Bolhas Sonoras: algoritmos, plataformas e consumo musical contemporâneo – Por Thais Oliveira

Por Thais Oliveira

Você acorda, coloca uma playlist para trabalhar, escuta uma música no Reels, salva outra no Spotify, descobre um refrão no TikTok e, no fim do dia, percebe que passou por dezenas de sons sem necessariamente ter escolhido cada um deles.

A música continua sendo afeto, memória e identidade. Mas, hoje, ela também é dado.

Cada faixa ouvida, pulada, repetida ou salva ajuda as plataformas a entenderem um pouco mais sobre nossos hábitos. Não apenas o que gostamos, mas quando ouvimos, por quanto tempo permanecemos, em quais contextos repetimos uma canção e quais sons nos fazem continuar na plataforma.

É assim que se formam as chamadas bolhas sonoras: ambientes de escuta personalizados, construídos a partir de padrões de comportamento.

Segundo o Global Music Report 2025, da IFPI, a receita global da música gravada chegou a US$ 29,6 bilhões em 2024, com o streaming como principal motor do setor. Ao fim daquele ano, o mundo já somava 752 milhões de assinaturas pagas de streaming musical. A Reuters, com base em dados mais recentes da IFPI, apontou que em 2025 a receita global chegou a US$31,7 bilhões, com 837 milhões de assinantes pagos e o streaming respondendo por cerca de 70% da receita global.

Esses números mostram que não estamos falando apenas de uma mudança de formato, do CD para o aplicativo. Estamos falando de uma reorganização completa da cadeia musical.

O Spotify, por exemplo, informou no primeiro trimestre de 2026 ter 761 milhões de usuários ativos mensais e 293 milhões de assinantes premium. Isso transforma a plataforma em algo maior do que um catálogo. Ela funciona como uma infraestrutura global de escuta, capaz de processar milhões de sinais comportamentais todos os dias.

Na prática, os sistemas de recomendação trabalham com diferentes camadas de dados. Existem os dados explícitos, como músicas curtidas, artistas seguidos e playlists salvas. Mas há também os dados implícitos, que dizem muito sobre o comportamento do usuário: tempo de escuta, repetição, abandono da faixa, horário, dispositivo, sequência de músicas e similaridade com outros perfis.

Quando duas pessoas, em lugares diferentes, ouvem artistas parecidos, pulam faixas semelhantes e permanecem mais tempo em determinados estilos, a plataforma identifica padrões. A partir daí, transforma comportamento em recomendação.

Do ponto de vista técnico, estes sistemas combinam filtragem colaborativa, análise de áudio, processamento de linguagem natural e modelos de aprendizado de máquina. Em termos simples: a plataforma compara usuários, analisa características sonoras das músicas, interpreta informações textuais sobre artistas e faixas e cruza tudo isso para prever o que pode manter alguém ouvindo.

Uma playlist personalizada, portanto, não é apenas uma curadoria simpática feita “para você”. Ela é o resultado de uma cadeia de classificação. A música vira atributo. O usuário vira perfil. A escuta vira sinal. E o sinal vira previsão.

O TikTok mudou ainda mais essa lógica. Se o Spotify organiza a escuta por faixas, playlists e recorrência, o TikTok organiza a música pela viralização. Uma canção pode crescer não porque foi ouvida inteira, mas porque um trecho de quinze segundos se encaixou em uma dança, uma piada, uma memória, uma estética ou uma trend.

Em 2026, o TikTok informou que o recurso “Add to Music App” ultrapassou 6 bilhões de salvamentos de faixas em serviços de streaming em apenas 12 meses. Isso mostra que a descoberta musical já não acontece apenas nas plataformas de música. Muitas vezes, ela nasce em redes sociais, ganha escala como comportamento coletivo e só depois chega aos aplicativos de streaming.

Esse movimento muda a inteligência de mercado da música.

Antes, a indústria observava vendas, rádio, shows e rankings. Hoje, observa retenção, taxa de skip, crescimento em playlists, salvamentos, criação de vídeos com determinada faixa, velocidade de viralização, comportamento por território e conversão entre plataformas.

A pergunta já não é apenas: “essa música é boa?”.
A pergunta passa a ser: “em qual ambiente essa música gera comportamento?”.

Isso também altera a própria produção musical. Em um ecossistema baseado em atenção, músicas com entradas mais rápidas, refrões mais cedo, trechos recortáveis e ganchos nos primeiros segundos passam a ter vantagem competitiva. O dado não substitui a criação artística, mas começa a participar das decisões de lançamento, campanha e distribuição.

É nesse ponto que o conceito de bolhas sonoras ajuda a entender o presente.

A personalização facilita a descoberta. Ela reduz ruído, organiza abundância e aproxima o usuário de repertórios compatíveis com seus hábitos. Mas também pode estreitar a escuta. Quanto mais o sistema aprende sobre um gosto, mais tende a reforçar caminhos próximos. O resultado é uma experiência confortável, eficiente e previsível.

O desafio não está em demonizar os algoritmos. Eles são parte da infraestrutura cultural contemporânea. A questão é compreender como funcionam.

As plataformas classificam músicas, usuários, contextos e comportamentos. Elas aproximam pessoas de conteúdos com alta probabilidade de interesse. Elas aceleram descobertas, ampliam mercados e reorganizam as regras de visibilidade.

No consumo musical contemporâneo, ouvir música deixou de ser apenas uma prática cultural. Tornou-se também uma interação contínua com sistemas de dados, modelos de recomendação e inteligência artificial.

Para artistas, marcas, produtores, pesquisadores e profissionais da cultura, entender essa lógica é essencial. Porque quem entende os dados entende melhor os caminhos da escuta. E quem entende os caminhos da escuta entende melhor como a cultura circula hoje.

Fontes e links

IFPI – Global Music Report 2025
 https://www.ifpi.org/wp-content/uploads/2024/03/GMR2025_SOTI.pdf

Reuters -dados globais da música gravada e crescimento do streaming
 https://www.reuters.com/business/media-telecom/streaming-boosts-global-music-revenues-once-again-2025-report-shows-2026-03-18/

Spotify Newsroom – resultados do 1º trimestre de 2026
 https://newsroom.spotify.com/2026-04-28/spotify-q1-2026-earnings/

Spotify Research – busca e recomendação
 https://research.atspotify.com/search-recommendations

Spotify Research – recomendações contextualizadas com LLMs
 https://research.atspotify.com/2024/12/contextualized-recommendations-through-personalized-narratives-using-llms

TikTok Newsroom -“Add to Music App” e salvamentos de faixas
https://newsroom.tiktok.com/tiktoks-add-to-music-app-surpasses-6-billion-track-saves-in-the-past-year

ACM – revisão sobre sistemas de recomendação musical
 https://dl.acm.org/doi/fullHtml/10.1145/3671151.3671243