Sound sellers: musicians' strategies for marketing to industry gatekeepers
Notice bibliographique
Résumé
Purpose The relationship between musicians and the music industry has often been depicted as a dichotomy between creativity and commerce with musicians conflicted between their roles as artists and their roles as marketers of sound. Recently, marketing researchers have problematized this dichotomy and suggested musicians perceive these roles as inevitable and indivisible. However, the processes of how musicians market their sound to the industry gatekeepers remain unclear. This study seeks to find the key industry gatekeepers for musicians and how musicians sell their personal sound to them. Design/methodology/approach Using an interpretative phenomenological approach, ten interviews with professional musicians across different music genres provided insight into the strategies musicians use to market their sound to industry gatekeepers. Findings In total, three key gatekeepers and the five strategies that musicians use to sell their sound are identified. The gatekeepers are record labels, other musicians and consumers. Musicians sell their sound to these gatekeepers through the externally directed strategies of using social media to build relationships, defining their personal sound through genre and creating a unique sound, and through the internally directed strategies of keeping motivated through sound evolution and counting on luck. Research limitations/implications The findings are limited by the small number of musicians interviewed and the heterogeneous representation of music genres. Originality/value The study contributes to theoretical understandings of how musicians as cultural producers market their sound in a commercial industry.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».