ציון ויראליות לפני הפרסום

כל צוות סושיאל היה רוצה לדעת, לפני הפרסום, אם קליפ יתפשט. Higgsfield, פלטפורמת הווידאו מבוססת הבינה המלאכותית, מציעה עכשיו תשובה בין האפליקציות שלה. מעלים קליפ של עד 15 שניות, וה־Virality Predictor שלה מחזיר ציון ויראליות, את השנייה שבה ההוק מגיע לשיאו, שיעור החזקה ומפת חום של אזורי המוח שהקליפ אמור להפעיל.

הרעיון מושך והמסך נראה מדעי. הנה מה ש־Higgsfield טוענת, מה היא פרסמה על אופן הפעולה של הכלי, מה המחקר אומר על חיזוי ויראליות, ואיך ציון משתווה לבדיקה על אנשים אמיתיים.

מה היא טוענת

עמוד המוצר מבטיח "קריאה ממודלת של השאלה אם הקליפ שלכם עוצר את הגלילה או מאבד אותה". השיטה מתוארת במשפט אחד: "קהל ממודל צופה בזמן שאנחנו ממפים את התגובה המוחית לאורך ראייה, צליל, זיכרון, קשב, שפה." מפת החום, במילות העמוד, מראה "בדיוק אילו אזורים במוח הקליפ שלכם מפעיל".

הציון מוצג בביטחון: "לא ניחוש, לא תחושת בטן", ו"הדבר הקרוב ביותר להקרנת מבחן לפני שאתם לוחצים על פרסום."

מה פורסם, ומה לא

Higgsfield לא אומרת איזה מודל עומד מאחורי הציון, על אילו נתונים הוא אומן, או איך הציונים שלו משתווים לצפיות, לזמן הצפייה או לשיתופים האמיתיים של קליפים שפורסמו. לא מצאנו נתוני דיוק ולא מחקר תיקוף. עד שאלה יהיו קיימים, הטענה שציון מנבא ויראליות אינה מוכחת.

אוצר המילים מצביע על תחום מחקר מוכר. מודלי קידוד מוחי לומדים לחזות איך המוח מגיב לווידאו מתוך סריקות של אנשים שצופים בסרטונים. TRIBE, שפורסם ביולי 2025, חוזה תגובות fMRI של המוח כולו לווידאו, וזכה בתחרות Algonauts 2025. מודלים כאלה מעריכים איך אזור מוח ממוצע מגיב. זו שאלה אחרת מהשאלה אם זרים יעצרו, יצפו וישתפו.

יש ראיות לכך שמוחות אמיתיים נושאים אותות שימושיים. במחקר שפורסם ב־PNAS ב־2020 סרקו חוקרים 40 אנשים בזמן שצפו בסרטונים. הפעילות בשני אזורים בתחילת כל סרטון חזתה באיזו תדירות ולכמה זמן נצפו אותם סרטונים ב־YouTube, מעבר למדדים המקובלים. התוצאה הזו הגיעה מסורקים אמיתיים ומאנשים אמיתיים, על כמה עשרות סרטונים. קהל ממודל רחוק מזה בצעד נוסף.

למה ויראליות מתחמקת מחיזוי

הבעיה העמוקה יותר היא שהצלחה מתפשטת באופן חברתי. בניסוי ידוע שפורסם ב־Science ב־2006, 14,341 משתתפים הורידו שירים לא מוכרים, וחלקם יכלו לראות מה אחרים בחרו. ההשפעה החברתית הפכה את ההצלחה גם לבלתי שוויונית יותר וגם לפחות צפויה. החוקרים כתבו ש"השירים הטובים ביותר כמעט אף פעם לא הצליחו רע, והגרועים ביותר כמעט אף פעם לא הצליחו טוב, אבל כל תוצאה אחרת הייתה אפשרית."

מחקר על מפלי שיתופים ב־Twitter שהוצג ב־2016 מצא שאפילו המודלים הטובים ביותר, עם נתונים נרחבים על משתמשים, תוכן וביצועי עבר, הסבירו "פחות ממחצית מהשונות בגודל המפלים", וטען שגם נתונים בלתי מוגבלים לא יסירו את המגבלה הזו. מה שכן עובד הוא לעקוב אחרי ההתפשטות המוקדמת. מחקר מוקדם יותר מצא שהשאלה אם מפל ימשיך לגדול נעשית צפויה יותר "ככל שאנחנו רואים יותר מהשיתופים החוזרים שלו". המנבא הטוב ביותר להגעה של קליפ הוא הקהל האמיתי הראשון שלו.

מה ציון יכול לעשות, ומה לא

בשימוש זהיר, ציון כזה עדיין יכול לעזור. הוא יכול לסמן פתיחה איטית, להראות את השנייה שבה הקשב עלול לצנוח, ולשמש מסנן ראשון מהיר בין שתי גרסאות עריכה של אותו קליפ. כסיבה להסתכל מקרוב, הוא עולה מעט.

הוא לא יכול להכיר את הקהל שלכם, את התזמון שלכם, את מה שעוד נמצא בפיד באותו יום, או אם ההוק מתאים למותג שלכם. ציון ויראליות אינו הסתברות ואינו תחזית צפיות. ואם כל צוות ממטב לאותו ציון, כל פיד מתמלא באותם הוקים, ולדעתנו זה ההפך ממה שגורם לקליפ לבלוט. אפילו Higgsfield כותבת שיותר תפוקה "לא מכריעה את התוצאה לבדה".

בדיקה על אנשים אמיתיים

בדיקות אמיתיות מובנות היום בתוך הפלטפורמות. מבחני A/B של Meta מציגים כל גרסה של מודעה לחלק נפרד של הקהל ומוודאים ש"אף אחד לא רואה את שתיהן", ואז משווים את התוצאות לפי עלות לתוצאה. YouTube מאפשרת ליוצרים לבדוק עד שלוש כותרות ותמונות ממוזערות על סרטון אחד, שופטת אותן לפי נתח זמן הצפייה, ומכריזה על מנצחת רק כשההבדל מובהק סטטיסטית. שתיהן מודדות מה באמת קרה.

כך בנוי Tempo. כל רעיון נוצר, נבדק ונבחן לגבי הסיכויים שלו לפני שאדם מאשר אותו, ואנחנו מתייחסים לבדיקה הזו כמסנן, לא כתחזית. מה שמכריע את החודש הבא הוא איך הפוסטים האמיתיים הצליחו, וזה זורם בחזרה לתוכנית. ציון ויראליות הוא שאלה טובה לשאול על קליפ. את התשובה נותן הקהל.