发布之前的病毒传播评分

每个社交媒体团队都希望在发布之前就知道一段短片能否传播开来。AI 视频平台 Higgsfield 如今在它的应用中给出了一个答案。上传一段最长 15 秒的短片，它的 Virality Predictor 就会返回一个病毒传播评分、钩子达到峰值的那一秒、一个留存率，以及一张热力图，显示这段短片据称会激活的大脑区域。

这个想法很诱人，界面看起来也很科学。下面来看 Higgsfield 声称了什么，它公布了哪些关于工具工作原理的信息，研究对预测病毒传播有何结论，以及一个分数与在真人身上测试相比如何。

它声称了什么

产品页面承诺提供“用模型判断您的短片是能留住滑动的手指，还是会被一划而过”。方法只用一句话描述：“一群模拟观众在观看，我们同时绘制他们在视觉、声音、记忆、注意力和语言方面的大脑反应。”用页面上的话说，热力图显示的是“您的短片究竟激活了大脑的哪些区域”。

这个分数被包装得信心十足：“不是猜测，也不是凭感觉”，以及“在您点击发布之前，最接近试映的东西。”

公布了什么，没有公布什么

Higgsfield 没有说明这个分数背后是哪个模型，它用什么数据训练，也没有说明它的分数与已发布短片的真实播放量、观看时长或分享量相比如何。我们没有找到任何准确率数据，也没有找到任何验证研究。在这些出现之前，分数能预测病毒传播这一说法尚未得到证实。

这些术语指向一个已知的研究领域。大脑编码模型通过人们观看视频时的脑部扫描，学习预测大脑对视频的反应。2025 年 7 月发表的 TRIBE 能够预测全脑对视频的 fMRI 反应，并赢得了 Algonauts 2025 竞赛。这类模型估计的是一个平均的大脑区域如何反应。而陌生人是否会停下来、看下去并分享出去，是另一个问题。

有证据表明，真实的大脑确实携带有用的信号。在 2020 年发表于《PNAS》的一项研究中，研究人员在 40 人观看视频时对他们进行了扫描。每段视频开头时两个脑区的活动，能够预测同样的视频在 YouTube 上被观看的频率和时长，效果超出常规指标。这一结果来自真实的扫描仪和真实的人，涉及几十段视频。模拟观众则又隔了一层。

为什么病毒传播难以预测

更深层的问题在于，成功是通过社会传播的。在 2006 年发表于《Science》的一项著名实验中，14'341 名参与者下载了不知名的歌曲，其中一部分人可以看到别人选择了什么。社会影响让成功变得更不平等，也更难预测。作者写道：“最好的歌曲很少表现糟糕，最差的歌曲很少表现出色，但其他任何结果都有可能。”

2016 年发表的一项关于 Twitter 转发级联的研究发现，即使是最好的模型，在掌握了大量关于用户、内容和过往表现的数据之后，也只能解释“不到一半的级联规模方差”，并认为即使数据无限，也无法消除这一上限。真正有效的是观察早期传播。一项更早的研究发现，随着“我们观察到它更多的转发”，一个级联能否持续增长会变得更可预测。一段短片覆盖面的最佳预测指标，是它的第一批真实受众。

分数能做什么，不能做什么

谨慎使用的话，这样的分数仍然有帮助。它可以指出开头太慢，显示注意力可能下降的那一秒，并在同一段短片的两个剪辑版本之间充当快速的初步筛选。作为促使人仔细看一看的提示，它的成本很低。

它无法了解您的受众、您的时机、当天信息流里还有什么，也无法判断这个钩子是否契合您的品牌。病毒传播评分不是概率，也不是对播放量的预测。而且如果每个团队都为同一个分数做优化，每个信息流里都会充斥着同样的钩子，在我们看来，这恰恰与让一段短片脱颖而出的东西背道而驰。就连 Higgsfield 自己也写道，更多的产出“本身并不能决定结果”。

在真人身上测试

如今，真实的测试已经内置在各个平台之中。Meta 的 A/B 测试会把广告的每个版本展示给不同的受众群体，并确保“没有人会同时看到两个版本”，然后按单次成效成本比较结果。YouTube 允许创作者为一个视频测试最多三个标题和缩略图，以观看时长占比来评判，并且只有在差异具有统计显著性时才判定胜出者。两者衡量的都是实际发生的事情。

Tempo 就是这样设计的。每一个创意都会经过制作、测试，并评估其成功的机会，然后才由人批准；我们把这一评估当作筛选，而不是预测。决定下个月的，是真实帖子的表现，这些表现会回流到计划之中。病毒传播评分是向一段短片提出的一个好问题。答案由受众给出。