkannt. Hördaten hat nur meine eigene Sammlung, das Hörchart bleibt bei fremden Daten aus.
Filter
Was willst du hören?
12 Empfehlungen
Wie kommen die Songs zustande?
Die Stimmung kommt aus den Spotify-Klangwerten. Tanzbar heißt hohe Tanzbarkeit bei ordentlich Energie, Sonnig eine helle Stimmung mit Schwung, Ruhig wenig Energie oder viel Akustik, Melancholisch eine gedrückte Stimmung. Ein Song bekommt höchstens ein Etikett; wer in keine Schublade passt, erscheint nur unter „Egal“. Die Herkunft ist das Land aus dem ISRC-Code der Aufnahme, wie auf der Weltkarte; Codes ohne Land zählen nur unter „Egal“.
Empfohlen wird, was ich wirklich höre. Die zwölf sind die Songs der Auswahl, die ich in den letzten sechs Monaten am meisten gehört habe, jeder in einer Fassung; „Neu mischen“ zieht zwölf andere und bevorzugt häufig Gehörtes. Beim Vergleich zählt ein Song als gemeinsam, wenn die Spotify-Kennung oder der ISRC übereinstimmt, ein Künstler bei gleichem Namen. Die Familien-Balken zeigen, welchen Anteil eine Genre-Familie an deiner und an meiner Sammlung hat; die Vorschläge kommen aus deinen drei stärksten Familien.
Tanzbarkeit × Energie
Ähnlichkeitskarte
Wie entsteht die Karte?
Ähnliche Songs liegen nah beieinander. Die helle Fläche ist der Schwerpunkt meiner Sammlung. Ähnlich heißt: zwei Signale je Songpaar. Die Genre-Verwandtschaft zählt, wie viele Genre-Familien und Sub-Genres zwei Songs teilen, damit Boom Bap nahe an Hip-Hop liegt. Dazu kommen fünf Klangwerte aus Spotify: Tanzbarkeit, Energie, Stimmung, Tempo und Akustik, die Stimmung etwas stärker gewichtet. Die Achsen selbst bedeuten nichts, nur die Nähe zählt.
Aus der Ähnlichkeit wird eine Karte. Das Verfahren t-SNE legt die Songs so in die Fläche, dass ähnliche Paare nah beieinander landen. Wo sich viele Punkte ballen, zeichnet eine Kerndichteschätzung die helle Fläche und die Höhenlinien: je weiter innen, desto dichter. Der Startwert ist fest, „Neu berechnen“ liefert also dieselbe Karte.
Land der Registrierung
Alle Länder als Liste
Wie sich mein Musikgeschmack verändert hat
Quelle: stats.fmHörverlaufJede Wiedergabe aus Matteos stats.fm-Historie.Stand unbekannt.
Wie lese ich den Verlauf?
Jedes Band ist eine Genre-Familie. Von links nach rechts laufen die Jahre. Pro Jahr liegen die Bänder nach Rang übereinander, das meistgehörte oben, und die Höhe ist der Anteil an allen Wiedergaben des Jahres. Zu jedem Band nennt ein Hinweis Rang, Anteil und die drei Künstler, die das Jahr für diese Familie geprägt haben.
Gezählt wird, was wirklich lief. Die Wiedergaben kommen aus meiner stats.fm-Historie, nicht aus den gespeicherten Titeln. Jede Wiedergabe zählt zur Familie des Hauptkünstlers, nach seinem ersten Genre-Tag und derselben Familientabelle wie überall auf der Seite. Neun Familien tragen ein eigenes Band, der Rest liegt in „Weitere“.
Künstler und Jahrzehnte
In welchem Jahrzehnt meine Songs erschienen sind
Vergleich deine Spotify-Lieblingssongs mit meinen
Wo treffen sich dein und mein Geschmack?
- Exportieren: auf exportify.net mit Spotify anmelden und „Liked Songs“ als CSV holen.
- Hier laden: die CSV-Datei öffnen.
- Sehen: gemeinsame Songs und Künstler, unsere Genre-Familien nebeneinander, und was dir aus meiner Sammlung noch fehlt.
oberer Balken: du unterer Balken: ich, jeweils der Anteil an der eigenen Sammlung