Modeling Engagement with Brand and Organizational TikTok Videos Using Machine-Assisted Theory-Ensemble Annotation
Dieses Paper demonstriert, wie multimodale große Sprachmodelle die Skalierbarkeitsprobleme der manuellen Annotation komplexer audiovisueller und theoretischer Variablen in Kurzvideos überwinden können, was die Analyse von 10.000 TikTok-Videos ermöglicht, um zu identifizieren, welche narrativen und strukturellen Faktoren das Engagement vorantreiben und um umsetzbare Erkenntnisse für Content-Ersteller bereitzustellen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen zu verstehen, warum einige kurze Videos auf TikTok viral gehen, während andere ignoriert werden. Normalerweise schauen Forscher nur auf leicht zählbare Dinge: „Wie viele Follower hat der Account?“ oder „Wie alt ist das Video?“ Aber das ist so, als würde man ein Buch nur nach seiner Einbandgröße und dem Veröffentlichungsdatum beurteilen und die Geschichte darin ignorieren.
Dieses Paper versucht, die „Geschichte“ in tausenden von TikTok-Videos zu lesen, die von Marken und Organisationen in Estland erstellt wurden. Hier ist eine einfache Aufschlüsselung dessen, was sie getan haben und was sie herausgefunden haben.
Das Problem: Zu viel Video, zu wenig Zeit
Kurze Videos sind eine Mischung aus Musik, Sprache, Text, Schnitt und Trends. Um sie zu verstehen, muss man normalerweise einen Menschen haben, der sie anschaut und Notizen über den „Vibe“, die Erzählstruktur oder den emotionalen Ton macht. Aber 10.000 Videos von Hand zu analysieren, ist unmöglich – es würde Jahre dauechen.
Die Lösung: Der „Super-Leser“-Roboter
Die Forscher verwendeten eine leistungsstarke KI (ein Large Language Model), um als „Super-Leser“ zu fungieren. Sie brachten dieser KI bei, die Videos anzuschauen und eine sehr spezifische, komplexe Checkliste auszufüllen, die auf altbewährten Theorien über Storytelling, Werbung und Psychologie basiert.
Stellen Sie sich die KI wie einen Detektiv mit einer Lupe vor, der augenblicklich 77 verschiedene Hinweise in einem Video entdecken kann, wie zum Beispiel:
- Spricht der Sprecher den Zuschauer direkt an?
- Ist die Musik fröhlich oder traurig?
- Gibt es einen klaren „Helden“ und einen „Bösewicht“?
- Versucht das Video etwas zu verkaufen oder will es einen nur zum Lachen bringen?
Das Experiment: Der „Mensch vs. Roboter“-Check
Bevor sie dem Roboter vertrauten, ließen die Forscher drei Studenten eine kleine Stichprobe von Videos anschauen und dieselbe Checkliste ausfüllen.
- Die gute Nachricht: Der Roboter war sehr gut darin, offensichtliche Dinge zu erkennen, wie „Ist Musik vorhanden?“ oder „Bewegt sich die Kamera schnell?“. Menschen und Roboter stimmten hier bei den leicht erkennbaren Dingen überein.
- Die schlechte Nachricht: Wenn es um tiefe, abstrakte Ideen ging (wie „Was ist die verborgene symbolische Bedeutung?“ oder „Was ist der philosophische Konflikt?“), konnten sich selbst die Menschen nicht untereinander einigen. Auch der Roboter hatte hier Schwierigkeiten. Es ist, als würde man einer Gruppe von Menschen bitten, sich über die „wahre Bedeutung“ eines Traums zu einigen; jeder sieht etwas anderes.
Die Ergebnisse: Was bekommt wirklich Likes?
Die Forscher nutzten dann die Notizen des Roboters, um vorherzusagen, welche Videos die meisten Likes und Kommentare erhalten würden. Sie verglichen die detaillierten Notizen des Roboters mit der einfachen Baseline der „Follower-Anzahl“.
1. Die „Verpackung“ zählt mehr als die „tiefe Bedeutung“
Der Roboter fand heraus, dass die erfolgreichsten Videos nicht unbedingt die mit den tiefgründigsten philosophischen Geschichten waren. Stattdessen wurde der Erfolg durch die Art und Weise getrieben, wie das Video verpackt war:
- Audio: Videos mit originalen gesprochenen Stimmen (Menschen, die reden) bekamen mehr Likes als Videos, die nur aus Musik bestanden.
- Absicht: Videos, die darauf abzielen, lustig oder unterhaltsam zu sein, schnitten besser ab als solche, die rein edukativ (informativ) sein wollten.
- Umgebung: Videos, die in erkennbaren geschäftlichen Innenräumen (wie einem Laden oder Büro) gedreht wurden, machten gut.
2. Der „Call to Action“ ist der Schlüssel zu Kommentaren
Wenn man möchte, dass Menschen kommentieren, muss das Video darum bitten. Videos, die „Engagement-Bait“ nutzten (direkt Fragen stellten oder zu einer Reaktion anregten), erhielten signifikant mehr Kommentare. Praktische „How-to“-Videos lösten ebenfalls mehr Fragen und informationssuchende Kommentare aus.
3. Der Faktor „Vertrautheit“
Die Studie lieferte ein überraschendes Ergebnis: Es funktioniert, dem Durchschnitt ähnlich zu sein.
- Videos, die so aussah und sich so anfühlte wie die „standardmäßigen“ erfolgreichen Videos in dieser Gruppe (unter Verwendung von gängiger Audio, gängigem Humor, gängigen Settings), tendierten dazu, mehr Likes zu bekommen als Videos, die versuchten, seltsam einzigartig zu sein.
- Es ist wie in einem Restaurant: Wenn man einen stetigen Strom von Kunden möchte, ist es oft sicherer, das beliebte Gericht zu servieren, das alle erwarten, als ein seltsames, experimentelles Essen zu servieren, das die Leute verwirrt.
Das Fazit
Dieses Paper zeigt, dass wir KI nutzen können, um „Vibes“ und „Geschichten“ in harte Daten zu verwandeln. Während die KI nicht perfekt in der Lage ist, tiefe menschliche Philosophie zu verstehen, ist sie sehr gut darin, die strukturellen Zutaten eines Videos zu identifizieren.
Für eine Marke, die TikTok erstellt, ist die Erkenntnis nicht: „Schreibe eine tiefe, komplexe Geschichte.“ Die Erkenntnis lautet: Nutze klares Audio, bleib unterhaltsam, platziere es in einer vertrauten Umgebung und fordere die Leute auf, zu kommentieren. Die „Magie“ liegt nicht in der verborgenen Bedeutung; sie liegt in den sichtbaren, wiederholbaren Mustern, die die KI identifiziert hat.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.