Modeling Engagement with Brand and Organizational TikTok Videos Using Machine-Assisted Theory-Ensemble Annotation
Cet article démontre comment les grands modèles de langage multimodaux peuvent surmonter les défis de scalabilité de l'annotation manuelle de variables audiovisuelles et théoriques complexes dans les vidéos courtes, permettant l'analyse de 10 000 vidéos TikTok afin d'identifier quels facteurs narratifs et structurels stimulent l'engagement et de fournir des informations exploitables pour les créateurs de contenu.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayez de comprendre pourquoi certaines vidéos courtes sur TikTok deviennent virales alors que d'autres sont ignorées. Habituellement, les chercheurs se contentent d'observer des choses faciles à compter : « Combien d'abonnés compte le compte ? » ou « Quel est l'âge de la vidéo ? ». Mais c'est comme juger un livre uniquement par la taille de sa couverture et sa date de publication, en ignorant l'histoire qu'il contient.
Ce document tente de lire l'« histoire » à l'intérieur de milliers de vidéos TikTok réalisées par des marques et des organisations en Estonie. Voici une décomposition simple de ce qu'ils ont fait et de ce qu'ils ont trouvé.
Le Problème : Trop de vidéo, trop peu de temps
Les vidéos courtes sont un mélange de musique, de paroles, de texte, de montage et de tendances. Pour les comprendre, il faut généralement un humain pour les regarder et prendre des notes sur l'« ambiance », la structure du récit ou le ton émotionnel. Mais faire cela pour 10 000 vidéos à la main est impossible — cela prendrait des années.
La Solution : Le Robot « Super-Lecteur »
Les chercheurs ont utilisé une IA puissante (un grand modèle de langage) pour agir comme un « super-lecteur ». Ils ont appris à cette IA à regarder les vidéos et à remplir une liste de contrôle très spécifique et complexe basée sur les théories classiques du storytelling, de la publicité et de la psychologie.
Considérez l'IA comme un détective avec une loupe capable de repérer instantanément 77 indices différents dans une vidéo, tels que :
- L'interlocuteur s'adresse-t-il directement à vous ?
- La musique est-elle joyeuse ou triste ?
- Y a-t-il un « héros » et un « méchant » clairs ?
- La vidéo essaie-t-elle de vendre quelque chose ou cherche-t-elle simplement à vous faire rire ?
L'Expérience : Le Test « Humain contre Robot »
Avant de faire confiance au robot, les chercheurs ont demandé à trois étudiants de regarder un petit échantillon de vidéos et de remplir la même liste de contrôle.
- La Bonne Nouvelle : Le robot était très doué pour repérer les choses évidentes, comme « Y a-t-il de la musique ? » ou « Est-ce que la caméra bouge vite ? ». Les humains et les robots étaient d'accord sur ces points faciles.
- La Mauvaise Nouvelle : Lorsqu'il s'agissait d'idées profondes et abstraites (comme « Quel est le sens symbolique caché ? » ou « Quel est le conflit philosophique ? »), même les humains n'arrivaient pas à se mettre d'accord entre eux. Le robot avait du mal aussi. C'est comme demander à un groupe de personnes de se mettre d'accord sur la « véritable signification » d'un rêve ; chacun voit quelque chose de différent.
Les Résultats : Qu'est-ce qui génère réellement des Likes ?
Les chercheurs ont ensuite utilisé les notes du robot pour prédire quelles vidéos obtiendraient le plus de Likes et de Commentaires. Ils ont comparé les notes détaillées du robot par rapport à la base de référence simple du « nombre d'abonnés ».
1. L'« Emballage » compte plus que le « Sens Profond »
Le robot a découvert que les vidéos les plus réussies n'étaient pas nécessairement celles qui avaient les histoires philosophiques les plus profondes. Au lieu de cela, le succès était porté par la manière dont la vidéo était emballée :
- Audio : Les vidéos avec des voix parlées originales (des gens qui parlent) ont reçu plus de likes que celles avec seulement de la musique.
- Intention : Les vidéos destinées à être drôles ou divertissantes ont mieux performé que celles destinées à être purement éducatives.
- Cadre : Les vidéos filmées dans des cadres commerciaux intérieurs reconnaissables (comme un magasin ou un bureau) ont bien fonctionné.
2. L'« Appel à l'Action » est la Clé des Commentaires
Si vous voulez que les gens commentent, la vidéo doit le demander. Les vidéos utilisant l'« appât à engagement » (poser directement des questions ou susciter une réaction) ont généré nettement plus de commentaires. Les vidéos pratiques de type « comment faire » ont également suscité plus de questions et de demandes d'informations.
3. Le Facteur de « Familiarité »
L'étude a révélé un résultat surprenant : être similaire à la moyenne fonctionne.
- Les vidéos qui ressemblaient et ressemblaient aux vidéos réussies « standards » de ce groupe (utilisant des audios courants, un humour courant, des cadres courants) ont tendance à obtenir plus de likes que les vidéos qui tentent d'être étrangement uniques.
- C'est comme un restaurant : si vous voulez un flux constant de clients, il est souvent plus sûr de servir le plat populaire que tout le monde attend plutôt que de servir un repas expérimental et bizarre qui déroute les gens.
L'Essentiel à Retenir
Ce document montre que nous pouvons utiliser l'IA pour transformer les « vibes » et les « histoires » en données concrètes. Bien que l'IA ne puisse pas parfaitement comprendre la philosophie humaine profonde, elle est très douée pour repérer les ingrédients structurels d'une vidéo.
Pour une marque réalisant un TikTok, la leçon n'est pas « écrivez une histoire profonde et complexe ». La leçon est : Utilisez un audio clair, restez divertissant, installez-vous dans un lieu familier et demandez aux gens de commenter. La « magie » ne réside pas dans le sens caché, mais dans les modèles visibles et reproductibles que l'IA a aidé à identifier.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.