اختبارنا لدرجة الصورة المصغرة على 321 فيديو حقيقي

لا تُعد درجة الصورة المصغرة ذات قيمة إلا إذا كانت تعكس ما يحدث فعليًا على YouTube. لذا أجرينا اختبارًا كان يمكن أن يُحرجنا: 321 زوجًا مطابقًا من الفيديوهات الحقيقية، كل زوج من نفس القناة، أحدهما تفوق على متوسط القناة والآخر لم يفعل. كتبنا الطريقة قبل أن ننظر إلى أي منها. اختارت الدرجة الفيديو الأفضل أداءً بنسبة 59.5%، مقارنةً بفرصة 50% عند رمي عملة.

النتائج الرئيسية

• في 321 زوجًا، رتبت الدرجة الفيديو الأفضل أداءً في المرتبة الأعلى بنسبة 59.5% (p = 0.00079). الفرصة هي 50%.
• مقارنة الفيديوهات عبر قنوات مختلفة تقيس عدد المشتركين، وليس التغليف — كل زوج هنا جاء من قناة واحدة، نُشرت بفارق متوسط ستة أيام.
• في القنوات التي تتبع كل صورة مصغرة فيها نفس القالب، انخفضت الدقة إلى 48.7%. هذا هو الناتج الذي أردناه: لا توجد اختلافات يمكن قراءتها، ولا إشارة يمكن العثور عليها.
• أربعة قواعد بسيطة — عنوان أطول، كلمات أكثر، ملف أكبر، تباين أعلى — كلها وصلت إلى مستوى الفرصة. الدرجة ليست بديلاً عن أي منها.
• كلما زاد الفرق الذي وضعه النموذج بين فيديوهين، زادت نسبة صحته: 56% عند فرق 1-3 نقاط، و76.5% عند 15 نقطة أو أكثر.

هل تتنبأ درجة الصورة المصغرة على YouTube فعليًا بالأداء؟

في هذا الاختبار، نعم — بشكل متواضع وقابل للقياس. عند إعطاء فيديوهين من نفس القناة، أحدهما تفوق بوضوح على متوسطه الخاص والآخر لم يفعل، رتبت درجتنا الفيديوهات بشكل صحيح بنسبة 59.5%. الفرصة هي 50%. يمتد مدى الثقة 95% من 53.9% إلى 64.9%، لذا فإن التأثير حقيقي لكنه صغير.

الصغير هو الإجابة الصادقة، وأي شخص يدّعي أكثر فهو يبيع شيئًا. التغليف هو أحد المدخلات بين العديد. الموضوع، توقيت الرفع، مزاج الخوارزمية في ذلك الأسبوع، ما إذا تم انتشار الفيديو في مكان ما خارج المنصة — كل ذلك يؤثر على المشاهدات أكثر من الصورة المصغرة. درجة تدّعي دقة 90% ستكون تصف YouTube غير موجودة.

ما يعنيه 59.5% عمليًا: إذا كنت تختار بين خيارين لنفس الفيديو، فإن الدرجة أفضل من التخمين، وهي أكثر فائدة كلما فضّلت أحدهما بقوة أكبر.

لماذا لا تخبرك مقارنة الصور المصغرة عبر القنوات بشيء

النسخة الواضحة من هذا الاختبار هي تقييم دفعة من الصور المصغرة وربط الدرجات بعدد المشاهدات. هذا يقيس حجم القناة. المشاهدات تُدفع بواسطة عدد المشتركين، الموضوع وعمر الفيديو أكثر بكثير من التغليف، والخلط يسير في الاتجاه المُمَدح: القنوات الكبيرة تستطيع تحمل مصممين جيدين و لديها جمهور كبير.

أجرِ هذا الاختبار وستحصل على ارتباط إيجابي لطيف لا يعني شيئًا. سيصمد أمام قارئ واحد متشكك فقط.

ما الذي يجب أن يبقى ثابتًا في مقارنة عادلة

مقارنة فيديوهين من نفس القناة تلغي عدد المشتركين، الجمهور، الميزانية والكفاءة التصميمية في خطوة واحدة، لأن كل الأربعة متطابقة داخل الزوج. اشتراط أن يُنشر الاثنان قريبين من بعضهما يلغي أيضًا مسار نمو القناة ونظام الخوارزمية في تلك الفترة.

ما يبقى هو سؤال له إجابة معروفة تحت الفرضية الصفرية: بالنظر إلى فيديوهين عاملهما جمهور القناة بشكل مختلف جدًا، هل يمكن للدرجة أن تحدد أي منهما؟

كيف بنينا اختبارًا عادلًا على 321 زوجًا مطابقًا

أخذنا 60 قناة عبر ست فئات — التكنولوجيا، التعليم، الطبخ، الألعاب، اللياقة البدنية ونمط الحياة — وجلبنا ما يصل إلى 300 تحميل حديث من كل منها. بعد الاستبعادات، بقي 17,250 فيديو تم النظر فيه و321 زوجًا قابلاً للاستخدام. كل زوج من نفس القناة، نُشر بفارق متوسط ستة أيام، مع تفوق الفيديو الأفضل على الأسوأ بمعدل متوسط 4.7.

يتم قياس الأداء مقابل متوسط محلي متحرك، وليس متوسط القناة ككل. لكل فيديو نأخذ متوسط المشاهدات لعشرة تحميلات مجاورة له من كلا الجانبين، باستثناء نفسه، ونعبّر عن مشاهداته كمضاعف لذلك. كانت القناة التي نمت خمسة أضعاف خلال عامين ستعتبر كل فيديو مبكر فشلًا وكل فيديو حديث نجاحًا — قياس التقويم، وليس التغليف.

تم تحديد قواعد التزاوج مسبقًا:

1. يأتي كلا الفيديوهين من نفس القناة، ويظهر كل فيديو في زوج واحد على الأكثر.
2. نُشرا خلال 120 يومًا من بعضهما البعض.
3. تفوق الفيديو الأفضل على الأسوأ بعامل لا يقل عن اثنين، بحيث يعني "أفضل" و"أسوأ" شيئًا بدلاً من وصف الضوضاء.
4. لا تساهم أي قناة بأكثر من ثمانية أزواج، حتى لا يهيمن مُنشِر واحد مثمر على العينة.

تم استبعاد الفيديوهات القصيرة، وبثوث مباشرة، ومقاطع أصغر من 45 يومًا، وأي شيء يزيد عن عامين. رأت الدرجة صورة مصغرة وعنوانًا — تمامًا كما يتلقى الأداة من المستخدم — ولا شيء عن عدد المشاهدات أو أي جانب من الزوج تنظر إليه.

ما الذي أصابته الدرجة، وكم مرة

اختار النموذج الفيديو الأفضل أداءً في 191 من 321 زوجًا: 59.5%، مع قيمة p ثنائية دقيقة 0.00079 مقابل فرضية صفرية 50%. عاد 17 زوجًا كتعادلات دقيقة، وتم حساب كل منها كفشل بدلاً من تقسيمه أو حذفه، لأن درجة لا تستطيع التمييز بين مدخلين لم تُميّز بينهما.

حساب التعادلات كخسائر يجعل الرقم الرئيسي متحفظًا. نموذج لا يملك أي قدرة على الإطلاق سيحصل على حوالي 47.4% تحت هذا القاعدة، وليس 50%، لذا طلب الاختبار منا تجاوز حاجز أعلى قليلاً من مستوى الفرصة الحقيقي. بين 304 أزواج فصلها فعليًا، كان صحيحًا بنسبة 62.8% من الوقت.

تتبع الثقة الصحة

النمط الذي يجعل النتيجة تتصرف كقياس بدلاً من مصادفة: كلما زاد الفرق الذي وضعته الدرجة بين فيديوهين، زادت نسبة صحتها.

عند فرق 1-3 نقاط، كانت الدقة 56.0%. عند 4-7 نقاط، 64.1%. عند 8-14 نقاط، 63.2%. عند 15 نقطة أو أكثر، 76.5%. نموذج ينتج ضوضاءً سيظهر خطًا مستوًى عبر تلك الفئات. هذا النموذج يتحسن تدريجيًا كلما زادت ثقته، وهو السلوك الذي تريده ولا يمكن تزويره.

الضوابط الأربعة التي كان يمكن أن تثبت خطأنا

دراسة لا يمكن أن تفشل ليست دليلًا. حددنا أربعة ضوابط مسبقًا، كل منها قادر على إبطال العنوان، والتزمنا بنشر كل الأربعة مهما أظهرت. كل واحد سلوكه كما كان يجب أن يكون.

فحص القالب هو الأهم، ويجدر التوضيح لماذا. في القنوات التي تعيد استخدام تخطيط صورة مصغرة واحد لكل شيء، هناك تقريبًا لا شيء يمكن لنموذج بصري مقارنته. لو اختارت درجتنا الفائزين هناك بثقة، لكانت تقرأ هوية القناة أو عصر الرفع بدلاً من التغليف. حصلت على 48.7% في تلك القنوات و61.0% في كل مكان آخر. هذا الفرق هو الدليل الأقوى في الدراسة أن الشيء الذي يُقاس هو الشيء الذي ندّعيه.

أي أبعاد تقييم فصلت الفائزين عن الخاسرين

هذا الجزء استكشافي وليس تأكيدي، ويصف هذه العينة وليس YouTube بشكل عام. عند ترتيب اثني عشر فرعيًا للدرجات حسب مدى بعدها بين المجموعتين، جاء الفصل الأوضح من وضوح الوعود، يليه إشارة الخوف من فقدان الفرصة والطوارئ. لم يفصل الشدة العاطفية بينهما على الإطلاق.

يتناسب وضوح الوعود — مدى وضوح التغليف في إخبارك بما ستشاهده — مع ما بُنيت عليه جانب الرضا من النموذج. الجزء الأكثر إثارة للاهتمام هو أن أضعف فاصل هو الشدة العاطفية الخام: الشعور القوي في الصورة المصغرة لم يميز بين الأداء الزائد والناقص في هذه العينة، وهو ليس ما يفترضه معظم نصائح الصور المصغرة.

إذا أردت رؤية هذه الأبعاد على تغليفك الخاص بدلاً من التجميع، يمكنك تشغيل صورة مصغرة وعنوان عبر نفس خط التقييم الذي استخدمه هذا الدراسة — إنه نفس مسار الكود، وليس نسخة تجريبية منه.

ما لا يثبته هذا الاختبار

أربعة حدود، كلها كُتبت قبل وجود البيانات.

يختبر الدرجة، وليس النصيحة. ما إذا كان التصرف على عنوان مقترح يحسن فعليًا فيديو حقيقي هو تجربة مختلفة لم نجرها. إنه ملاحظي وليس سببيًا: لا شيء هنا يُظهر أن تغيير الصورة المصغرة يغيّر المشاهدات، فقط أن الدرجة مرتبطة بفرق موجود بالفعل.

يحدد العينة من ينطبق عليه الناتج

تم اختيار الأزواج بدقة لأنها اختلفت بشكل حاد في الأداء، لذا 59.5% يصف تلك المجموعة — الأداء الزائد الواضح مقابل الأداء الناقص الواضح — وليس أي فيديوهين مختارين عشوائيًا. كانت كل قناة راسخة، باللغة الإنجليزية، وكبيرة بما يكفي لامتلاك متوسط مستقر. لا شيء هنا يعمّم على قناة بها اثنا عشر تحميلًا ولا تاريخ يمكن قياسه ضده.

تم التقاط عدد المشاهدات في تاريخ واحد وتستمر في التراكم. كل شيء هو لقطة، والطريقة الصادقة لمعالجة لقطة هي أخذ لقطة أخرى لاحقًا.

الأسئلة الشائعة

هل دقة 59.5% جيدة لدرجة الصورة المصغرة؟

بالنسبة لإشارة تغليف واحدة مقابل نتائج العالم الحقيقي، نعم. تعتمد المشاهدات في الغالب على الموضوع، حجم الجمهور، التوقيت وحظ الخوارزمية، لذا لا يمكن لدرجة الصورة المصغرة والعنوان أن تفسر سوى شريحة. رقم أقرب إلى 90% سيشير إلى تسرب في تصميم الاختبار وليس نموذجًا أفضل. الإطار المفيد هو أنه يتفوق على التخمين، ويتفوق عليه بشكل أكثر حسمًا عندما يكون واثقًا.

لماذا لا نقارن درجات الصور المصغرة بعدد المشاهدات مباشرة؟

لأن ذلك يقيس حجم القناة. عدد المشتركين، الموضوع وعمر الفيديو يحركان المشاهدات أكثر بكثير من التغليف، والقنوات الأكبر تميل إلى امتلاك مصممين أفضل وجمهور أكبر — لذا يخرج الارتباط إيجابيًا لأسباب لا علاقة لها بالصورة المصغرة. مقارنة فيديوهين من نفس القناة تزيل كل ذلك في خطوة واحدة.

ما معنى أن التعادلات تم حسابها كفشل؟

حصل 17 زوجًا على درجات متطابقة من كلا الجانبين. بدلاً من تقسيمها أو إزالتها، وهو ما كان سيُجمّل النتيجة، تم تسجيل كل منها كخطأ. درجة لا تستطيع التمييز بين مدخلين لم تُميّز بينهما. هذا يجعل 59.5% المذكور أقل من ما كانت ستنتجه المعالجات البديلة.

هل تعني درجة صورة مصغرة أعلى المزيد من المشاهدات؟

لا. الدراسة تُظهر ارتباطًا عبر العديد من الأزواج، وليس وعدًا بأي فيديو واحد. تقريبًا أربعة من كل عشرة أزواج تم ترتيبها بطريقة خاطئة. التغليف هو أحد الأدوات بين عدة أدوات، ودرجة قوية لفيديو لا يريد أحد مشاهدته لن تنقذه.

كيف تم اختيار القنوات الـ60؟

بقاعدة ثابتة قبل جمع أي بيانات: قنوات معروفة على نطاق واسع ذات تاريخ طويل من الرفع، عشر في كل من ست فئات محتوى، تم اختيارها لتغطية الفئات وليس لأي شيء يتعلق بصورها المصغرة. تم تجميد القائمة وتسجيلها قبل بدء التقييم، حتى لا يمكن إضافة أو إزالة أي قناة بعد ظهور النتائج.

هل يمكنني رؤية المنهجية والتحقق منها بنفسي؟

تم كتابة التسجيل المسبق الكامل — الاستبعادات، قواعد التزاوج، الاختبار الأساسي، كل الضوابط الأربعة، والصياغة التي التزمنا بها مسبقًا لنتيجة صفرية — وتم وضع طابع زمني عليه قبل تقييم أي فيديو. تُبلغ النتائج الإجمالية هنا؛ لا يُعاد نشر بيانات الفيديو الأساسية، وفقًا لشروط واجهة برمجة تطبيقات YouTube.