アルゴリズムの秘密を主張せずに YouTube Shorts アイデアをテストする

開始前にビューアタスクを作成する

視聴者が何を必要としているかを一文で説明します。賃貸人に焦点を当てた架空の短編では、取り外し可能な引き出しの仕切りが滑らないようにする方法をデモンストレーションする可能性があります。 「視聴回数を増やす」というのはあなたの目的ですが、それは視聴者の問題ではありません。このタスクでは、映像にどのような証拠が含まれているのか、また何を削除できるのかが示される必要があります。

明確に示せる答えを 1 つ選択してください。引き出し、滑りやすい仕切り、実際の調整を独自の素材を使用して撮影します。結論が引き出しの深さまたは特定の表面に依存する場合は、その状態を可視化します。実行時間が短いからといって、アドバイスの有用性を変える条件を隠すことは許されません。

証拠を知った後でのみ冒頭の草案を作成してください。オプションの 1 つは、修正に名前を付ける前に分割線の移動を表示することです。別の例では安定した結果が示され、元の問題がすぐに実証される可能性があります。これらは、テストするための創造的な代替案であり、すべての視聴者がどのオープニングで報酬を得るかを決めるルールではありません。

公開参照を使用して観察結果を収集する

関連するキーワードとビデオ タイプ フィルターを使用して ShortsMonkey を検索し、公開日、公開数、チャネル サイズ、観測日を記録します。ソースリンクはそのままにしておきます。すべてのショート動画を合計再生回数でランク付けするのではなく、同様のトピックと年齢の候補者を比較します。制作概要を書く前に、実際のビデオを見てください。

問題がいつ現れるか、デモンストレーションがどのように組み立てられるか、結果がナレーションなしで理解できるかどうか、作成者がどのような状況を説明するかなど、目に見えるものを記録します。次に、考えられる解釈を個別に書きます。 「結果は最初のショットで現れる」は観察です。 「その方がメリットが明確になる」というのは仮説です。

高い V/S 比率は、記録された購読者数に対する視聴回数を表します。競合他社の継続視聴率、完了率、維持率曲線を提供することはできません。通常の結果でも関連する参考文献を検索します。両方のグループに同じ始まりがあるのを見ると、それを普遍的な説明と呼ぶことに慎重になるはずです。

指標と質問を一致させる

自分が所有しているチャネル、または管理を許可されているチャネルの場合は、利用可能な YouTube Studio レポートを使用します。 YouTube は、分析においてパブリック Shorts ビューとエンゲージメント ビューを区別し、視聴者がスワイプせずに視聴した視聴機会の割合として視聴継続を説明します。アップロードを比較する前に、現在の定義と選択したレポート期間を読んでください。

これらのレポートは、視聴エクスペリエンスのさまざまな部分に対応します。高い公開数を深い注目の証拠として扱ったり、保持率を分布の完全な説明として扱ったりしないでください。すべての値の横にフィールド名とソースを記録します。レポートが入手できない場合は、公的調査ツールから推定値を借用するのではなく、レポートに欠落マークを付けてください。

創造的な質問に関連する証拠を選択してください。オープニングの実験では、聴衆がデモンストレーションに到達するかどうか、またオープニングがタスクを正確に確立しているかどうかを検査します。定性的なコメントは慎重に検討してください。有益なコメントは質問を示唆する可能性がありますが、少数のコメントがすべての視聴者の経験を表すことはできません。

オリジナルの映像を使って限定的な実験を行う

公開する前に仮説を書きます。デバイダーの例では、滑りの問題をすぐに示すことで、調整が理解しやすくなる可能性があります。オープニングプラン、映像条件、おおよその制作工数、選択したレビュー間隔を保存します。この記録があると、好ましい結果を見た後できちんとした説明を考え出すことができなくなります。

今後の動画では、可能な限り、視聴者とタスクの種類を合理的に一貫させてください。プロダクションで許可されている場合は、クリエイティブ上の主要な選択を一度に 1 つずつ変更します。実際のチャンネルのアップロードはトピック、タイミング、配信が異なるため、これは通常、管理された実験ではなく観察的なコンテンツ テストになります。残った差異を記録します。

実験室の条件を模倣するためだけにマイナーなコピーをアップロードしないでください。各ビデオに、独自の証拠を添えて、有益な質問に明確に答えるようにします。同じ映像や主張を繰り返すことなく、関連するデモンストレーション間で結果優先のオープニングを比較できます。視聴者は、公開するすべてのバージョンから価値を受け取る必要があります。

配布を非難する前に明確さを検査する

予定されたレビュー時間に、小さな画面でショート動画を視聴します。誰かが問題を特定し、アクションを実行し、結果を確認できるでしょうか?デモンストレーションに説得力を持たせる詳細を説明するキャプションはありますか?ナレーションは、写真では決して示されていない状態を紹介しますか?これらは修正できる具体的な編集上の問題です。

次に、独自のアップロードに利用できる分析を調べます。同じような年齢の関連動画を比較し、不確実性を可視化します。結果には、視聴者の露出の違いやクリエイティブの違いが反映される場合があります。 1 回のアップロードが弱いからといって、プラットフォームがあなたのトピックを嫌っている、または 1 回のオープニングが成功することが秘密のルールであるなどと結論付けないでください。

証拠が開始時の混乱を示唆している場合は、新しいオリジナル作品で設定を短縮するか明確にしてください。視聴者がデモに到達しても答えが不十分な場合は、テスト自体を改善します。編集を高速化しても、視聴者が知っておくべきことを示す代わりにはなりません。

学習ログと停止ルールを保管する

各サイクルの後に、観察したこと、どの説明がもっともらしいか、何が矛盾したか、そして次の行動を書きます。有用な失敗をログに記録します。鮮明に撮影するのが難しいフォーマットや、入手できない証拠が必要なフォーマットにさらに 1 週​​間費やす必要がなくなります。

新しい検索で同じパターンが繰り返される場合は、参照の収集を停止します。利用できないアクセスや実証できない結論に依存している場合は、コンセプトを保留します。実際の視聴者の問題に答える、最小のオリジナルの実験を続けます。永続的な利点は、アルゴリズムの秘密を主張する必要がなく、自分の作業から学習できる反復可能な方法です。