結果卡
一張評分過的封面長什麼樣
每組概念會回傳為一張卡：封面預覽、0 到 100 的整體分數、5 個視覺維度、確定性模型占比，以及一項優先修正。優先候選以綠色標示。
- 整體分數：5 個視覺維度加上 7 個標題角度，合併成一個數字。
- 5 條條列：封面的視覺維度，直接從你的像素讀出來。
- 模型占比：這一組裡的確定性配置，不是受眾百分比。
- 首要修正：最弱的那一個維度，依優先順序點名。
提高封面對比，讓主體在動態消息的尺寸下依然清晰。
範例卡片。數字只是示範結果的結構，並非對任何真實封面的宣稱。
想用自己的概念看同一份拆解嗎？
比較我的概念封面 5 個視覺維度評分
工具直接從你的圖片讀取飽和度、對比、色溫、亮度，以及膚色在畫面中佔的比例，再換算成五個分數：顯著性、情緒、色彩、構圖、可讀性。
查看評分細節
- 測的是什麼
- 從你的像素算出五個加權分數：顯著性（30%，整體對比與飽和度）、情緒吸引力（25%，膚色與暖色比例）、色彩品質（20%，配色平衡與亮度）、構圖（15%，膚色在畫面中的佔比）、可讀性（10%，縮到 320 像素後的亮度與對比）。另外有一個正負 5 的指紋偏移，避免幾乎一樣的封面撞在同一個總分上。
- 低分代表
- 五項裡最低的那一項會把總分拉下來。畫面擠又低對比，可讀性就低；色彩平淡泛白，顯著性就低；畫面裡沒有膚色，構圖和情緒吸引力都會低。
- 怎麼拉高
- 先修最低的那一項。提高對比與飽和度可拉高顯著性；人物封面可調整可見膚色占比來改變構圖分；亮度則拉回中間範圍，讓 320 像素版本保留對比。
標題 7 個角度評分
你的標題會從七個角度被檢視：鉤子、情緒、衝突、長度、結構、關鍵詞、可讀性。把好奇心放最前面的標題，和直接寫出名詞的標題做的是不同的工作，兩種都會被測到。
查看評分細節
- 測的是什麼
- 七個加權角度：鉤子（28%）、情緒（22%）、衝突（15%）、長度（10%）、結構（10%）、關鍵詞（8%）、可讀性（7%）。中文與英文各有自己的模式。英文可辨識教學、懸念、驚訝、提問、比較、清單、數字與衝突提示；中文則使用對應的語言線索。
- 低分代表
- 標題太長、沒有結構，或開頭是低訊號的字詞。超過動態消息截斷長度，或只是重複主題卻沒有張力的標題，分數會低。
- 怎麼拉高
- 把好奇心鉤子或數字放最前面，長度壓在截斷長度以內，挑一個清單、提問、教學或對比格式，並清楚寫出主題詞。
確定性偏好模型
模型把綜合分數換算成 10,000 次可重現迭代裡的相對占比。它不會接觸真人、讀取 YouTube 流量，也不會產生畫面分數之外的新證據。
查看評分細節
- 測的是什麼
- 由確定性虛擬隨機函數（mulberry32）執行 10,000 次配置，以綜合分數為種子，並使用 2.3 次方加權。同一組輸入會得到同一組結果。10,000 是模型的顯示解析度，不是樣本數。
- 低分代表
- 模型占比低，只代表這組概念在工具的固定規則下落後同一批其他選項，不代表 YouTube 上的真人會怎麼選。
- 怎麼拉高
- 不能直接調整模型占比。先改善底層封面或標題訊號，再重跑同一組內容比較修改版本。
相對預檢排序
整組概念會依綜合預檢分數排序。優先候選只代表它符合這套工具規則，不保證能贏過 YouTube 上的其他封面。
查看評分細節
- 測的是什麼
- 依本次測試的像素與標題訊號，把所有版本從高到低排序。它不會參考其他頻道、已發布表現或真人行為。
- 低分代表
- 排最後只代表落後這一批選項。加入或移除其他概念後，相對比較的情境也會改變。
- 怎麼拉高
- 修改最低分選項，再跟目前領先組比較。把排序拿來建立候選清單，不要把它當成表現證明。
依優先順序給修改建議
工具會標出每組封面最弱的維度，並給一個聚焦的修改方向。先處理最大的分數缺口，不要先打磨已經高分的訊號。
查看評分細節
- 測的是什麼
- 每組封面最弱的那一個維度，依優先順序列出。清單來自同樣的 5 個封面與 7 個標題分數，所以被點名的那一項，就是目前讓這組封面失分最多的地方。
- 低分代表
- 沒有。修改建議不是一個分數，是一份工作清單。它點名的維度是還有最多進步空間的那一項，不是對封面的判決。
- 怎麼拉高
- 照建議改完，重新上傳、重新評分。新結果會顯示這次修改是否改善了固定訊號。
全程在本機、隱私優先
評分流程在你的瀏覽器中執行，原始圖片會留在本機。登入並主動儲存後，帳號同步只會送出壓縮報告預覽與分數資料。
查看評分細節
- 測的是什麼
- 沒有。隱私是工具運作的方式，不是它產生的分數。封面讀取、評分與確定性偏好模型都在這個瀏覽器分頁裡執行。
- 低分代表
- 無可降。沒有隱私分數這種東西。不管結果如何，原始圖片都在你的裝置上被讀取與評分。
- 怎麼拉高
- 無可調。核心評分不需要 YouTube 帳號、擴充功能、OAuth，也不需要上傳原始圖片。
發布前工作流
一次測試怎麼跑
上傳 2 到 6 組
丟進 2 到 6 張封面，每張配上自己的標題。每組封面加標題會被當成一個單位，因為觀眾在動態消息中看到的就是這樣的組合。
拿到可解釋的候選清單
每組概念會得到包含 5 個封面維度與 7 個標題角度的預檢卡，再依分數排序。前三名會放進兩種縮小版面，幫你決定哪些值得繼續修改或交給 YouTube 實測。
修最弱的那一項
打開排名最低的封面，看是哪個維度把它拉下來，照建議改完再發布，而不是發布後才用猜的。
這個工具不做的事
把限制說清楚就是重點。工具是發布前評分輔助，不是觀察受眾行為的窗口。
- 不是在真人身上測試。 10,000 次迭代只是依既有分數配置模型占比，沒有抽樣任何真人、研究面板或 YouTube 受眾。
- 不會預測你的 YouTube 點擊率。 預檢分數與模型占比都是比較工具，不是影片發布後點擊率的預測。
- 看不到你真正的觀眾、頻道或主題。 你的訂閱者、觀看紀錄、利基市場，以及影片的具體主題，永遠不會進到工具裡。這就是沒有任何模型能給你絕對點擊率的原因。
- 不會碰到你已上架的影片。 這是發布前評分工具，和你的 YouTube 頻道沒有連線，因此不會影響已發布影片的數據。
功能常見問題
關於每項功能到底測了什麼，最常被問到的幾個問題。
封面分數到底測的是什麼？
從你的像素算出五個維度：顯著性（30%）、情緒吸引力（25%）、色彩品質（20%）、構圖（15%）、可讀性（10%）。每張封面還會有一個正負 5 的指紋偏移，避免幾乎一樣的封面撞在同一個總分。完整計算方式在方法論頁。
工具會分析三分法或空間配置嗎？
不會。這裡的構圖只測膚色在畫面中的佔比，當作主體是否明顯的代理指標。它測不出主體在哪裡、不會套用三分法、也讀不到文字。如果你的排版很強但畫面中沒有膚色，構圖分數一樣會低。
模型占比是預測點擊率嗎？
不是。它是同一次測試裡的確定性配置。43% 模型占比只代表固定模型把 43% 的迭代配置給這組概念，不代表 43% 的真人會點擊。
一次可以比較幾組？
2 到 6 組。工具至少要 2 組才能排序，單次測試最多 6 組。
我的圖片會離開我的裝置嗎？
原始圖片會留在本機用於評分。只有在你登入並主動儲存後，帳號同步才會送出壓縮預覽、標題、分數與結果資料。
分數能告訴我影片會不會紅嗎？
不能。高分只代表概念符合固定的顯著性、色彩、聚焦、可讀性與標題規則，無法預測主題品質、受眾契合度、點擊或留存。
可以檢查候選版本縮小後是否清楚嗎？
可以。比較完成後，前三名會出現在縮小的動態牆卡片與精簡清單中。這只檢查尺寸與可讀性，不是像素完全相同的 YouTube 介面，也不是觀眾測試。
核對證據
別只看功能，也看分數怎麼來
實作指南列出每一步。分數看不懂時再查評分方法；準備動用真人流量前，先確認兩種測試各自回答什麼。
在你自己的封面上看到評分卡
丟進 2 到 6 張封面與標題，比較 5 個視覺訊號與 7 個標題訊號，再查看相對排序和各版本最該先修的地方。核心測試免費、免登入。