投稿前のバイラルスコア

どのソーシャルチームも、投稿する前に、そのクリップが広がるかどうかを知りたいと考えています。AI動画プラットフォームのHiggsfieldは、そのアプリの1つとして答えを用意しました。最長15秒のクリップをアップロードすると、Virality Predictorがバイラルスコア、フックが頂点に達する秒数、視聴維持率、そしてクリップが活性化させるとされる脳領域のヒートマップを返します。

発想は魅力的で、画面もいかにも科学的に見えます。ここでは、Higgsfieldが何をうたっているか、ツールの仕組みについて何を公開しているか、バイラル性の予測について研究が何を示しているか、そしてスコアが実際の人を対象にしたテストとどう違うのかを見ていきます。

うたっていること

製品ページは「クリップがスクロールを止めさせるのか、素通りされるのかを、モデルで読み解く」と約束しています。手法は一文で説明されています。「モデル化された視聴者が見ているあいだに、視覚、音、記憶、注意、言語にわたる脳の反応をマッピングします」。ページの言葉によれば、ヒートマップは「クリップが脳のどの領域を発火させているかを正確に」示します。

スコアは自信たっぷりに売り込まれています。「推測でも、雰囲気の確認でもありません」、そして「公開ボタンを押す前の試写会に、最も近いものです」。

公開されていること、いないこと

Higgsfieldは、スコアの背後にどのモデルがあるのか、どんなデータで学習したのか、そのスコアが公開済みクリップの実際の再生数、視聴時間、シェア数とどう比較されるのかを明らかにしていません。精度の数値も検証研究も見つかりませんでした。それらが示されるまでは、スコアがバイラル性を予測するという主張は証明されていません。

その語彙は、ある既知の研究分野を指しています。脳エンコーディングモデルは、動画を見ている人の脳スキャンから、脳が動画にどう反応するかを予測するよう学習します。2025年7月に発表されたTRIBEは、動画に対する全脳のfMRI反応を予測し、Algonauts 2025コンペティションで優勝しました。こうしたモデルが推定するのは、平均的な脳領域がどう反応するかです。見知らぬ人が手を止め、見て、シェアするかどうかとは別の問いです。

実際の脳が有用なシグナルを持っているという証拠はあります。2020年にPNASで発表された研究で、研究者たちは動画を見ている40人の脳をスキャンしました。各動画の冒頭における2つの領域の活動は、従来の指標を超えて、同じ動画がYouTubeでどれほど頻繁に、どれほど長く視聴されたかを予測していました。その結果は、実際のスキャナーと実際の人々から、数十本の動画で得られたものです。モデル化された視聴者は、そこからさらに一歩遠い存在です。

バイラル性が予測を拒む理由

より根本的な問題は、成功が社会的に広がることです。2006年にScienceで発表されたよく知られた実験では、14'341人の参加者が無名の曲をダウンロードし、その一部は他の人が何を選んだかを見ることができました。社会的な影響は、成功をより不平等に、そしてより予測しにくくしました。著者たちは「最良の曲がひどく振るわないことはまれで、最悪の曲がうまくいくこともまれだったが、それ以外のどんな結果も起こりえた」と書いています。

2016年に発表されたTwitterのカスケードに関する研究は、ユーザー、コンテンツ、過去の実績についての豊富なデータを使った最良のモデルでさえ、「カスケードの規模のばらつきの半分未満」しか説明できないことを示し、データが無制限にあってもその限界はなくならないと論じました。実際に機能するのは、初期の広がりを観察することです。それ以前の研究では、カスケードが成長を続けるかどうかは「リシェアをより多く観察するほど」予測しやすくなることがわかっています。クリップのリーチを最もよく予測するのは、その最初の実際の視聴者です。

スコアにできること、できないこと

慎重に使えば、こうしたスコアにも役立つ場面はあります。出だしが遅いことを指摘し、注意が落ちそうな秒数を示し、同じクリップの2つの編集版のあいだで手早い最初のふるいとして機能します。より詳しく見るためのきっかけとしてなら、コストはわずかです。

しかし、スコアには、その視聴者、投稿のタイミング、その日のフィードにほかに何が流れているか、フックがブランドに合っているかはわかりません。バイラルスコアは確率でも再生数の予測でもありません。そして、すべてのチームが同じスコアに向けて最適化すれば、どのフィードも同じフックで埋まります。私たちの見るところ、それはクリップを際立たせるものとは正反対です。Higgsfield自身も、出力が増えても「それだけで結果を決めるわけではない」と書いています。

実際の人で試す

実際のテストは、いまやプラットフォームに組み込まれています。MetaのA/Bテストは、広告の各バージョンを視聴者の別々の部分に表示し、「誰も両方を見ない」ようにしたうえで、成果あたりのコストで結果を比較します。YouTubeでは、クリエイターが1本の動画で最大3つのタイトルとサムネイルをテストでき、総再生時間に占める割合で判定し、差が統計的に有意な場合にのみ勝者を決めます。どちらも、実際に起きたことを測定します。

Tempoはそのように設計されています。どのアイデアも、人が承認する前に作成され、テストされ、見込みが確認されます。私たちはその確認を、予測ではなくふるいとして扱います。翌月を決めるのは、実際の投稿がどんな成果を上げたかであり、その結果は計画に反映されます。バイラルスコアは、クリップに投げかける問いとしては良いものです。答えを出すのは視聴者です。