வடிவமைப்பு குழுவின் உதவியின்றி சேனல் பாணியை நகலெடுங்கள்
ஒரு வெற்றிகரமான YouTube காட்சி பாணியை (visual style) நகலெடுக்க உங்களுக்கு ஒரு வடிவமைப்பு குழு தேவையில்லை. உங்களுக்குத் தேவை ஒரு தரவுப் பாதை (data pipeline).
நான் பல YouTube சேனல்களுக்கு உள்ளடக்கத்தை (content) நிர்வகிக்கிறேன். ஒரு வாடிக்கையாளரின் CTR 2.1% ஆக இருந்தது. அவர்களின் போட்டியாளரின் CTR 6% முதல் 8% வரை இருந்தது. இது உள்ளடக்கத்தின் பிரச்சனை அல்ல; இது ஒரு காட்சித் தகவல் (visual signal) சார்ந்த பிரச்சனை.
வெற்றிகரமான பாணியை நகலெடுக்க நான் ஒரு தானியங்கி அமைப்பை (automated system) உருவாக்கினேன். அதிலிருந்து நான் கற்றுக்கொண்டவை இதோ:
பாணியை எவ்வாறு வரையறுப்பது? பாணி என்பது ஒரு உணர்வு (vibe) மட்டுமல்ல. அது அளவிடக்கூடிய தரவு. நான் ஐந்து குறிப்பிட்ட சிக்னல்களைக் கண்காணித்தேன்:
- முகத்தின் அளவு விகிதம் (Face crop ratio): முகம் எவ்வளவு இடத்தை ஆக்கிரமிக்கிறது என்பது.
- உணர்ச்சிக் வகை (Expression category): வாய் திறந்திருப்பது அல்லது புருவங்களை உயர்த்துவது போன்றவ.
- உரை மண்டலம் (Text zone): பிரேமிற்குள் தலைப்பு எங்கு அமைகிறது என்பது.
- மாறுபாட்டு வேறுபாடு (Contrast delta): கருப்பொருள் (subject) மற்றும் பின்னணிக்கு இடையிலான பிரகாச வேறுபாடு.
- வண்ண வெப்பநிலை (Color temperature): வெப்பமான அல்லது குளிர்ச்சியான நிறங்கள்.
தரவுப் பாதை (The Data Pipeline) தவறான உள்ளீட்டுத் தரவு (input data) என்பதே மிகப்பெரிய தவறு. ஆரம்பத்தில் நான் KMeans பயன்படுத்தி வண்ணங்களைப் பிரித்தெடுக்க முயன்றேன். ஆனால் அது வானம் போன்ற பின்னணி வண்ணங்களையும் எடுத்துக்கொண்டதால் தோல்வியடைந்தது. முதலில் MediaPipe மூலம் கருப்பொருளை (subject) மறைத்து (mask), அதன் பிறகு வண்ணங்களைப் பிரித்தெடுப்பதன் மூலம் இதைச் சரிசெய்தேன். இதன் மூலம் அந்த நபரிடமிருந்து உண்மையான பிராண்ட் வண்ணங்களை மட்டுமே என்னால் பெற முடிந்தது.
பயன்படுத்தப்பட்ட கருவிகள் (The Tooling Stack) ஒரு கருவியால் அனைத்தையும் செய்ய முடியாது என்பதால், நான் வேலையை இரண்டு பகுதிகளாகப் பிரித்தேன்.
- முக வேலைகள்: முக உணர்ச்சிகளைக் கையாள Aragon.ai ஐப் பயன்படுத்தினேன்.
- பின்னணி மற்றும் அடுக்குகள் (layers): Thumbs.ai ஐப் பயன்படுத்தினேன். இது பதிவேற்றங்களுக்கான நேரடி URL-களை வழங்குவதால் சிறப்பாகச் செயல்படுகிறது.
முடிவுகள் எட்டு வாரங்களில் வாடிக்கையாளரின் CTR 2.1%-லிருந்து 3.7%-ஆக உயர்ந்தது.
கிளிக்குகளுக்கான மிக முக்கியமான காரணிகள் முகத்தின் அளவு விகிதம் (face crop ratio) மற்றும் மாறுபாடு (contrast) ஆகும். ஆச்சரியப்படும் விதமாக, குறிப்பிட்ட முக உணர்ச்சிகள் நான் நினைத்ததை விடக் குறைவான முக்கியத்துவத்தையே கொண்டிருந்தன.
உருவாக்குபவர்களுக்கான பாடங்கள்
- வண்ணங்களைப் பிரித்தெடுப்பதற்கு முன் கருப்பொருளை (subject) மறைக்கவும் (mask).
- பாணியை உணர்வுகளைக் கொண்டு அல்லாமல், கணிதத்தைப் பயன்படுத்தி வரையறுக்கவும்.
- முகங்கள் மற்றும் பின்னணிகளுக்கு வெவ்வேறு கருவிகளைப் பயன்படுத்தவும்.
- உங்கள் குறியீட்டில் (code) ஆரம்பத்திலேயே 'retry logic'-ஐ உருவாக்கவும்.
- எழுத்துருத் தேர்வை (font choice) ஒரு AI பணியாகக் கருதாமல், ஒரு தட்டச்சு கலை (typography) பணியாகக் கருதவும்.