Metodologia

FestivalStats pubblica una classifica di “trazione” dei brani di Sanremo 2026: un indicatore sintetico che combina segnali provenienti da radio, playlist e YouTube. Non è una classifica ufficiale del Festival: è un modello riproducibile basato su proxy pubblici/industriali.

1) Origine dati e aggiornamenti

FestivalStats usa come unica sorgente operativa un Google Sheet pubblico. Durante ogni build/deploy, il sito scarica il CSV del foglio, normalizza i campi richiesti e genera pagine HTML statiche.

La frequenza degli aggiornamenti dipende dal deploy: quando viene eseguito un nuovo deploy (manuale o automatico), i dati vengono ricaricati. Se il CSV non è raggiungibile, il sito può usare un dataset locale di fallback per mantenere online la pagina.

2) Variabili utilizzate (input)

• Spotify (rank), Amazon Music (rank), Apple Music (rank): posizione (1 = migliore) nella playlist/classifica che inserisci nel foglio.
• YouTube (views): visualizzazioni totali del video di riferimento.
• YouTube_1 (views): visualizzazioni su un periodo più recente (campo “momentum” che gestisci nel foglio).
• EarOne (punteggio): indice di airplay radiofonico “audience-weighted” (basato su AQH e passaggi), usato qui come proxy della forza radio. (EarOne – Methodology)
• TrendDir: campo informativo (“up”/“down”, case-insensitive) per la freccia di trend; valori diversi → trend non disponibile.

3) Normalizzazione (tutto su scala 0–100)

Le variabili hanno scale diverse (rank, views, score radio). Per renderle confrontabili, le trasformiamo in punteggi 0–100. Uno 0 è valido: indica il valore più basso del campione corrente per quella metrica.

3.1 Rank → score 0–100 (Spotify / Amazon / Apple)

Con N = numero di righe/partecipanti nel CSV:

ScoreRank(rank) = 100 * (N - rank) / (N - 1)

3.2 YouTube views → score 0–100 (log + min-max)

Le views sono molto sbilanciate: per ridurre l’effetto outlier usiamo un logaritmo e poi una normalizzazione min-max sul campione.

YTlog  = ln(1 + YT_views)
YT1log = ln(1 + YT_1_views)

ScoreMinMax(x) = 100 * (x - min(x)) / (max(x) - min(x))

ScoreYT = 0.7 * ScoreMinMax(YTlog) + 0.3 * ScoreMinMax(YT1log)

3.3 EarOne → score 0–100 (min-max)

ScoreRadio = ScoreMinMax(EarOne_score)

4) Ponderazione (pesi) e razionale

4.1 Macro: radio vs musica in streaming (proxy “tempo medio”)

Per ancorare il modello a un ordine di grandezza realistico, usiamo un proxy basato sui minuti medi giornalieri (Italia, 16–64, 2024): 66 minuti radio e 68 minuti musica in streaming (Fig. 1.1, fonte We Are Social, riportata nel Rapporto ORES 2025). (Rapporto ORES 2025 (PDF))

w_radio_macro   = 66 / (66 + 68) = 0.4925
w_stream_macro  = 68 / (66 + 68) = 0.5075

4.2 Micro: ripartizione dello streaming tra piattaforme (proxy “acquisto/adozione”)

Dati pubblici “minuti per piattaforma” (Italia, Spotify vs Apple vs Amazon) non sono sempre accessibili in modo aperto e comparabile. Per ripartire la quota streaming tra piattaforme, usiamo un proxy di forza/adozione basato su una survey Statista Consumer Insights (multi-pick): “da quali provider hai comprato download musicali o servizi streaming negli ultimi 12 mesi?” (survey 2022; as of Nov 2023). (Digital Advertising 2023 – Statista (PDF))

Valori (Italia) usati come proxy (multi-pick → sommano oltre 100%): Amazon Music 57%, Spotify 56%, YouTube Music 32%, Apple Music 21%.

4.3 Pesi finali (quelli applicati nel punteggio)

Ripartiamo w_stream_macro tra le piattaforme in proporzione ai proxy sopra e aggiungiamo w_radio_macro. Totale proxy streaming considerati: 57 + 56 + 32 + 21 = 166.

w_radio   = 0.4925373

w_spotify = 0.5074627 * (56/166) = 0.1711922
w_amazon  = 0.5074627 * (57/166) = 0.1742492
w_youtube = 0.5074627 * (32/166) = 0.0978241
w_apple   = 0.5074627 * (21/166) = 0.0641971

• Radio (EarOne): 49,25%
• Spotify: 17,12%
• Amazon Music: 17,42%
• YouTube (ecosistema): 9,78%
• Apple Music: 6,42%

Versione pesi: v1 (2026-02-25). Se cambiano le fonti/proxy o il perimetro dati nel foglio, i pesi vanno aggiornati qui e nel calcolo.

5) Formula del punteggio finale

ScoreFinal =
  0.4925 * ScoreRadio +
  0.1712 * ScoreSpotify +
  0.1742 * ScoreAmazon +
  0.0642 * ScoreApple +
  0.0978 * ScoreYT

La classifica è l’ordinamento decrescente di ScoreFinal.

6) Limitazioni

• Proxy, non consumo ufficiale: YouTube views ≠ minuti ascoltati; EarOne è un indice airplay “audience-weighted”, non ore.
• Rank ≠ volumi: il rank non contiene la distanza tra posizioni (#1 vs #2), quindi è un segnale ordinale.
• Micro-pesi streaming: la ripartizione tra piattaforme è basata su survey multi-pick su acquisto/adozione, non su minuti per brand.
• Perimetro: il modello copre radio + 4 piattaforme. Altri canali (podcast, altri streamer, TV/social, ecc.) non entrano nel punteggio.

Fonti

1. Rapporto ORES 2025 (I-Com): minuti medi giornalieri Italia 16–64 (2024), incl. 66 minuti radio e 68 minuti musica in streaming. PDF
2. Statista Consumer Insights (as of Nov 2023), survey 2022 (multi-pick): “digital audio purchases by brand” (Italia: Amazon 57, Spotify 56, YouTube Music 32, Apple Music 21). PDF
3. EarOne: descrizione del punteggio airplay basato su AQH (Average Quarter Hour) e impatto stimato dei passaggi. Methodology
4. FIMI (contesto consumo musica Italia): 20,9 ore/settimana e 60% del tempo su digitale (IFPI Engaging with Music, citato da FIMI). News FIMI
5. Digitalia ’08 (contesto penetrazione settimanale audio/radio/streaming, non usato per i pesi): radio 84,5% e musica in streaming 55,9% (15–64). Dailyonline