В статье представлен комплексный обзор современных методов исследования популярности музыкальных произведений, включая статистические, временные и нейросетевые подходы. Рассматриваются регрессионные модели с фиксированными эффектами, модели выживания, нестационарные пуассоновские процессы и системы уравнений Лотки-Вольтерры, а также алгоритмы STL-декомпозиции и нейронные сети (LSTM-RPA). Обсуждаются их преимущества и ограничения в анализе динамики прослушиваний, влияния плейлистов и конкурентного взаимодействия жанров. Основное внимание уделено анализу их преимуществ и недостатков в контексте поставленных задач - прогнозирования долгосрочных изменений в популярности композиций, оценки влияния плейлистов и динамики конкуренции жанров. На основании проведённого анализа автор приходит к выводу, что для прогнозирования наиболее эффективно применение моделей LSTM-RPA благодаря их способности минимизировать накопление ошибок. Авторский вклад заключается в предложении нового подхода: адаптации гибридной методики, объединяющей нейросетевые модели и временные ряды, для учёта контекстуальных факторов, таких как влияние социальных трендов и маркетинговой активности, что позволяет существенно повысить универсальность и точность прогнозов.