Le concours Eurovision de la chanson est une célébration annuelle de la musique, des talents et de la diversité culturelle, captivant des millions de téléspectateurs dans le monde entier. En tant que fervents fans de l'Eurovision et de la puissance de l'analyse des données, nous, chez Exolyt, nous sommes lancés dans un voyage passionnant pour découvrir le potentiel des données TikTok dans la prédiction du gagnant du Concours Eurovision de la chanson 2023.

Alors que le résultat final du Concours Eurovision de la chanson 2023 est resté incertain jusqu'à la finale décisive, le voyage dans lequel nous nous sommes lancés était un mélange captivant de découvertes basées sur les données et de l'excitation pure que l'Eurovision apporte aux fans du monde entier.

Dans ce blog, nous partagerons notre expérience, notre méthodologie et les idées que nous avons découvertes en cours de route.

Pour nous lancer dans cette aventure axée sur les données, nous nous sommes plongés dans le vaste monde de l'analyse TikTok. TikTok, avec sa base d'utilisateurs massive et sa portée mondiale, offre une multitude d'informations sur les tendances musicales, l'engagement des fans et les sensations virales.

En tirant parti de ces données, nous avons cherché à découvrir des modèles qui pourraient faire la lumière sur le gagnant potentiel du concours Eurovision de la chanson 2023.

Aux fins de cette analyse :

Nous avons commencé par analyser nos nombreuses données sur les niveaux d'engagement des utilisateurs associés à chaque artiste participant dans tous les pays. Ces données ont fourni des indices précieux sur le niveau d'excitation entourant chaque concurrent, ce qui nous a aidés à filtrer les dix premiers qui semblaient les plus prometteurs.

Pour ces dix meilleurs concurrents, nous avons plongé plus profondément pour déterminer qui pourrait être le prochain gagnant potentiel. Étant donné que le vote public contribue grandement aux chances de gagner des candidats, nous devons déterminer la taille de la base de fans potentielle qui peut voter pour chaque candidat.

Le graphique ci-dessous montre les abonnés TikTok des artistes avant de se qualifier pour l'Eurovision 2023.

Nous pouvons voir que la plupart des artistes ont déjà des followers qui sont probablement leurs fans nationaux. Cependant, étant donné que les pays ne peuvent pas voter pour leurs propres candidats, ces chiffres seuls ne permettent probablement pas de prédire le vainqueur potentiel.

Par conséquent, nous devons comprendre à quel point le suivi de chaque artiste a augmenté après sa qualification pour l'Eurovision. La croissance du nombre d'abonnés après les qualifications pour l'Eurovision peut indiquer un afflux d'abonnés internationaux qui peut avoir un impact sur le vote final.

De plus, nous avons considéré l'accueil général et le soutien de chaque artiste participant par le nombre de croissance de ses abonnés depuis le début de cette année.

Le graphique ci-dessus illustre l'évolution de l'audience de chaque artiste jusqu'en 2023.

Si on y regarde de plus près, on constate que certains concurrents voient une forte augmentation du nombre de followers tandis que d'autres n'augmentent leur audience que de manière marginale. La Finlande, la Suède, la Norvège et Israël mènent de manière décisive les graphiques de croissance de l'audience, tandis que l'Espagne, l'Ukraine et la France sont à la traîne.

De plus, nous pouvons observer différents modèles de croissance pour différents candidats. Certains n'ont cessé d'augmenter leur audience, tandis que d'autres voient une croissance quasi exponentielle à l'approche de la finale de l'Eurovision. Ceux qui augmentent rapidement sont probablement des candidats pour obtenir les premières places, car ce type de croissance exponentielle suggère la viralité.

Naturellement, la seule croissance de l'audience serait insuffisante pour une sélection précise des gagnants. Afin de traduire la croissance de l'audience en pouvoir de vote, l'audience doit être très engagée.

Par conséquent, nous examinons ensuite les taux d'engagement de chaque artiste et essayons d'estimer le degré d'activité de son public.

Le tableau ci-dessous illustre le ratio like-to-follower de chaque artiste.

Comme nous pouvons le voir, malgré la plus grande audience, les taux d'engagement pour Israël sont parmi les plus bas tandis que la Belgique et l'Ukraine, malgré des audiences plus petites, ont les taux d'engagement les plus élevés.

Nous pouvons effectuer une analyse similaire pour les commentaires et les partages que chaque artiste a reçus et combiner toutes nos conclusions dans un modèle unique qui relie la croissance de l'audience aux taux d'engagement globaux. Le résultat serait la formule magique Exolyt pour prédire les résultats de l'Eurovision 2023.

Armés des données TikTok et d'une analyse complète, nous sommes enfin arrivés à notre prédiction pour le gagnant du Concours Eurovision de la Chanson 2023.

Bien que le résultat final ne soit plus un mystère, les informations dérivées des données TikTok ont en effet fourni des indicateurs intrigants pour nous aider à prédire les résultats finaux. Ce que nous pouvons humblement ajouter était proche de la perfection.

Découvrez notre dernière vidéo Trending Tuesday sur ce sujet pour en savoir plus sur la traction que le contenu de la chanson Eurovision 2023 a reçue et comment Exolyt a prédit les gagnants sur la base des informations de TikTok.

La fusion de l'analyse de données et du concours Eurovision de la chanson a apporté une nouvelle dimension à l'excitation entourant cet événement emblématique, le rendant encore plus passionnant et imprévisible.

En exploitant la puissance des données TikTok, nous avons adopté la fusion de la technologie et de la créativité en explorant les corrélations potentielles entre le buzz en ligne, l'engagement et le suivi des fans, et le gagnant de l'Eurovision.

Bien que vous puissiez prendre cette prédiction avec un grain de sel, ce voyage fascinant présente le rôle évolutif de l'analyse de données dans la prédiction de l'avenir de la musique et du divertissement.

Alors, êtes-vous impatient d'explorer ces tendances et modèles cachés alimentés par les données et les informations de TikTok ?

Analyse des données et méthodologie documentées par Tigran Khatchatryan, Data Scientist @Exolyt