MBA em Inteligência de Dados & Analytics · Mackenzie · 2026
A Corrida pelo Algoritmo
No Spotify, não basta fazer música boa. Você precisa entender como a plataforma funciona.
role para descobrir
Em 2025, o Spotify pagou $11 bilhões à indústria musical — o maior pagamento anual a criadores de qualquer varejista na história. Uma cifra impossível de ignorar.
Mas essa grandiosidade esconde uma tensão fundamental: entre a escala da plataforma e a realidade da maioria dos artistas.
Um artista iniciante com 500 streams por mês ganha $24 por ano. Isso é menos do que uma assinatura mensal do próprio Spotify Premium.
Este trabalho mapeia as regras do jogo — as variáveis que determinam quem captura valor na plataforma e quem fica de fora.
01A Arena
750M ouvintes. 13M artistas. Um algoritmo.
Antes de entender quem ganha, é preciso entender o tamanho do jogo. O Spotify encerrou 2025 em seus maiores índices históricos em todas as dimensões.
750M
Usuários Ativos
MAU Global — Q4 2025
272M
Assinantes Premium
36,3% da base total
13M
Artistas e Criadores
Competindo pelo mesmo algoritmo
€4.5B
Receita Trimestral
Q4 2025
33.1%
Margem Bruta
Recorde histórico
13 milhões de artistas disputando atenção no mesmo ecossistema algorítmico
A margem bruta de 33,1% representa um salto de +8,4 pontos percentuais em quatro anos. A plataforma nunca esteve tão saudável financeiramente. A pergunta natural é: esse crescimento chega a quem cria?
02O Crescimento Financeiro
Receita +67% em 4 anos.
A série histórica de Q4 2021 a Q4 2025 conta a história de uma empresa que encontrou seu modelo definitivo — e o ponto de inflexão está em 2023.
O ponto de virada em 2023→2024: margem saltou +5,1pp em um único ano
A tensão central: enquanto a plataforma acumula margem histórica, a estrutura de pagamento por stream mantém a remuneração da maioria dos artistas em níveis irrisórios. Crescimento financeiro e prosperidade dos criadores não são sinônimos — ainda.
03As Regras do Jogo
O sistema tem regras. Identificáveis.
Analisamos 491 faixas em 10 playlists editoriais do Spotify, 339 artistas coletados via API oficial e os dados financeiros de 5 anos. O que emergiu foi um conjunto de regras claras.
01
Existir nas playlists editoriais é a porta de entrada
O algoritmo não descobre você organicamente. A curadoria editorial é o primeiro filtro — e quem entra, permanece.
02
Concentração é brutal: o algoritmo amplifica quem já está dentro
Um artista domina com 19 aparições — mais que o dobro do segundo colocado. O sistema retroalimenta os já presentes.
03
Seu gênero define seu teto antes de você começar
Pop tem score médio 82. Hip-hop tem 16. Essa diferença não é talento — é estrutura de mercado que o algoritmo perpetua.
04
Seguidores ajudam — mas com retornos decrescentes
A janela de maior ganho por seguidor está entre 5M e 20M. Acima disso, a popularidade algorítmica estabiliza.
05
50.000 streams/mês é o limiar econômico real
Abaixo disso, a renda anual não ultrapassa $2.400 — insuficiente para sustentar uma carreira musical profissional.
04Regra #1 — Playlists
A porta de entrada existe. Está trancada.
Cada playlist editorial tem ~50 vagas. Com 13 milhões de artistas na plataforma, cada vaga representa uma em 260.000 chances de ser curado pela própria Spotify.
Faixas coletadas por Playlist Editorial · 10 playlists analisadas
Fonte: Spotify Web API, março/2026 · 491 faixas coletadas
491 faixas analisadas · 10 playlists editoriais · cada vaga vale milhões de streams potenciais
05Regra #2 — Concentração
1 artista. 19 aparições. O dobro do segundo.
Top 15 artistas por aparições nas playlists editoriais
Fonte: Spotify Web API, março/2026
Artistas brasileiros dominam o top 15 — LoFi Brazil Beach, Anitta, LUDMILLA, Racionais MC's, Cleber & Cauan, Turma do Pagode. Sinal claro do peso do mercado local nas playlists editoriais.
LoFi Brazil Beach: 19 aparições · estratégia de volume com gênero ambiente · maior que qualquer artista mainstream na amostra
06Regra #3 — Gênero
Pop: 82. Hip-hop: 16. Mesma plataforma.
O score de popularidade não mede apenas qualidade — ele reflete a estrutura de mercado que o algoritmo perpetua. Gêneros com score baixo têm menor probabilidade de curadoria editorial.
Score médio de popularidade por gênero (0–100) · 339 artistas
Fonte: Spotify Web API, março/2026 · excluídos hip-hop e k-pop (outliers por amostragem de nicho)
Pop, Latin e R&B concentram os scores mais altos. Não é coincidência — são exatamente os gêneros com maior presença nas playlists editoriais analisadas.
07Regra #4 — Seguidores
Mais seguidores ajudam. Até 20 milhões.
A correlação entre seguidores e popularidade é positiva — mas com retornos decrescentes evidentes. A zona de maior eficiência está entre 5M e 20M de seguidores.
Popularidade vs. Seguidores médios por gênero
PopLatinRockR&BElectronicJazz
Médias por gênero · 339 artistas · Spotify Web API, março/2026 · Eixo X: seguidores médios (M) · Eixo Y: score de popularidade
Taylor Swift: 100M seguidores · score 98 · único ponto genuinamente fora da curva
08A Verdade Incômoda
$11 bilhões pagos. $24 chegam ao iniciante.
O Spotify pagou mais de $11 bilhões à indústria em 2025. O número impõe respeito — até você ver como esse dinheiro se distribui.
Independente$0,004/stream
VS
Via Gravadora$0,003/stream
Simulação de remuneração anual em USD por volume de streams
Artista Independente (~$0,004/stream)Via Grande Gravadora (~$0,003/stream)
Fonte: Loud & Clear 2024 + Spotify Shareholder Letter Q4 2025 · escala logarítmica · $0,004/stream independente vs $0,003/stream via gravadora
Limiar de monetização: 1.000 streams/ano = $4 — abaixo disso, zero repasse ao artista
O limiar que muda tudo: 50.000 streams/mês equivale a ~1.667 ouvintes escutando sua música todos os dias. Atingindo essa marca, a renda anual supera $2.400 — ainda modesta, mas economicamente relevante.
Artistas independentes capturam $0,004 por stream contra $0,003 via grandes gravadoras. A desintermediação compensa financeiramente — para quem atingiu escala suficiente.
09O Maior Mercado
37% dos ouvintes são latinos.
A América Latina concentra mais usuários do Spotify do que Europa e América do Norte juntas. E isso não é uma tendência nova — é uma mudança estrutural em andamento há quatro anos.
Evolução da distribuição geográfica de usuários · Q4 2021–Q4 2025
América Latina: +15pp em 4 anos · a curva mais íngreme do gráfico · tendência irreversível
Europa cedeu -7 pontos percentuais no mesmo período. O centro de gravidade do streaming está migrando para o Sul Global — e quem produz conteúdo para esse mercado agora está construindo vantagem de primeiro movimento.
10O Perfil Vencedor
Não é sorte. É uma equação com variáveis.
Após mapear as regras do sistema, o perfil do artista que vence a corrida pelo algoritmo fica claro. Não é um perfil único — é uma combinação de variáveis identificáveis e, em parte, controláveis.
🎵
Regra #1 — Gênero
Pop, Latin ou R&B como base
Os três gêneros com score médio acima de 75 e maior presença nas playlists editoriais. O algoritmo já os favorece estruturalmente.
📊
Regra #2 — Volume
50.000 streams/mês como meta mínima
O limiar econômico real. Abaixo disso, a renda é insuficiente. Acima, o sistema começa a trabalhar a favor do artista.
🎤
Regra #3 — Independência
Distribuição direta quando há escala
$0,004 vs $0,003 por stream — diferença de 33% na receita. A desintermediação compensa para quem atingiu volume suficiente.
🌎
Regra #4 — Mercado
Audiência latina como vantagem competitiva
37% do MAU global e crescendo +15pp em 4 anos. Um artista latino independente com escala está na posição estratégica ideal.
Spotify pagou $11 bilhões à indústria em 2025. A questão nunca foi se há dinheiro na plataforma — é saber como o algoritmo distribui esse dinheiro, e posicionar-se de acordo.
Conclusão — A Corrida pelo Algoritmo
MBA em Inteligência de Dados & Analytics · Mackenzie · 2026
Como foi feito este trabalho
Da coleta de dados via API oficial do Spotify até a geração de visualizações — o processo técnico completo.
Parte 2 deste trabalho
Como foi feito
Da coleta de dados até a geração das visualizações — o processo técnico completo.
01Visão Geral
O pipeline em 5 etapas
Todo o processo foi construído em Python, rodando no Google Colab, com dados armazenados no BigQuery (GCP). Nenhuma ferramenta paga foi utilizada além dos créditos gratuitos do GCP.
01
Fontes
Spotify Web API
Shareholder Letters
Loud & Clear 2024
02
Coleta
Python + Spotipy
Google Colab
Client Credentials
03
BigQuery
GCP · spotify_mba
4 tabelas SQL
Views analíticas
04
Curadoria
Dados manuais IR
Verificação pública
Consistência BQ
05
Visualização
Python + Plotly
PowerPoint nativo
HTML scrollytelling
02Fontes de Dados
De onde veio cada dado
A principal fonte de dados estruturados foi a Spotify Web API — a porta oficial de acesso aos dados da plataforma para desenvolvedores.
Spotify for Developers — Web APIdeveloper.spotify.com/documentation/web-api
Spotify Web API — utilizada com fluxo Client Credentials (sem login de usuário). Coletamos artistas por gênero via /v1/search, faixas de playlists editoriais via /v1/playlists/{id}/items e metadados via /v1/artists/{id}.
Os dados financeiros — MAU, receita, margem bruta e distribuição geográfica — não estão disponíveis via API. Foram extraídos manualmente dos Shareholder Letters publicados trimestralmente pela Spotify em investors.spotify.com e inseridos diretamente no BigQuery.
# Autenticação via Client Credentialsimport spotipy
from spotipy.oauth2 import SpotifyClientCredentials
sp = spotipy.Spotify(auth_manager=SpotifyClientCredentials(
client_id=CLIENT_ID,
client_secret=CLIENT_SECRET
))
# Coleta de artistas por gênero
res = sp.search(q='genre:"pop"', type='artist', limit=10, offset=0)
# → 339 artistas coletados em 13 gêneros
03Infraestrutura
Google Colab + BigQuery
Todo o ambiente rodou na nuvem — sem dependência de máquina local. O Google Colab executou a coleta e o processamento; o BigQuery armazenou e estruturou os dados para consulta.
Google Colab — spotify_dataviz_corrigido.ipynbcolab.research.google.com
Notebook de visualização — células organizadas em ordem de execução. Célula 1 instala as dependências (plotly==5.18.0 · kaleido==0.2.1), célula 2 autentica o Google, célula 3 define o tema central com paleta de cores e conexão ao BigQuery.
Google BigQuery — mba-intel-dados-e-analytics · dataset: spotify_mbaconsole.cloud.google.com/bigquery
Dataset spotify_mba — 4 tabelas de dados + 8 views analíticas pré-computadas. As views (vw_master, vw_big_numbers, vw_top_artistas...) encapsulam as queries mais complexas e facilitam o consumo no Looker Studio e no Colab.
Distribuição geográfica do MAU por região e trimestre
05Stack Técnica
Ferramentas utilizadas
100% open source. Nenhuma ferramenta paga além dos créditos gratuitos do GCP e da conta gratuita do Spotify for Developers.
Python 3.10
Spotipy
Pandas
Plotly 5.18.0
Kaleido 0.2.1
Google Colab
BigQuery (GCP)
google-cloud-bigquery
Spotify Web API
Client Credentials Flow
pptxgenjs
HTML + CSS + Chart.js
GitHub Pages
O maior aprendizado foi lidar com a instabilidade da API em tempo real — mudanças de endpoint em fev/2026 forçaram a repensar a coleta durante o próprio projeto. Isso é dado real.
04Desafios e Soluções
O que não saiu como planejado
Entre março e abril de 2026, o Spotify realizou mudanças significativas na API que afetaram diretamente a coleta. Documentamos os problemas e as soluções adotadas.
Bloqueio de endpoint
/audio-features bloqueado (nov/2024)
O endpoint de características de áudio (danceability, energy, valence) foi bloqueado para aplicativos criados após novembro de 2024. Retorna erro 403.
→ Dataset Kaggle avaliado como substituto, mas descartado por conter dados históricos pré-2024. Análise de features removida do escopo.
Endpoint removido
/artists?ids= removido (fev/2026)
O endpoint de busca em lote de artistas foi removido em fevereiro de 2026. Impossível buscar múltiplos artistas em uma única chamada.
→ Coleta individual via /artists/{id} com loop + rate limiting. Aumento do número de chamadas à API, mas coleta mantida.
Dado fora da API
Financials e geo não disponíveis via API
MAU, receita, margem bruta e distribuição geográfica são dados corporativos não expostos via API pública.
→ Extração manual dos Shareholder Letters (investors.spotify.com) e inserção direta no BigQuery via DataFrame Python.
Qualidade de dados
Campos followers e popularity zerados
Após as mudanças de fev/2026, os campos followers e popularity pararam de retornar via /search. Todos os valores chegavam como 0.
→ Curadoria manual com dados públicos verificados para os 339 artistas coletados. Valores conferidos com fontes abertas.
