Steg 1: definiera placeringens verkliga mål
Spellistpitching kan stödja flera mål, men inte alla är realistiska från en enda placering.
| Mål | Vad "framgång" ser ut som i förstapartsmått |
|---|---|
| Leverans | Tydligt lyft i spellistattribuerade streams/lyssnare (inte ditt enda mål) |
| Avsikt | Lyft i saves och spellisttillägg i förhållande till spårets egen baslinje |
| Varaktig efterfrågan | Följartillväxt och mer lyssnande från aktiva källor över tid |
| Publikrörelse | Nya aktiva och återaktiverade lyssnare ökar, inte bara passiva spelningar |
Om ditt enda mål är "fler streams" kommer du att övertillskriva lågkvalitativa placeringar.
Steg 2: mät rätt Spotify for Artists-mått
Spotify exponerar tillräckligt med förstapartssignaler för att bygga ett praktiskt poängkort.
Leverans: var streams kom ifrån
Använd Source of streams för att separera redaktionella, algoritmiska, lyssnarspellistor och aktiva källor (se Source of streams).
Nyckeltolkning:
- En placering kan leverera streams utan att skapa varaktig efterfrågan.
- Varaktig efterfrågan dyker upp som ökat lyssnande från aktiva källor (profil, bibliotek, lyssnares spellistor), inte bara programmerade kontexter.
Avsikt: saves och spellisttillägg
Spotify dokumenterar hur det räknar saves, och saves är en av de renaste "avsikts"-handlingarna du kan spåra inuti Spotify for Artists.
Spåra förändringar i:
- Saves (och härledd save-nivå om du beräknar den internt)
- Spellisttillägg
- Eventuellt lyft i spårengagemang under placeringsfönstret
Efterfrågan: följare och proxies för återkommande lyssnande
Spotify dokumenterar lyssnar- och följarstatistik och hur följarbeteende relaterar till framtida lyssnande.
Spåra:
- Nettoföljartillväxt under och efter placeringen
- Om lyssnare återvänder genom aktiva källor efter att placeringen tar slut
Publikrörelse: segment och recency
Spotify dokumenterar publiksegment (till exempel nya aktiva, tidigare aktiva och återaktiverade) och hur dessa fönster fungerar.
Använd segment för att svara: attraherade denna placering människor som kommer vara i publiken igen nästa månad?
Steg 3: bygg ett rent mätfönster (före, under, efter)
Det enklaste repeterbara arbetsflödet är en trefönsteranalys.
1) Förfönster: etablera en baslinje Välj ett baslinjefönster (vanligtvis 28 dagar) och fånga dagliga streams/lyssnare, saves-beteende och källmix. Anteckna annan marknadsföring som körs (annonser, PR, skaparinlägg) så att du inte felattribuerar lyft.
2) Underfönster: logga placeringen och bevaka konvertering Logga datumet för tillägg, spellisttyp och marknaderna du tror spellistan når. Övervaka dagligt lyft, kontrollera sedan om saves, spellisttillägg och följartillväxt rör sig i samma riktning.
3) Efterfönster: testa persistens Fortsätt mäta efter att placeringen tar slut. Nyckelfrågan är om lyssnandet kvarstår genom aktiva källor och om publiksegment växer, inte om spiken såg imponerande ut på ett diagram (se Source of streams och publiksegment).
Steg 4: uppskatta inkrementalitet (vad du kan och inte kan påstå)
Du kan inte bevisa kausalitet från spellistdata enbart. Du kan fortfarande fatta bättre beslut genom att använda proxymetoder:
- Trendbrott: Ändrades spårets trajektoria meningsfullt vid tidpunkten för placeringen?
- Geosplit: Om spellistan är marknadssned, ser du lyft i den marknaden mer än annorstädes?
- Spårkontroll: Jämför beteende mot ett annat spår som inte fick placering under samma period.
Warning Attribuera inte all tillväxt till spellistor när annan marknadsföring körs. Behandla spellistor som en variabel i ett flerkanalsreleasesystem.
Steg 5: flagga "tomma streams" och bedrägeririsk tidigt
Vanliga mönster som signalerar låg kvalitet:
- Streams spikar från programmerade kontexter, men saves och spellisttillägg rör sig inte.
- Geografi ser osannolik ut för spellistans publik.
- Lyftet kollapsar omedelbart efter borttagning utan ihållande aktiv-källa-lyssnande.
Om du använde en tredjepartstjänst som lovade resultat, behandla datan som misstänkt och prioritera katalogsäkerhet (se Spotifys vägledning om tredjepartstjänster som garanterar streams och artificiell streaming).
Intäktsriktvärden: Vad 1 000 streams faktiskt betalar
Vid ROI-beräkning behöver du konkreta intäkt-per-stream-siffror. Spellistpitching genererar streams över flera ytor, och varje betalar olika.
Per-plattformsintäktsindata
Använd den aktuella royaltyinstrumentpanelen istället för en fryst tabell. De mest användbara sidorna för spellist-ROI är Spotify, Apple Music, Amazon Music och YouTube Music och Art Tracks.
Individuella utbetalningar varierar efter lyssnargeografi, prenumerationstyp och plattformsspecifika poolberäkningar.
Tillämpa intäktsdata på ditt poängkort
När du fyller i placeringspoängkortet nedan, multiplicera din observerade leverans (streamlyft) med relevant plattformsnivå för att konvertera streams till uppskattad intäkt. En placering som genererar 25 000 inkrementella Spotify-streams och 3 000 tvärplattforms-Apple Music-streams producerar:
- Spotify: 25 000 x $3,02/1K = $75,50
- Apple Music: 3 000 x $5,43/1K = $16,29
- Kombinerat: $91,79 från en enda placeringshändelse
Jämför detta mot dina pitchingkostnader (tid, tjänsteavgifter, annonsspend under det redaktionella fönstret) för att beräkna sann placerings-ROI. Räkna in den save-drivna långsvansen: streams från sparade spår fortsätter generera intäkter till dessa samma nivåer i månader efter att placeringen tar slut.
Ensidigt placeringspoängkort (mall)
Använd en rad per placeringshändelse. Lägg till en andra rad för "efterfönster"-anteckningar efter att placeringen tar slut.
| Fält | Vad du ska skriva |
|---|---|
| Spår | Titel + ISRC (intern) |
| Spellista | Namn + URL |
| Placeringstyp | Redaktionell, algoritmisk, lyssnarspellista, okänd |
| Datum tillagd / borttagen (UTC) | ÅÅÅÅ-MM-DD / ÅÅÅÅ-MM-DD |
| Observerad leverans | Lyft i spellistattribuerade streams/lyssnare (riktad) |
| Konverteringskvalitet | Saves-beteende, spellisttillägg, följardelta (riktad) |
| Persistens | Lyfte aktiva källor efter placering? |
| Publikrörelse | Ny aktiv / återaktiverad rörelse (riktad) |
| Riskflaggor | Eventuella falsk-engagemangssignaler eller policyproblem |
| Beslut | Fortsätt pitcha, justera målinriktning eller stoppa |
Arbetat exempel (endast exempel, fiktiva siffror)
Detta är endast ett strukturellt exempel, inte ett riktvärde.
| Fält | Exempel |
|---|---|
| Spår | "Exempelspår" (ISRC: intern) |
| Spellista | "Indie Chill Finds" |
| Datum tillagd / borttagen | 2026-03-01 till 2026-03-10 |
| Observerad leverans | Streams upp mot baslinje under placering |
| Konverteringskvalitet | Saves upp mot baslinje, följare något upp |
| Persistens | Aktiv-källa-lyssnande förblev högre i 2 veckor efter borttagning |
| Beslut | Fortsätt outreach till liknande spellistor, upprepa med nästa singel |
En placering vs 10+ placeringar per månad
Om du bara har en placering, fokusera på ren loggning och efterfönsterpersistens. Ditt huvudmål är att lära om denna spellistbana skapar varaktig efterfrågan.
Om du kör 10+ placeringar per månad:
- Standardisera poängkortet för varje placering.
- Exportera plattformsdata där möjligt och håll en konsekvent kalender över placeringar och kampanjer (se Spotifys guide om dataexport).
- Granska placeringar i batcher så att du inte överreagerar på en enda spik.
Vanliga fallgropar (och hur team lurar sig själva)
- Bekräftelsebias: En spik känns som framgång, så team slutar ifrågasätta kvalitet. Tvinga en efterfönstergranskning innan du märker en placering som "fungerade".
- Blanda fönster: Feljusterade tidszoner och rapporteringsfördröjningar skapar falska "startdatum". Logga i UTC och anpassa analysen till Spotifys räkneregler (se tidszon för statistik och när statistik uppdateras).
- Ignorera databegränsningar: Spotify visar inte varje spellista och har rapporteringsgränser. "Inte listad" betyder inte "inga spellistor" (se Se spellistor din musik finns på).