Principais Artistas

Como funciona a curadoria de principais artistas nas plataformas de streaming

Quem trabalha com música digital há algum tempo já percebeu que a lista de principais artistas de qualquer plataforma não é uma simples ordenação por streams. Tem uma lógica por trás, e entender essa lógica economiza bastante tempo se o seu objetivo é entender o mercado ou posicionar lançamentos. Eu comecei a mexer com isso de forma séria em 2018, quando minha gravadora independente tentava entender por que certos lançamentos simplesmente não apareciam nas curadorias das grandes playlists. A resposta não era nenhuma fórmula mágica. Era um conjunto de regras opacas que ninguém divulga oficialmente.

O que realmente define um principal artista

As plataformas não usam apenas números brutos de reprodução. Elas cruzam dados de retenção do ouvinte, taxa de salvamento, compartilhamentos, adição a playlists próprias dos usuários, e a velocidade com que um lançamento gera consumo nos primeiros 72 horas. Artistas com engajamento consistente ao longo de meses são priorizados em relação àqueles que tiveram um pico único e desapareceram. Um detalhe que quase ninguém menciona: a plataforma observa também a proporção entre fãs recorrentes e consumidores eventuais. Se 80% das reproduções vêm de pessoas que nunca ouviram nada daquele artista antes, o algoritmo sinaliza isso como conteúdoDiscovery, não como retenção de base. Isso afeta diretamente se o artista aparece como principal ou fica escondido nas recomendações secundárias. Outro ponto contraintuitivo é que artistas emergentes com taxa de salvamento alta podem ultrapassar artistas estabelecidos com volume maior mas retenção baixa em listas de curadoria manual. Os playlists editors humanos ainda existem e têm peso significativo, especialmente nas classificações regionais.

Como acessar e interpretar esses dados na prática

Se você está do lado do artista ou da equipe de marketing, o caminho mais direto é o Spotify for Artists, Apple Music for Artists e o YouTube Music for Artists. Cada um mostra métricas diferentes, e a inconsistência entre eles é intencional — não é defeito. O Spotify prioriza dados de streaming completo, o Apple Music inclui dados de shazams e o YouTube cruza visual plays com áudio. Eu já passei por um problema bem específico: um artista nosso estava aparecendo como principal nas métricas internas do Spotify, mas simplesmente não constava nas playlists editoriais de português. Descobri que o problema era o geo-sourcing do master. A distribuidora tinha registrado o lançamento com código de país da Irlanda porque era o escritório da gravadora, e o algoritmo de curadoria regional ignorava o artista para playlists brasileiras. A solução foi enviar uma solicitação de correção de metadata junto com a distribuidora e, enquanto isso, focar em campanhas de saved rate que geravam sinalização suficiente para o algoritmo de descoberta funcionar independentemente da classificação geográfica inicial. Para quem não tem artista sob gerenciamento e quer apenas explorar, existem ferramentas de terceiros como Chartmetric, Viberate e Soundcharts. Elas agregam dados de múltiplas plataformas e permitem filtrar por gênero, região e período. O Chartmetric, por exemplo, tem um filtro de "Editorial Playlist Reach" que mostra quantas playlists curatoriais cada artista alcança ativamente. Isso é mais útil do que olhar apenas números de seguidores.

Limitações e armadilhas comuns

Nenhuma dessas ferramentas ou dashboards mostra tudo. O Spotify, por exemplo, esconde dados de revenue share e não fornece informação sobre quais playlists editoriais específicas impulsionaram um artista. Você vê o resultado, mas não o caminho completo. O Apple Music é ainda mais restritivo com dados demográficos detalhados para artistas menores. Um erro frequente é confundir viralidade com solidez. Um artista pode aparecer como principal durante duas semanas porque uma track foi usada em milhares de reels ou TikToks, mas a curva de retenção cai drasticamente depois. Isso não significa que o algoritmo esteja errado. Significa que o modelo foi desenhado para priorizar momentum, não longevidade. Se você está avaliando artistas para parcerias ou investimentos, olhe sempre a métrica de monthly recurring listeners, não o pico isolado. Outro ponto: as listas de principais artistas variam enormemente entre regiões. O que é top no Brasil pode não fazer nenhum sentido nos dados da França, e isso acontece porque os pesos das métricas mudam conforme o mercado. Não adianta comparar rankings de países diferentes como se fossem equivalentes.

O que funciona quando você precisa agir rápido

Se o seu objetivo é posicionar um lançamento e garantir visibilidade como artista principal, o caminho mais confiável envolve três passos concretos. Primeiro, garanta que a metadata está 100% correta antes do release — gênero, colaboradores, língua, país de origem. Erros aqui geram errada e o algoritmo perde o artista em busca relevantes. Segundo, construa uma campanha de saved rate nos primeiros cinco dias. Plataformas tratam salvamentos como sinal de qualidade muito mais forte do que reproduções simples. Um artista com 10 mil streams e 800 salvamentos tem mais chance de aparecer em curadoria do que um com 50 mil streams e 200 salvamentos. Terceiro, use playlists User-Generated com estratégia. Ninguém contesta que playlists de fãs têm menos alcance que as editoriais, mas elas geram dados de engajamento autêntico que alimentam o algoritmo de recomendação. Meu artista testou isso e viu o tempo médio de sessão dos ouvintes aumentar de 3 minutos para 11 minutos após ser incluído em playlists curadas por fãs do gênero certo.

Se você prefere uma abordagem mais técnica e tem acesso a API, o Spotify Web API permite extrair dados de audio features e playlist reach com precisão. O problema é que a API não expõe métricas de artistas diretamente, só de playlists. Você precisa fazer uma ponte entre os dois conjuntos de dados, o que leva tempo mas dá um controle que dashboards prontos não oferecem. A realidade é que nenhuma ferramenta ou método garante que um artista vá aparecer como principal. O sistema é desenhado para recompensar consistência, não velocidade. E quem espera resultados em dias geralmente fica frustrado. O que funciona é construir dados consistentes ao longo de meses e entender que as métricas públicas são sempre uma fração do que o algoritmo realmente considera.