A Computational Model of Message Sensation Value in Short Video Multimodal Features that Predicts Sensory and Behavioral Engagement
मैसेज सेंसेशन वैल्यू (MSV) सिद्धांत पर आधारित, यह अध्ययन लघु वीडियो में मल्टीमॉडल विशेषताओं का विश्लेषण करने वाला एक कम्प्यूटेशनल मॉडल विकसित और मान्य करता है, जो यह प्रकट करता है कि जबकि उच्च MSV लगातार संवेदी जुड़ाव (sensory engagement) को बढ़ाता है, व्यवहार संबंधी जुड़ाव (behavioral engagement) को प्रेरित करने के लिए मध्यम MSV स्तर इष्टतम होते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक शेफ हैं जो एक बेहतरीन शॉर्ट वीडियो रेसिपी बनाने की कोशिश कर रहे हैं। आपके पास सामग्री (pantry) से भरा हुआ सामान है: चमकीले रंग, तेज़ कट्स, तेज़ संगीत, मुस्कुराते हुए चेहरे और नाटकीय कहानियाँ। अतीत में, शोधकर्ताओं ने यह पता लगाने की कोशिश की कि कौन सी एक सामग्री लोगों को भूखा बनाती है (या इस मामले में, देखने, लाइक करने और शेयर करने के लिए प्रेरित करती है)। लेकिन यह पेपर तर्क देता है कि आप केवल एक मसाला नहीं देख सकते; आपको पूरे व्यंजन का स्वाद लेना होगा।
यहाँ इस शोध की कहानी है, जिसे सरल अवधारणाओं और उपमाओं में विभाजित किया गया है।
1. बड़ा सवाल: एक वीडियो को "पॉप" (आकर्षक) क्या बनाता है?
शोधकर्ता मैसेज सेंसेशन वैल्यू (MSV) को समझना चाहते थे। MSV को एक वीडियो की "तीखेपन" या "तीव्रता" के रूप में समझें।
- कम MSV: बागवानी के बारे में एक शांत, धीमी गति वाला वीडियो।
- उच्च MSV: एक कार दुर्घटना या जादू के करतब के बारे में तेज़-कट, तेज़ आवाज़, चमकते हुए, उच्च-ऊर्जा वाला वीडियो।
इसे अध्ययन करने का पुराना तरीका ऐसा था जैसे किसी इंसान से 1,000 वीडियो देखने और मैन्युअल रूप से लिखने के लिए कहना कि वे कितने "तीखे" महसूस हुए। इसमें बहुत समय लगता है। इस टीम ने एक रोबोट शेफ (एक कंप्यूटर मॉडल) बनाया जो सेकंडों में 1,200 वीडियो का स्वाद ले सकता है, 20 अलग-अलग "सामग्रियों" (जैसे चमक, कट्स की गति, ध्वनि की मात्रा और चेहरे के भाव) का विश्लेषण कर सकता है और स्वचालित रूप से एक "तीखापन स्कोर" की गणना कर सकता है।
2. दो प्रकार के "भूखे" दर्शक
अध्ययन ने महसूस किया कि "जुड़ाव" (engagement) दो चरणों में होता है, जैसे भोजन करना:
- चरण 1: संवेदी जुड़ाव (Sensory Engagement - "वाह" फैक्टर): यह आपकी तत्काल प्रतिक्रिया है। आपकी आँखें फैल जाती हैं, आपका दिल तेज़ी से धड़कता है, और आप एक रोमांच महसूस करते हैं। यह एक नियॉन साइन देखने या सायरन सुनने जैसा है। कंप्यूटर मॉडल ने पाया कि वीडियो जितना तीखा (उच्च MSV) होगा, "वाह!" वाली प्रतिक्रिया उतनी ही बड़ी होगी।
- चरण 2: व्यवहारिक जुड़ाव (Behavioral Engagement - "एक्शन" फैक्टर): यह वह है जो आप "वाह" के बाद करते हैं। क्या आप इसे पसंद करते हैं? क्या आप इस पर टिप्पणी करते हैं? क्या आप इसे अपने किसी दोस्त के साथ साझा करते हैं? यह वह क्षण है जब आप वास्तव में कंटेंट के साथ इंटरैक्ट करने का निर्णय लेते हैं।
3. सबसे बड़ा आश्चर्य: द "गोल्डिलॉक्स" कर्व (Goldilocks Curve)
यह इस पेपर की सबसे महत्वपूर्ण खोज है, और यह एक क्लासिक कहानी की उपमा का उपयोग करती है: तीन भालू (The Three Bears)।
- बहुत कम तीखापन (कम MSV): वीडियो उबाऊ है। यह सादे दलिया (oatmeal) खाने जैसा है। आपको "वाह" महसूस नहीं होता, और आप इसे लाइक या शेयर करने की ज़हमत भी नहीं उठाते।
- बहुत अधिक तीखापन (उच्च MSV): वीडियो अराजक (chaotic) है। यह शुद्ध वसाबी (wasabi) का एक निवाला खाने जैसा है। यह आपकी इंद्रियों को झकझोर देता है (उच्च संवेदी जुड़ाव), लेकिन यह इतना भारी होता है कि आप वास्तव में इंटरैक्ट करना बंद कर देते हैं। आप चक्कर या चिड़चिड़ापन महसूस कर सकते हैं, इसलिए आप बिना "लाइक" किए स्क्रॉल कर देते हैं।
- बिल्कुल सही (मध्यम MSV): यह गोल्डिलॉक्स ज़ोन है। वीडियो आपका ध्यान खींचने के लिए पर्याप्त रोमांचक है लेकिन इसे प्रोसेस करने और इसे साझा करने के बारे में अच्छा महसूस करने के लिए पर्याप्त शांत भी है।
खोज: शोधकर्ताओं ने एक उल्टा U-आकार (Inverted U-Shape) पाया।
- जैसे-जैसे वीडियो अधिक तीखे होते जाते हैं, लोग अधिक "वाह" (संवेदी जुड़ाव) महसूस करते हैं।
- लेकिन जैसे-जैसे वीडियो बहुत अधिक तीखे होते जाते हैं, लोग "लाइक" या "शेयर" करना बंद कर देते हैं (व्यवहारिक जुड़ाव कम हो जाता है)।
- स्वीट स्पॉट (Sweet Spot): सबसे अधिक लाइक और शेयर पाने के लिए आदर्श वीडियो का "तीखापन स्कोर" लगभग 3.36 (एक स्केल जो शोधकर्ताओं ने बनाया है) है। यह सबसे जंगली वीडियो नहीं है; यह एक संतुलित वीडियो है।
4. क्या यह सभी के लिए काम करता है?
शोधकर्ताओं ने अपने "रोबोट शेफ" का परीक्षण विभिन्न समूहों के लोगों पर किया:
- आयु: क्या उम्रदराज लोगों को यह कम पसंद आया? नहीं। मॉडल सभी के लिए काम कर गया।
- व्यक्तित्व: क्या रोमांच चाहने वाले (high sensation seekers) लोगों ने अलग तरह से प्रतिक्रिया दी? आश्चर्यजनक रूप से, नहीं। यहाँ तक कि रोमांच चाहने वाले भी वास्तव में साझा करने के मामले में "बहुत अधिक तीखे" वीडियो के बजाय "बिल्कुल सही" वीडियो को ही पसंद करते हैं।
5. "सीक्रेट सॉस" सामग्रियाँ
क्या चीज़ एक वीडियो को उस "बिल्कुल सही" स्कोर तक पहुँचाती है? कंप्यूटर ने पाया कि यह केवल एक चीज़ के बारे में नहीं था। जीतने वाले संयोजन में शामिल थे:
- पेसिंग (Pacing): न बहुत तेज़, न बहुत धीमी। (60 सेकंड के वीडियो में लगभग 12 शॉट्स होना सबसे सटीक है)।
- चेहरे: मानव चेहरों को देखना मदद करता है, लेकिन तब नहीं जब वे चिल्ला रहे हों या बहुत तेज़ी से हिल रहे हों।
- चमक और ध्वनि: स्पष्ट और श्रव्य होनी चाहिए, लेकिन अंधा कर देने वाली या बहरा कर देने वाली नहीं।
यह क्यों मायने रखता है (मुख्य निष्कर्ष)
यदि आप एक कंटेंट क्रिएटर, मार्केटर हैं, या बस यह जानना चाहते हैं कि कुछ वीडियो वायरल क्यों होते हैं और अन्य क्यों नहीं, तो यहाँ सबक है:
इंटरनेट पर सबसे तेज़, सबसे तेज़ या सबसे अराजक वीडियो बनने की कोशिश न करें।
यदि आप बहुत ज़्यादा ज़ोर लगाते हैं, तो आप एक पल के लिए किसी की आँखें तो खींच सकते हैं, लेकिन आप उनके दिल (या उनके "लाइक") को नहीं जीत पाएंगे। लोगों से वास्तव में जुड़ने और उन्हें अपना कंटेंट साझा करने के लिए प्रेरित करने के लिए, आपको संतुलन खोजना होगा। आप रोमांचक होना चाहते हैं, लेकिन अभिभूत करने वाले नहीं। आप "गोल्डिलॉक्स" वीडियो बनना चाहते हैं—न बहुत ठंडा, न बहुत गर्म, बल्कि बिल्कुल सही।
यह अध्ययन रचनाकारों को उस संतुलन को खोजने का एक गणितीय तरीका देता है, जो अनुमान लगाने से हटकर "परफेक्टली स्पाइसी" कंटेंट के विज्ञान की ओर ले जाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।