Modeling Engagement with Brand and Organizational TikTok Videos Using Machine-Assisted Theory-Ensemble Annotation
本文展示了多模态大语言模型如何克服在短视频中人工标注复杂视听及理论变量的规模化挑战，从而实现对 10,000 个 TikTok 视频的分析，以识别哪些叙事和结构因素驱动了参与度，并为内容创作者提供具有操作性的见解。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图理解为什么有些 TikTok 短视频会走红，而另一些却无人问津。通常，研究人员只关注那些容易计数的指标：“这个账号有多少粉丝？”或者“这个视频发布了多久？”但这就像仅仅通过书的封面大小和出版日期来评判一本书，却忽略了书里的故事。
这篇论文试图去阅读成千上万个由爱沙尼亚品牌和组织制作的 TikTok 视频背后的“故事”。以下是他们所做的工作以及发现的简单拆解。
问题所在：视频太多，时间太少
短视频是音乐、对白、文字、剪辑和趋势的结合体。要理解它们，通常需要人类去观看并记录关于“氛围”、“故事结构”或“情感基调”的笔记。但靠人工去分析 10,000 个视频是不可能的——那将耗费数年时间。
解决方案：“超级阅读者”机器人
研究人员使用了一个强大的 AI（大语言模型）来充当“超级阅读者”。他们教会了这个 AI 去观看视频，并根据关于叙事学、广告学和心理学的经典理论，填写一份非常具体且复杂的清单。
把这个 AI 想象成一个拿着放大镜的侦探，它能瞬间识别出视频中的 77 种不同线索，例如：
- 说话者是在直接对你说话吗？
- 音乐是欢快的还是忧伤的？
- 是否有清晰的“英雄”和“反派”？
- 视频是在试图推销东西，还是仅仅为了让你发笑？
实验过程：“人类 vs 机器人”的校验
在信任这个机器人之前，研究人员让三名学生观看了一小部分视频样本，并填写了相同的清单。
- 好消息： 机器人在识别明显事物方面表现得非常好，比如“是否有音乐？”或“镜头移动得快吗？”人类和机器人对于这些容易识别的内容达成了一致。
- 坏消息： 当涉及到深层、抽象的概念（如“隐藏的象征意义是什么？”或“哲学冲突是什么？”）时，即使是人类也无法达成共识。机器人在这些方面也遇到了困难。这就像是要求一群人去就一个梦的“真实含义”达成一致；每个人看到的都不一样。
研究发现：什么才是获得点赞的关键？
研究人员随后利用机器人的笔记来预测哪些视频会获得最多的点赞（Likes）和评论（Comments）。他们将机器人的详细笔记与简单的“粉丝数”基准进行了对比。
1. “包装”比“深层含义”更重要
机器人发现，最成功的视频并不一定是那些具有深刻哲学故事的视频。相反，成功是由视频是如何被包装的驱动的：
- 音频： 带有原创人声（人们在说话）的视频比只有音乐的视频获得了更多的点赞。
- 意图： 旨在搞笑或娱乐的视频表现优于那些纯粹为了教学的视频。
- 场景： 在可辨识的室内商业场景（如商店或办公室）中拍摄的视频表现良好。
2. “行动呼吁”是评论的关键
如果你想让人评论，视频需要提出请求。使用“互动诱饵”（直接提问或促使反应）的视频获得的评论显著增多。实用的“如何做”类视频也会引发更多关于寻求信息和提问的评论。
3. “熟悉感”因素
研究发现了一个令人惊讶的结果：与平均水平保持相似是有效的。
- 看起来和感觉起来都像是该群体中“标准”成功视频（使用常见的音频、常见的幽默、常见的场景）的视频，往往比那些试图做得怪异独特的视频获得更多的点赞。
- 这就像一家餐厅：如果你想吸引稳定的客流，提供大家期待的热门菜肴，通常比提供一种让人困惑的、实验性的奇特餐点要安全得多。
核心结论
这篇论文表明，我们可以利用 AI 将“氛围”和“故事”转化为硬性的数据。虽然 AI 无法完美理解深层的人类哲学，但它非常擅长识别视频的结构性成分。
对于正在制作 TikTok 的品牌来说，启示并不是“写一个深刻、复杂的的故事”。真正的启示是：使用清晰的音频，保持趣味性，设定在熟悉的场所，并邀请人们进行评论。 “魔力”不在于隐藏的意义，而在于 AI 所帮助识别出的那些可见的、可重复的模式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。