Миллион просмотров. Как увеличить охваты коротких видео

2.1. Как понять предпочтения зрителя, не вникая в суть ролика?

Нейросети в YouTube.Shorts, VK.клипы, Zen.Ролики, SnapChat, Likee, TikTok, Reels анализируют взаимодействие зрителей с медиапродуктом. Оценивая совокупность факторов, машина решает, что рекомендовать посетителю.

Зарегистрировавшись, новый пользователь увидит нечто универсальное, популярное из Сети.

Практически каждому при первом заходе в TikTok показывается один из приколов Хаби Лейма[5]. У блогера более 135 миллионов подписчиков. Он почти никогда не произносит ни одного слова, играя мимикой, движениями тела, предметами. Такой подход сделал юмор Хаби доступным для людей любого возраста со всего мира.

После реакции пользователя на Хаби Лэйма и другие клипы появляется первая статистика, на которой машина обучается. Причем учитывается любая реакция: спешное пролистывание или досматривание с удовольствием и репост маме. Система начинает догадываться, как задерживать пользователя в соцсети дольше.

Точность рекомендаций увеличивается с накоплением полученных знаний о:

– поведении пользователя,

– взаимодействии других пользователей с медиапродуктом.

Рекомендации точнее, когда о зрителе накоплено большое досье, машина обучилась и знает его предпочтения. Популярные ролики при этом становятся еще популярнее, потому что об их зрителях также собрана приличная база данных.

В какой-то степени этот эффект – слабое место рекомендательных систем. «Богатые богатеют», а неудачные ролики болтаются в пустых аккаунтах с нулями. Мы будем пользоваться этой слабостью и знать: чем больше показов, тем легче раскручиваться дальше. Пробив некий порог просматриваемости, можно безгранично далеко продвинуться. Потолка нет. Для начала давайте хотя бы поверхностно разберемся, что же такое «машинное обучение». В одном из курсов Google.Developers объясняют: в алгоритмах обучения нейросетей используются переменные. Это Label – вещь, которую мы предсказываем, Feature – изучаемые машиной свойства (их могут быть десятки), Example – конкретный набор данных, Model – демонстрирует взаимосвязь между Label и Feature.

Простыми словами, машинное обучение – это когда компьютер, изучая большое количество ситуаций, видит между ними взаимосвязь и повторяющиеся модели поведения. На основе выявленных из опыта закономерностей машина предсказывает поведение объекта в будущем.

Для «эффекта чтения мыслей» нейросети даже не должны понимать суть видео.

Вот как они к этому пришли.

Контекстная реклама – это первое поколение рекомендательных систем. Они анализируют суть и содержание текста с помощью алгоритмов, заданных человеком. В онлайн-курсе Яндекса по контекстной рекламе сообщается: поисковая система анализирует семантику интернет-страниц, а рекламодатель задает ключевые слова для показа объявлений. Исходя из контекста веб-страницы, рекламная сеть подбирает подходящую по тематике рекламу или советует к прочтению статью. Алгоритм не учитывает никакие параметры, кроме контекста.

Контекстный подход для программирования рекомендаций по видеоконтенту оказался неприменимым. Для понимания сути и содержания роликов недостаточно расшифровать звук и затем проанализировать текст. На смысл влияют также эмоции, интонации и визуальные образы. Программисты пошли дальше, пытаясь сканировать надписи и распознавать лица и объекты. Но и это не помогало определять контекст, не говоря уже о точном попадании в несформулированные желания пользователя. Поэтому пришлось решать задачу: «Как понять предпочтения зрителя, не вникая в суть ролика?» Решение этой задачи нашлось благодаря нейросетям и большому количеству накопленных паттернов поведения пользователей.

Нейросеть наблюдает за вашим поведением. Помечает выполнение вами индикативных действий. Индикативные действия у социальных сетей слегка отличаются, но общая суть совпадает: комментарий, репост, досматривание до конца (или резкий свайп с первых мгновений) подписка, переход по тегам или дополнительным элементам (звук, маска). Единственный пользователь в вакууме никогда не начал бы получать качественные рекомендации. Система «look like» не анализирует того или иного человека в отдельности. Она кластеризует по сегментам, отмечает, кто похожим на вас образом взаимодействовал с контентом.

В огромной аудитории быстро находятся люди, которые свайпали или досматривали те же видосы, что и вы. В результате, когда похожим на вас людям понравится клип, система покажет его и вам.

Вы можете одновременно находиться в узких и широких группах по интересам и паттернам поведения. Таким образом, нейросеть совсем не должна анализировать содержание и контекст материалов для качественных рекомендаций. На этом мы и выстроим алгоритм получения бомбических охватов.

2.2. Как заставить нейросеть полюбить ролик?

Каждое взаимодействие человека с контентом система записывает в досье пользователя и в базу знаний о клипе. Поэтому фиксируем, какие действия заставляют нейросеть отмечать ролик как потенциально привлекательный для широкого круга зрителей.

Наиболее явные индикативные действия:

• Долгий просмотр, в идеале – до конца.

• Прокрутка на 2–3 круга.

• Комментарий, полемика или даже упоминание друзей в комментах, с вовлечением их в дискуссию.

• Приостановка на паузу. Это значит, содержание ценное и нельзя отвлекаться на внешние раздражители. Или нужно приглядеться к каким-то деталям, вчитаться в таблицу, изучить график.

• Переход в профиль. Зрителю настолько понравилось увиденное, что он захотел узнать больше об авторе или полистать другие посты, не дожидаясь, пока они естественным путем попадут в рекомендации (если вообще попадут).

• Подписка, хоть это и не дает гарантии, что автор хоть раз еще попадется в «реках». Помните? Подписка – это продвинутый лайк.

• Скачивание. Допустим, человек решил отправить пост маме или использовать его кадры в своем блоге.

• Переход на звук прокачивает рейтинг трека. После этого пользователю чаще будут попадаться рекомендации с тем же звуком. Для автора музыки это хорошо.

• Переход на маску (эффект, хэштег). Как и переход на звук, углубление в дополнительные элементы говорит о качественном взаимодействии, запуская широкое продвижение.

• Репост или дуэт. Репост в мессенджеры с дальнейшей конверсией в переходы означает не только желание поделиться, но и интерес тех, с кем поделились. Дуэт – инновационная форма репоста, когда комментарий к исходному ролику новый автор оставляет в формате встроенного видео.

Вопреки всеобщему заблуждению, количество лайков в вертикальных лентах слабо влияет на ранжирование. Призывы ставить лайки практически ничего не дают. Самую большую роль из перечисленного играют: досматриваемость до конца, комментарии, переходы в профиль и репосты.

Мы плотно будем работать с досматриваемостью. Комментирование косвенно влияет на нее. Пока человек пишет коммент, клип продолжает воспроизводиться по второму, третьему и четвертому кругу.

Увеличение досматриваемости – это борьба за качество видеоролика. Талантливое воплощение интригующих тем в оригинальных форматах затягивает смотреть до конца и мотивирует на переходы в профиль, комментарии и репосты.

К слову, некоторые рекомендательные системы отслеживают конверсию репостов. Репосты, не влекущие переходы, не засчитываются. Зато высокая конверсия усиливает продвижение выше и дольше держит вас в «реках».

С этими индикаторами нам предстоит работать. Выпишите их и переходите к первому шагу.

2.3. Шаг 1. Наработайте насмотренность

Если вы еще не зазобмированы Likee, не сидите ночами в VK.клипах и не залипаете в Shorts, то настало время эмпирического опыта.

Скачайте пару приложений, свайпайте предложения нейросети ежедневно по нескольку минут. Не мучайте себя, будьте как дома. Не нравится 10 рекомендаций подряд – пролистывайте, пока не покажется что-то стоящее.

Смотрите осознанно. Отмечайте, где индикаторы срабатывают, а где – нет. Обращайте внимание на креативы с сильными триггерами. Пытайтесь, не глядя на цифры, угадать, какой охват собрал клип. Если вы способны по содержанию контента предсказывать популярность автора и показы – у вас интуиция как у блогера-подростка.

Сохраняйте ссылки на понравившиеся ролики. Делайте пометки. Декомпозируйте. У криэйтора может быть оригинальный жанр, даже если тема вам не близка. Или крутой монтаж, хотя остальное скучно и убого. Возможно, авторский стиль и манера подачи будут хороши, хоть вы не поняли ничего из сказанного, потому что канал на немецком.

Например, блогер Лео Велес[6] своеобразно работает с интонациями и зумом камеры, а Андрей «У меня вопрос»[7] нешаблонно снимает фрагментами под монтаж. Актриса Александра Табачкова[8] захватывает и удерживает внимание благодаря артистичности и красноречию.

Наблюдайте, как со временем меняется качество рекомендаций. Сравнивайте динамику в разных соцсетях. Где-то лента быстро подстроится под ваши интересы и начнет «читать мысли», как TikTok, YouTube.Shorts, а где-то спустя пару дней продолжит подсовывать нерелевантное содержание, как VK и Yappy.

2.4. Что там по срокам?

В TikTok по статистике за первый час предугадывали, в какие рекомендации залетит клип и сколько просмотров соберет. Для небольшого аккаунта размером от 10 до 200 тысяч подписчиков 1000 просмотров в первый час означали гарантированный набор десятков тысяч в итоге. А 3–10 тысяч показов за то же время – большая радость для автора, почти гарантия многомиллионного охвата (если не случится страйк, о чем мы поговорим в конце).

В одном из постов Александра Табачкова выразила огорчение: ее креатив набрал меньше 1000 за первый час. Она была уверена: не видать ей охвата. По наблюдениям, в большинстве случаев это так и работает.

После публикации нейросеть крутит рекомендации на малую группу. На крупном канале – только подписчикам. На маленьком (до 1000) – случайным людям.

Система замечает, что пост «заходит», и предлагает его оценить более широкой выборке. Когда зрители вовлекаются и досматривают, рекомендации продолжают расширяться. Предел – весь мир.

В «мировых реках» почти все не привязано к языку (даже английскому). Туда попадают ролики, понятные без слов: ЧП, танцы, животные, эстетика, эпизоды из игр и фильмов, юмор и прочее.

Русская блогерка Лиза Анохина[9] с 35 млн подписчиков в TikTok сейчас активно развивается в Snapchat. Большая доля фоловеров Лизы не из России. Она снимает смешные и милые креативы без слов либо на английском, захватывая внимание узнаваемой мимикой и знаменитым голубым париком.

Лиза стабильно собирает по 4–7 миллионов просмотров. Однако клипы, опубликованные в последние сутки, с натяжкой подбираются к 1 миллиону. Такая закономерность заметна на платформах TikTok и Likee. В первый день креатив просматривает около 30 % потенциальной аудитории, на 2–3 день – еще 30 %. Оставшиеся 40 % могут растянуться на 3 месяца. Крайне редко встречаются рекомендации возрастом старше 3 месяцев. Иногда случается чудо: пост возрастом пару недель внезапно обретает вторую жизнь и принимается резко расти. Объяснения этому я не нашла.

В Instagram и Snapchat первый день считается критическим. Если ролик не залетел в «реки» в первый день, то, скорее всего, он уже ничего не соберет. Срок ротации примерно такой же. Контент крутят около месяца, иногда – 3 месяца, редко – дольше.

В YouTube также критичным считается первый день. Далее счетчик либо вяло ползет, либо, бодро начав, так же бодро собирает еще пару недель. Ограничений по срокам дистрибуции в YouTube нет. В рекомендациях встречаются и древние видосы, хоть основной массив и ограничен примерно тремя месяцами.

В VK и Zen, испытывающих острый дефицит криэйторов при росте числа зрителей, срок раскрутки доходит до недели.

Попав в поток, можно естественным путем добывать охваты на протяжении жизни тренда. Хотя гораздо выгоднее самим формировать тренды.

2.5. Кому нужны тренды

Благодаря трендам объем контента в соцсетях увеличился кратно. Поэтому на первый взгляд может показаться, будто соцсети переполнены креативными авторами, публикующими несметное число роликов ежедневно.

Поучаствовать в масштабных челленджах становится почти необходимостью для каждого уважающего себя блогера.

Гайдлайны соцсетей советуют отслеживать текущие тренды и чекиниться в них.

Признак большинства трендов – множество людей постят однотипные клипы, с одинаковым хэштегом, музыкой, маской, эффектом, фразой или танцем.

Тренды условно можно поделить на 4 категории:

Первый и частый вид: вирусится какая-то шутка или сценка, и народ переснимает ее на свой манер. Многие буквально имитируют знаменитостей. Иногда даже талантливо.

На скриншоте ниже: тренд, где человек с завязанными глазами выбирает ингредиенты для коктейля. Тамара[10] выбрала сельдь, фанту и арбуз.

• Не реже становится модным второй вариант: движение или танцевальная дорожка. Каждый стремится смочь повторить. План-максимум: перещеголять остальных в мастерстве.

Третий вид создается под ставший модным звук. Обычно сценарии роликов под мелодию идентичны, но кто-то оригинальнее других. При этом не всегда понятно: тренд завирусился, потому что трек популярный, или трек вышел в топ благодаря тренду.

Виколас[11], у которой на тот момент было 2 тысячи подписчиков, «закрыла» тренд под звук «Салам, всем салам, я кричу своим братанам» с сюжетом «Когда впервые в жизни сам посадил огурцы и приходишь к ним каждый день поздороваться».

Четвертый вид – это съемка под маску или эффект. Обычно это бывает смешно: маска искажает лицо, или меняет обстановку, или рисует виртуальных персонажей, как в AR.

Главные бенефициары трендов – сами социальные сети. Любой зритель – немного блогер. Больше не нужно ломать голову над идеями для роликов. Достаточно снимать новинки, которые появляются каждый день. Соцсети наполняются миллиардами часов медиаконтента, создавая впечатление живого и активного комьюнити.

Пользователи тоже в плюсе: множество готовых идей и сценариев и гарантия хоть небольших, но охватов, благодаря механике тренда. Им приятно ощущать причастность к большому творческому комьюнити. При талантливом воплощении охваты таких креативов могут стать весомыми.

У трендов короткая жизнь. К моменту выхода книги перечисленные ниже примеры покроются пылью. Поностальгируем? SilhouetteChallenge. Главный герой в свободной одежде при комнатном свете подходит к дверному проему. В этот момент свет в комнате выключается и остается задний красный, виден только эротично двигающийся силуэт человека. Зритель понимает: танцор без одежды. Тренд сильно вирусится, потому что сексуальный. При этом подача соответствует категории 13+. Блокировки не страшны.

Знаменитости, такие как Нормани[12], Карди Би[13], Хлоя Бейли[14] и другие, подхватили этот челлендж.

Картина эпохи Возрождения. Зумеры любят винтаж. Тиктокеры с помощью маски превратили свои современные фото и видео в произведения искусства эпохи Возрождения. Результаты ошеломляющие. SalmonBowl. Рецепт блюда в микроволновке из вчерашнего лосося от Эмили Марико[15] стал настолько вирусным, что число ее фоловеров увеличилось с 223 000 до более чем 2,4 миллиона за считаные дни. Ее подход вдохновил многих не выбрасывать продукты и изобретать собственные блюда на второй день.

«Знакомства в мои 30». @jamiejukesuk[16] запустил челлендж, иллюстрирующий трудности свиданий в возрасте 30 лет, под мелодию «It’s the Hard Knock Life». Блогер играет, будто проблемы в виде надписей на экране сбивают его с ног.

Я нашла 118 000 видео под эту мелодию. Razi Monroe[17] собрал 7,5 млн просмотров со своей версией.

Мы, как профессионалы, должны понимать: действительно качественного и уникального контента – капля в море трендов. Бенефиты получают авторы и их ранние последователи. Основная масса дублирует идею ради удовольствия. Мы хотим генерировать уникальный и качественный продукт.

СМИ и корпорации участвуют в челленджах «must have», чтобы быть полноценными членами сообщества.

А лидерам рынка приходится придумывать и запускать свои челленджи.

Итак, тренд – это совокупность факторов: люди массово используют звук, эффекты, производят узнаваемые действия, подключают одинаковые надписи/стикеры/фильтры и т. д.

Воздействие нескольких «вирусных» деталей производит синергетический эффект. Пользуйтесь этим для своих целей, участвуя в челленджах или просто включая трендовые атрибуты в свои клипы (хэштег, звук, эффект, маска и прочее).

2.7. Резюме

Нейросети непрерывно собирают досье на каждого зрителя и о каждой единице контента. Машина обучается, делая выводы о взаимодействии людей с видеороликами.

Чем больше человек смотрит, тем точнее становятся рекомендации. Чем больше просмотров у ролика, тем шире аудитория, которой он может быть предложен.

Рекомендательная система определяет вовлеченность пользователей по индикативным действиям.

Наиболее явные индикативные действия:

• Долгий или многократный просмотр.

• Комментарий.

• Приостановка на паузу.

• Переход в профиль.

• Подписка.

• Скачивание.

• Переход на звук/маску/хэштег.

• Репост/дуэт.

Для составления собственной библиотеки приемов, вызывающих индикативные действия, наработайте насмотренность. Сохраняйте ссылки на понравившиеся ролики. Декомпозируйте.

Первый день – критический: если трафик не начался, вероятно, его уже не будет. Попасть в поток с бесплатными просмотрами реально с помощью трендов.

Тренды – это когда множество людей постят однотипные клипы, с идентичными хэштегами, музыкой, масками, эффектами, фразами или танцами.

Участвуйте в челленджах «must have», чтоб быть полноценными членами сообщества. Запускайте собственные челленджи.