Llega diciembre y con él uno de los eventos musicales más esperados por las generaciones contemporáneas (Boomers, GenXs, Millennials, GenZs y Alphas). El Wrapped de Spotify, ese servicio que te muestra lo que escuchaste durante los últimos 365 días. Cada año, sin embargo, la calidad del servicio ha ido decayendo, y lo más probable es que hoy, 3 de diciembre, cuando está anunciado que se lanzará la versión 2025, no sea la excepción.
Acá te presentamos una manera de hacer lo mismo (tu propio Wrapped) de manera artesanal y con mucha más data. Paso a paso y con una historia inicial de contexto.
Tal vez hoy en día nos parece lógico y hasta normal que una red social / aplicación nos haga un Wrapped. Pero en el mundo de la música no es tan sencillo lograrlo, y en la historia de los mp3 está la explicación de por qué fue tan decepcionante el Wrapped de Spotify de los años anteriores, y por qué quizá se intensifique este 2025.
Tendré que dar una vuelta larga, pero intentaré que sea lo más sintético y rápido posible, para que vayamos a lo nuestro: el Wrapped autogestionado artesanal.
Un poco de historia
Cuando empezaron a popularizarse los mp3, en la segunda mitad de los noventas (aunque en Chile fue a finales de esa década), las personas descargaban este tipo de archivo comprimido desde servicios como Lycos y luego Napster. Pero también generaban sus propios mp3 a partir de sus CDs —e incluso desde sus casetes o vinilos—. A esto último se le denominaba “ripear”, se solía hacer con programas tipo MusicMatch Jukebox y el proceso tomaba a veces varias horas. Uno de los problemas o desafíos que tenían los ripeos es que, aparte de transformar la música de cada pista del soporte físico en un archivo de computador, había que ponerles un nombre. Si no, las canciones quedaban rotuladas con un título genérico como “artist 01 – track 01”.
¿Cómo se resolvía esto?
Para no andar anotando cada metadato existía un servicio llamado CDDB (Compact Disc Database), que era un servidor mundial con data sobre la extensión en milisegundos de centenares de miles de canciones de CDs, al que MusicMatch —u otros programas— accedía en línea en un sistema usuario-servidor que reconocía cada track del CD y enviaba los datos a tu computadora y llenaba automáticamente la data.
¿Qué pasó luego?
Que en 2002 se inventó otro servicio que tomaba la metadata de tus mp3. Este servicio se llamó primero AudioScrobbler y resultaba una cosa tan sencilla como que, instalando un plug-in (pequeño “programa” que trabaja con un programa mayor) en tu reproductor de música como Windows Media Player o WinAmp, enviaba dicha metadata, cada vez que escuchabas un tema, a su servidor central y con ella registraba toda la música que habías reproducido en tu computador.
¿Para qué servía esto?
Para hacer un perfil de usuario para cada persona conectada a AudioScrobbler —que posteriormente, tomando la “A” y la “S” mayúsculas de su nombre, pasaría a llamarse LAST.fm—.
Y aquí sucedía la magia.
Con los perfiles de sus decenas de miles de usuarios, Last.fm podía encontrar usuarias y usuarios de gustos similares al tuyo y a partir de eso, por ejemplo, recomendarte nueva música que no habías escuchado en tu reproductor. Pongamos el caso de que tú escuchas a The Smiths y a REM. Y que otra usuaria también escucha a The Smiths y a REM. Esta usuaria es “homofílica” a ti, que es un término que en Social Network Analysis significa que es “similar”. Si esa usuaria además de The Smiths y REM escucha a Joy Division, y tú no has escuchado a Joy Division, Last te la recomendaba.
El sistema de recomendación por homofilia fue un éxito espectacular porque permitía expandir tus gustos hacia zonas sorpresivas, y además porque fue una de las primeras redes sociales o comunidades en internet hechas y derechas. Y se extendió a otros dominios: quizá has visto que cuando vas a comprar un libro en Amazon, te dice que otros usuarios que han comprado ese libro también han comprado estos otros…
Netflix también ocupa este truco.
Por los mismos años otras empresas intentaron crear sus propios servicios de recomendación tratando de ir más allá de la solución homofílica. Uno de esos servicios fue Pandora, que no tenía una base de datos de metadata enviada al sistema, ni un listado perfilado de usuarios. Lo que Pandora hacía era que tenía anotados manualmente miles de temas en características musicales y sonoras (como género del vocalista principal, uso predominante del groove, nivel de distorsión en la guitarra eléctrica, tipo de coros, etc.). Pandora tenía datos de miles de canciones; pero luego fue superada por otro servicio llamado The Echo Nest, que había anotado millones de canciones —al parecer pirateadas desde internet— automáticamente con métodos de machine learning. The Echo Nest, entonces, podía recomendar música similar a la que tú misma escuchabas.
En la última década, en 2014, Spotify se alió con Last.fm (de hecho, puedes activar la conexión con tu Last desde la página de configuración de Spotify o desde Last.fm, como vamos a mostrar más abajo) y adquirió la data de The Echo Nest.
Con esta información a la mano es que, cruzando datos de homofilia de ti como usuario y de atributos musicales de las canciones que escuchas, Spotify te hace el Mix 1… 2… 3, te recomienda el Descubrimiento Semanal y presta otros servicios como las Radios de los Artistas.
Y llegamos al punto: te levanta tu Wrapped anual. Como sabemos, y por eso estamos acá, el Wrapped es “un resumen personalizado de tu año de escucha repleto de funciones inmersivas”. Este resumen se presenta desde hace algunos años como diversas stories que se pueden compartir, por ejemplo, en tu Instagram: tus canciones más escuchadas, tus artistas favoritos, así como la cantidad de minutos que has usado el servicio en el año y, una de las cosas más valoradas, el percentil en que te hallas en cada uno de estos ítemes (yo, por ejemplo, estoy en el 2% de usuarios de Spotify en el mundo que más escuchan a Belle and Sebastian). Incluso, si estás en los percentiles más altos de audición de un artista, te envía un mensaje personalizado que ese artista ha grabado en video para saludarte y agradecerte.
¿Qué tuvo de malo el Wrapped de los años anteriores?
Fundamentalmente, que se ha vuelto muy repetitivo: año tras año escuchamos básicamente a los mismos artistas, y esto es lo más importante, eso ya lo sabemos. En la medida en que año tras año nos aparece este dato en nuestro Wrapped, nos hemos hecho más conscientes de nuestros patrones de audición. La sorpresa ha acabado.
Amén de ello, como The Echo Nest tiene anotados géneros musicales, como bubblegum pop, soft rock, british folk, classic rock o early synthpop, solo por nombrar algunas de las miles de categorías que Spotify maneja, en años anteriores el Wrapped te indicaba tus géneros favoritos (el mío ha sido casi siempre, spanish indiepop).
Y más, a partir de Last.fm y sus propios datos, te señalaba cuál era, por ejemplo, la ciudad del mundo en que se escuchaba la música más similar a la tuya (en mi caso, ha sido, entre otras, Sheffield, en Inglaterra).
Nada de esto último apareció en el Wrapped 2024, reemplazando los géneros más escuchados por algo tan horroroso como lo que habías escuchado en abril con etiquetas absurdas tales como, “banjo country proscrito del salvaje oeste”, “popurrí teatral de rock argentino”, que uno sospecha que fueron generados con IA.
No solo eso, sino que también está ocurriendo que las personas, al hacerse más conscientes de sus patrones de uso de Spotify, como señalé más arriba, llevan a cabo trucos como dejar en loop canciones en específico sobre todo a partir de octubre, para que aparezcan en sus listados del Wrapped las canciones que ellas quieren.
Más. Algunas personas sospechan que tal como sucede con el Radar de Novedades hay una cierta connivencia de Spotify con algunos artistas y sellos, en una suerte de CyberPayola*, y que ha metido a la fuerza en tus listados cosas que en realidad no has escuchado tanto.
¿Cómo se resuelve esto?
Ese es el procedimiento que te voy a mostrar.
Haciendo tu propio Wrapped artesanal
Para esto hay dos sistemas generales. El primero, si en realidad quieres saber el detalle de tus audiciones, es que puedes ingresar en modo Developer a Spotify y bajar tu data vía su API con un código Python y voilá.
El segundo es más engorroso, pero más simple de entender (no es tan geeky como el primero).
Paso 1
Para comenzar debes hacerte un usuario en Last.fm.
Para eso debes ingresar a https://www.last.fm/join y seguir las instrucciones, tal como cada vez que hacemos un ingreso a un servicio en Internet.
A continuación, debes vincular tu Last.fm a tu Spotify, desde settings.
Paso 2
Una vez que hayas hecho eso puedes ir (entiendo que luego de haber escuchado algunas canciones, que van siendo registradas mediante scrobbles en Last.fm) a https://benjaminbenben.com/lastfm-to-csv/, poner tu nombre de usuario y descargar tu data, que va a estar en formato csv (campos separados por comas).
Paso 3
La data descargada la puedes abrir con Excel. Se ve así.
Luego seleccionas toda la Columna A y buscas en el Excel, “convertir texto en tabla” y seleccionas “separado por coma”.
La data va a quedar así.
Ahora tienes ahora toda la data de las canciones columna a columna, la A con el nombre de la banda o solista y la C con el nombre de la canción.
Lo que viene a continuación es contar cada vez que escuchaste a un artista o una canción. Para ello debes hacer una serie de pasos con fórmulas o usar una tabla dinámica. Quizá partiendo por dejar una columna con el artista y la canción (lo que se hace con la función concatenar las columnas A con la C). Esto se vería más o menos así: “Orange Juice – Rip It Up”.
Acá un ejemplo de cómo se ve luego de usar los filtros (yo lo he arreglado para que se vea más lindo).
Paso 4
Ahora vamos a copiar el listado de canciones (seleccionar la columna con la lista de canciones y Control+C) y la vamos a ir a pegar a otro servicio que se llama My Tune (https://www.tunemymusic.com/es/transfer?fdest=share).
Y luego la conviertes en una lista, haciendo click en convertir en lista de canciones.
Aprietas “Compartir” y seleccionas Spotify.
Paso 5
Ya estamos casi.
Vas ahora a tu Spotify y eliges esa lista, a la que le puedes cambiar el nombre. Con esto ya tienes tu playlist de canciones más escuchadas.
Ahora seleccionas la lista en los tres puntitos y pones “Compartir” > “Copiar URL de Spotify”.
PASO 6 (último)
Te vas finalmente a otro sitio que se llama Chosic (https://www.chosic.com/spotify-playlist-analyzer/) y pegas (Control+V) el link de tu lista y aprietas “Analize”.
Dependiendo de cuántas canciones hay en la lista se va a demorar un poco más o un poco menos, pero te va a dar muchísima data, mucho más de lo que da el Wrapped. Y que se ve así.
Además, Chosic te entrega también un archivo csv con los siguientes datos por canción: #, Song, Artist, Popularity, BPM, Genres, Parent Genres, Album, Album Date, Time, Dance, Energy , Acoustic, Instrumental, Happy, Speech, Live, Loud (Db), Key, Time Signature, Added At, Spotify Track Id, Album Label, Camelot, ISRC.
Eso es. Disfrútenlo.
Ah, pueden seleccionar en el Excel (csv) que sale desde https://benjaminbenben.com/lastfm-to-csv/ (PASO 3) información por año (no solo 2025, sino que cualquier otro), mes, día y, también, toda la vida.
*La payola es una práctica ilegal que consiste en pagar a una estación de radio para que reproduzca una canción específica sin informar a los oyentes de que se trata de publicidad paga
