YouTube-ThumbnailThumbnail-Analyse

Was YouTube-Thumbnails mit hohem Score gemeinsam haben

Was ein hoher Thumbnail-Score belohnt, was ein Test mit 321 Paaren zu Lesbarkeit und Botschaft ergab, und eine kurze Checkliste für Ihr eigenes Thumbnail.

Geprüft von Montero

Softwareentwicklung, baut ThumbSignalSo entstehen sie

8. September 20268 Min. Lesezeit
Was YouTube-Thumbnails mit hohem Score gemeinsam haben
Auf dieser Seite

Fragt man, was die besten YouTube-Thumbnails gemeinsam haben, bekommt man meist dieselben drei Antworten: Sie lassen sich auf einen Blick erfassen, sie haben ein klares Motiv und sie kommen mit sehr wenig Text aus. Diese Antworten stimmen, beschreiben aber eine Untergrenze und nicht das, was ein Thumbnail gewinnen lässt. Dieser Artikel trennt beides, anhand der Scores von 642 echten Thumbnails aus einem veröffentlichten Test und einer kurzen Checkliste, die Sie auf Ihr eigenes anwenden können.

Wichtigste Erkenntnisse

  • Ein lesbares Thumbnail ist die Mindestvoraussetzung. Bei 642 echten Thumbnails etablierter Kanäle lag der Lesbarkeits-Score nur zwischen 85 und 95, sodass die Lesbarkeit allein fast nichts getrennt hat.
  • In 321 Paaren desselben Kanals betrafen die Faktoren, die das Video, das den Kanaldurchschnitt übertraf, am stärksten vom unterdurchschnittlichen unterschieden, die Botschaft: Klarheit des Versprechens, Angst, etwas zu verpassen, und Dringlichkeit.
  • Jeder Unterschied war klein, ein paar Punkte auf einer Skala von 0 bis 100. Der Score ist ein bescheidenes Signal, keine Prognose von Aufrufen.
  • Kanäle, die für jeden Upload dieselbe Vorlage verwenden, boten dem Score nichts zum Trennen: 48,7 % Trefferquote bei ihnen, gegenüber 61,0 % bei den übrigen.
  • Wir haben keine visuellen Merkmale an einer Bildmenge ausgezählt, daher sagt nichts hier „X % der Top-Thumbnails tun Y“.

Was haben Thumbnails mit hohem Score tatsächlich gemeinsam?

Sie erfüllen dieselbe Grundlage. Ein Thumbnail mit hohem Score ist in der Größe lesbar, in der es im Feed erscheint, gibt dem Auge einen einzigen Ankerpunkt, beschränkt den Text auf wenige große Wörter und passt zum Titel, statt ihn zu wiederholen. Der Score prüft das über seine Faktoren Thumbnail-Lesbarkeit und Kohärenz, und ein Thumbnail, das hier durchfällt, fällt schnell auf.

Was wir Ihnen nicht sagen können, ist, wie viele der Top-Thumbnails jedes Merkmal teilen. Dafür bräuchte man eine beschriftete Bildmenge, in der jemand jedes Bild nach Kontrast, Blickpunkt und Wortanzahl codiert, und die haben wir nicht aufgebaut. Was wir haben, ist echt: Scores für 642 Thumbnails, die unten beschrieben werden.

Was der Score betrachtet

Der Score liest Thumbnail und Titel gemeinsam und bewertet zwölf Faktoren auf einer Skala von 0 bis 100. Zwei betreffen direkt das Bild: wie lesbar es in kleiner Größe ist und wie gut es zum Titel passt. Die übrigen betreffen die Botschaft, die das Paar sendet, etwa wie klar das Versprechen des Videos formuliert ist, wie viel Neugier es weckt und wie viel Dringlichkeit es vermittelt. Der Leitfaden zu den zwölf Faktoren erklärt jeden einzelnen.

Trennt die Lesbarkeit gute von schlechten Thumbnails?

Nicht bei etablierten Kanälen. Im Test lag die Thumbnail-Lesbarkeit bei allen 642 Videos zwischen 85 und 95, mit einem Median von 92. Videos, die den Durchschnitt ihres Kanals übertrafen, erreichten im Mittel 91,0, Videos darunter 90,2. Ein Abstand von 0,8 Punkten ist viel zu klein, um darauf zu reagieren.

Der Grund ist einfach. Kanäle, die seit Jahren hochladen, haben längst gelernt, lesbare Thumbnails zu machen, sodass die verglichenen Paare auf beiden Seiten fast alle lesbar waren. Die Lesbarkeit hörte auf, den Unterschied zu machen, weil alle sie erfüllten. Für einen neuen Kanal sieht das anders aus: Diese Untergrenze zu verfehlen ist weiterhin der wahrscheinlichste Grund, warum ein Thumbnail nicht angeklickt wird. Die ausführlichere Behandlung steht in unserem Artikel über Lesbarkeit als Mindestvoraussetzung.

Was unterschied die Videos, die den Durchschnitt ihres Kanals übertrafen?

Der Test bildete 321 Paare aus Videos desselben Kanals, im Median sechs Tage nacheinander veröffentlicht: eines, das den Durchschnitt seines Kanals klar übertraf, und eines, das klar dahinter zurückblieb. Der Vergleich innerhalb eines Kanals neutralisiert Publikumsgröße, Budget und Designkönnen. Die Tabelle zeigt die vier Faktoren mit dem größten Abstand zwischen den beiden Gruppen, ausgedrückt als Cohens d, ein standardisiertes Effektmaß, bei dem etwa 0,2 klein und 0,5 mittel ist.

FaktorVideos mit besserer Leistung (Mittelwert)Schwächere Videos (Mittelwert)Unterschied (d)
Versprechen-Klarheit75,771,40,31
FOMO64,860,70,30
Dringlichkeit44,641,10,24
Thumbnail-Lesbarkeit91,090,20,21

Wie man die Abstände liest

Lesen Sie das Muster, nicht die Nachkommastellen. Die größten Abstände gehören zu Faktoren darüber, was das Video verspricht und warum man es jetzt ansehen sollte, nicht dazu, wie das Bild gezeichnet ist. Jeder Effekt ist klein, und der vollständige Vergleich mit dreizehn Zeilen samt den dazugehörigen Kontrollen steht auf der Seite zu Methode und Belegen.

Wie prüfen Sie ein Thumbnail an dieser Grundlage?

Machen Sie die Grundlage zu einer schnellen Routine vor dem Veröffentlichen. Sie dauert wenige Minuten und fängt die Fehler ab, die am meisten kosten.

  1. Verkleinern Sie das Thumbnail auf etwa die Größe, in der es im Handy-Feed erscheint, und sehen Sie es zwei Sekunden lang an.
  2. Benennen Sie das eine, worauf Ihr Blick gefallen ist. Können Sie keins nennen oder nennen Sie drei, vereinfachen Sie.
  3. Zählen Sie die Wörter. Behalten Sie nur die, die etwas hinzufügen, was der Titel nicht schon sagt.
  4. Lesen Sie Thumbnail und Titel zusammen und fragen Sie sich, was das Video verspricht. Braucht die Antwort mehr als einen Satz, ist das Versprechen unklar.
  5. Bewerten Sie das Paar mit dem kostenlosen Thumbnail- und Titel-Analysator und beginnen Sie mit dem niedrigsten Faktor, den er meldet.

Ändern Sie jeweils nur eine Sache und bewerten Sie erneut. Fünf Änderungen auf einmal verraten Ihnen nichts darüber, welche geholfen hat.

Wann kann ein Thumbnail, das die Grundlage verfehlt, trotzdem funktionieren?

Wenn das Publikum schon weiß, was es erwartet. Ein Kanal mit treuer Community kann ein dichtes oder ungewöhnliches Thumbnail veröffentlichen und trotzdem angeklickt werden, weil die Zuschauer auf den Kanal reagieren, nicht auf das Bild. Der Test zeigt das Spiegelbild davon. Bei fünf Kanälen, die für jeden Upload dieselbe Vorlage verwenden (39 Paare), reihte der Score das bessere Video nur in 48,7 % der Fälle zuerst ein, also zufällig. Bei den übrigen 282 Paaren gelang das in 61,0 % der Fälle. Wenn alle Thumbnails gleich aussehen, gibt es in der Verpackung wenig zu lesen.

Kontext jenseits des Bildes spielt auf dieselbe Weise eine Rolle: Thema, Zeitpunkt und ob ein Video Menschen außerhalb der Plattform erreicht hat, bewegen die Aufrufe alle stärker als ein Thumbnail.

Bedeutet ein hoher Score mehr Klicks?

Nicht bei einem einzelnen Video. Über die 321 Paare reihte der Score das leistungsstärkere Video in 59,5 % der Fälle höher ein, gegenüber 50 % beim Münzwurf, mit einem 95-%-Konfidenzintervall von 53,9 % bis 64,9 %. Das ist ein echter und bescheidener Effekt, und etwa vier von zehn Paaren wurden nicht korrekt eingeordnet, Gleichstände eingeschlossen. Nutzen Sie den Score, um die schwächste Stelle eines Thumbnails zu finden, und einen A/B-Test, wie er in unserem Leitfaden zum Testen von Thumbnails beschrieben ist, um herauszufinden, was Ihr eigenes Publikum bevorzugt. Der vollständige Bericht zum Test mit 321 Paaren enthält Methode und Kontrollen.


Korrektur, 6. Oktober 2026. Eine frühere Version dieses Artikels präsentierte Daten, die nicht erhoben worden waren. Er wurde auf Grundlage der veröffentlichten Ergebnisse unseres Tests mit 321 Paaren neu geschrieben. Die Liste der Korrekturen steht auf der Seite zu Methode und Belegen.

Quellen

Häufig gestellte Fragen

Haben die besten YouTube-Thumbnails wirklich gemeinsame Merkmale?

Sie teilen eine Grundlage: in kleiner Größe lesbar, ein klares Motiv, wenig Text und Übereinstimmung mit dem Titel. Wir haben nicht gemessen, wie viele Top-Thumbnails jedes Merkmal zeigen, daher können wir keinen Prozentsatz nennen. Bei etablierten Kanälen ist diese Grundlage nahezu allgemein, weshalb sie wenig trennt.

Was ist der wichtigste Faktor bei einem Thumbnail?

Es gibt nicht den einen. Bei einem neuen Kanal fehlt am ehesten die Lesbarkeit. Bei den etablierten Kanälen in unserem Test trennten Klarheit des Versprechens, Angst, etwas zu verpassen, und Dringlichkeit die leistungsstärkeren von den schwächeren Videos am deutlichsten, jeweils mit kleinem Abstand.

Sollte ich immer den höchstmöglichen Score anstreben?

Nein. Ein hoher Score bedeutet, dass das Thumbnail mehr der Prüfungen besteht, nicht dass es angeklickt wird. Beheben Sie zuerst den niedrigsten Faktor und hören Sie dann auf. Wer die letzten Punkte jagt, macht Thumbnails tendenziell einander ähnlich, und diese Gleichförmigkeit gab dem Score bei den Vorlagenkanälen in unserem Test nichts zu lesen.

Beruht ein Thumbnail-Score auf echten Klickdaten?

Nein. Der Score ist die Lesart eines Modells von Thumbnail und Titel. Wir haben ihn in einem vorab registrierten Test mit 321 Paaren an der realen Leistung geprüft, wo er das bessere Video in 59,5 % der Fälle höher einordnete, aber er verwendet nicht die Klickrate Ihres Kanals.

Kann ich die Belege hinter diesen Zahlen sehen?

Ja. Die Seite zu Methode und Belegen legt dar, wie der Test aufgebaut war, das Ergebnis, die vier Kontrollen und die Grenzen, einschließlich dessen, was sich von außen nicht überprüfen lässt.

Illustriertes Porträt von Montero

Wer diese Artikel prüft

Montero

Softwareentwicklung, baut ThumbSignal

Begeistert sich für Content-Erstellung in all ihren Facetten: die Idee, das Skript, das Video, dazu Thumbnail und Titel, die den Klick holen. Entwickelt ThumbSignal von Grund auf, vom Bewertungsmodell und der KI-Pipeline bis zur Cloud-Infrastruktur dahinter, und führt die Studien durch, die den Score an echten YouTube-Klickdaten überprüfen.

  • Content-Erstellung
  • TypeScript und Next.js
  • AWS
  • Vision-Language-Modelle
  • Studiendesign