Un punteggio di viralità prima di pubblicare
Il Virality Predictor di Higgsfield valuta una clip a partire da una risposta cerebrale modellata. Che cosa può dirvi il punteggio, che cosa no, e perché a decidere è ancora il pubblico reale.
Ogni team social vorrebbe sapere, prima di pubblicare, se una clip si diffonderà. Higgsfield, la piattaforma video basata sull’IA, ora offre una risposta tra le sue app. Caricate una clip fino a 15 secondi e il suo Virality Predictor restituisce un punteggio di viralità, il secondo in cui l’hook raggiunge il picco, un tasso di ritenzione e una mappa di calore delle regioni del cervello che la clip attiverebbe.
L’idea è allettante e la schermata ha un’aria scientifica. Ecco che cosa afferma Higgsfield, che cosa ha pubblicato su come funziona lo strumento, che cosa dice la ricerca sulla previsione della viralità e come si confronta un punteggio con un test su persone reali.
Che cosa promette
La pagina del prodotto promette «una lettura modellata che dice se la vostra clip si guadagna lo scroll o lo perde». Il metodo è descritto in una sola frase: «Un pubblico modellato guarda mentre mappiamo la risposta del cervello tra vista, udito, memoria, attenzione, linguaggio.» Secondo la pagina, la mappa di calore mostra «esattamente quali regioni del cervello attiva la vostra clip».
Il punteggio viene presentato con sicurezza: «Non un’ipotesi, non una sensazione a pelle», e «Quanto di più vicino a una proiezione di prova prima di cliccare su Pubblica.»
Che cosa è pubblicato, e che cosa no
Higgsfield non dice quale modello stia dietro il punteggio, su quali dati sia stato addestrato, né come i suoi punteggi si confrontino con le visualizzazioni, il tempo di visione o le condivisioni reali delle clip pubblicate. Non abbiamo trovato dati sull’accuratezza né studi di validazione. Finché non esisteranno, l’affermazione che un punteggio preveda la viralità resta non dimostrata.
Il vocabolario rimanda a un campo di ricerca noto. I modelli di codifica cerebrale imparano a prevedere come il cervello risponde ai video a partire dalle scansioni di persone che guardano video. TRIBE, pubblicato a luglio 2025, prevede le risposte fMRI dell’intero cervello ai video e ha vinto la competizione Algonauts 2025. Modelli come questi stimano come reagisce una regione cerebrale media. È una domanda diversa dal chiedersi se degli sconosciuti si fermeranno, guarderanno e condivideranno.
Ci sono prove che i cervelli reali portino segnali utili. In uno studio pubblicato su PNAS nel 2020, i ricercatori hanno sottoposto a scansione 40 persone mentre guardavano dei video. L’attività di due regioni all’inizio di ciascun video prevedeva quanto spesso e quanto a lungo gli stessi video venivano guardati su YouTube, al di là delle misure convenzionali. Quel risultato veniva da scanner reali e da persone reali, su qualche decina di video. Un pubblico modellato ne è ancora un passo più distante.
Perché la viralità sfugge alle previsioni
Il problema più profondo è che il successo si diffonde socialmente. In un noto esperimento pubblicato su Science nel 2006, 14'341 partecipanti hanno scaricato canzoni sconosciute, e alcuni di loro potevano vedere che cosa avevano scelto gli altri. L’influenza sociale ha reso il successo più diseguale e al tempo stesso meno prevedibile. Gli autori hanno scritto: «Le canzoni migliori raramente andavano male, e le peggiori raramente andavano bene, ma qualsiasi altro risultato era possibile.»
Uno studio sulle cascate di Twitter presentato nel 2016 ha rilevato che anche i modelli migliori, con ampi dati su utenti, contenuti e prestazioni passate, spiegavano «meno della metà della varianza nelle dimensioni delle cascate», e ha sostenuto che nemmeno dati illimitati eliminerebbero quel limite. Ciò che funziona è osservare la diffusione iniziale. Uno studio precedente ha rilevato che il fatto che una cascata continui a crescere diventa più prevedibile «man mano che osserviamo un numero maggiore delle sue condivisioni». Il miglior predittore della portata di una clip è il suo primo pubblico reale.
Che cosa può fare un punteggio, e che cosa no
Usato con attenzione, un punteggio come questo può comunque aiutare. Può segnalare un’apertura lenta, mostrare il secondo in cui l’attenzione potrebbe calare e fare da primo filtro rapido tra due montaggi della stessa clip. Come spunto per guardare più da vicino, costa poco.
Non può conoscere il vostro pubblico, il vostro tempismo, che cos’altro c’è nel feed quel giorno, né se l’hook si addice al vostro brand. Un punteggio di viralità non è una probabilità né una previsione delle visualizzazioni. E se ogni team ottimizza per lo stesso punteggio, ogni feed si riempie degli stessi hook, il che, a nostro avviso, è l’opposto di ciò che fa risaltare una clip. Persino Higgsfield scrive che più output «non decide da solo il risultato».
Testare su persone reali
I test reali sono ormai integrati nelle piattaforme. I test A/B di Meta mostrano ciascuna versione di un annuncio a una parte separata del pubblico e fanno in modo che «nessuno le veda entrambe», poi confrontano i risultati in base al costo per risultato. YouTube permette ai creator di testare fino a tre titoli e miniature su un video, li giudica in base alla quota del tempo di visione e designa un vincitore solo quando la differenza è statisticamente significativa. Entrambi misurano ciò che è davvero successo.
È così che è impostato Tempo. Ogni idea viene creata, testata e valutata nelle sue probabilità di successo prima che una persona la approvi, e consideriamo questa valutazione un filtro, non una previsione. A decidere il mese successivo è il rendimento dei post reali, che confluisce di nuovo nel piano. Un punteggio di viralità è una buona domanda da porre a una clip. La risposta la dà il pubblico.
