候选视频广告开头批量打分排序：用四道硬门槛+七维档位+成对比…

当你有一批候选视频广告开头（脚本、转写、分镜、镜头表或成片描述），需要决定先测哪个、哪些值得投测试预算时，用批次内相对排序给出入围名单，而不是预测绝对表现。

适用场景

解决思路

1. 先访谈、后打分：一次只问一个问题，尽量给多选题，材料里已有或已答的跳过。需问清：①平台与确切版位（Feed／短视频竖版／可跳过 in-stream／bumper 或不可跳过／其他）；②B2B 还是 B2C；③冷启动拉新还是暖流量／再营销；④每个候选现有输入类型（脚本、转写、分镜、镜头表、成片描述）；⑤批次里有多少个候选开头；⑥offer 是什么、广告其余部分实际交付什么（promise-payoff 门槛需要）；⑦买家是谁，以及什么会让观看者失去资格（受众资格门槛需要）；⑧已在跑或曾测过的开头（判断是否真有差异）；⑨修订开头的产能、多快、上线截止日期（决定 Raising a Rank 哪些档位可用）；⑩批次上线后怎么测、怎么量；⑪看板用的 hook rate 定义——分子分母到底是什么。
2. 把批次归一化成可比单位：按版位设定评分窗口——Feed 与短视频竖版取前约 3 秒；可跳过 in-stream 取前约 5 秒（到跳过按钮为止）；bumper 与不可跳过是强制观看，'停止滑动'逻辑完全不适用，只评连续性、品牌与受众资格并明确说明。绝不拿一个候选的前 3 秒去比同批另一个的前 8 秒。
3. 对每个候选跑第一道硬门槛——免声音可读性：开头必须静音也能成立。Meta 与 LinkedIn 的 Feed 视频默认静音自动播放，靠配音或声音设计传达含义的开头，对大量观众等于没传达。若只看画面与屏幕文字看不出承诺，直接不通过。
4. 第二道硬门槛——承诺-兑现连续性：开头承诺的必须就是广告其余部分与 offer 实际交付的。这就是记录在案的'43% hook rate 但 ROAS 平庸'失败：钩子停下了滑动，却没为 offer 做铺垫，下游什么都不转化。错配即不通过，开头再抓人也没用。
5. 第三道硬门槛——受众资格：开头要停下'对的'观众，不是所有人。Barry Hott（管理约 10 亿美元投放）：'更高的 CTR 或 hook rate（thumbstop）不代表广告表现更好或更差……点击诱饵能带来大量点击却不产生任何销售。'把原始注意力最大化、却吸引来不能或不会买的观众的开头，判不通过。
6. 第四道硬门槛——真有差异：只改措辞的兄弟版本（或与已在跑的广告只差措辞）不是一个独立测试单元。Savannah Sanchez 的操作规则：开头画面也必须不同，否则平台'并不真的把它当成不同变体'。只改措辞的兄弟版本合并成一个单元并标注，不单独排名。
7. 对通过硬门槛的候选，按七个维度打 strong／adequate／weak 档位（只用档位，不用小数、百分比或综合分）：①time-to-signal——观众几秒内知道对自己有什么好处（Feed 注意力衰减陡峭：第 1 秒还剩约 80%，第 2 秒约 50%，第 3 秒约 20%）；②免声音可读性（超出通过/不通过，评静音下'多好'）；③受众资格／自我筛选；④具体性——具体可核验的主张或情境 vs 泛泛的品类语言；⑤品牌可识别时机（开场就出 logo 等于宣告'这是广告'，但把品牌留到最后有品牌联结代价，按目标与平台适配打档）；⑥承诺-兑现连续性（超出门槛，评贴合多紧）；⑦版位原生适配——为所述版位做的开头打 strong，从别的格式搬来的打 weak。七个维度故意不分先后、不加权重、不给'先修哪个'的顺序：这些注意力指标与 ROAS 相关 -0.19（hold rate -0.10），没有证据说哪个维度单位投入回报更高，排序会是编造的。只排候选，不排维度。
8. 用成对比较在批次内强制排名：A vs B、胜者 vs C 逐一对比，每对问'这两个我会先投哪个、为什么'，依据门槛结果与档位判断。同一评判者的配对比较比绝对打分可靠得多，因为评判者偏差在两边同样作用、相互抵消。绝不靠把档位加总成数字来倒推排名。
9. 输出记分卡：每个批次一块——门槛结果、各维度档位、成对比较得出的排名、每个候选一条具体的'什么能提升这个排名'建议（取自 Raising a Rank 中真正能消除该失败的最便宜档位）、shipping 检查行、校准行。
10. Raising a Rank 按'每小时产出排名提升'选修订，而不是按哪个修得最彻底，默认第 1–2 档：①重写屏幕文字（用已有素材改善 time-to-signal、具体性、资格）；②修文字／字幕层（加字幕、重排时间，或把文字移出别的平台安全区——换免声音可读性与版位原生适配）；③用已拍素材重剪（换一个已有镜头开场——换 time-to-signal 与品牌时机，也能给出只改措辞的兄弟版本缺的画面差异）；④对同一广告主体补拍一个新开场镜头（当没有现成画面能静音承载承诺时）；⑤重建概念（这不是修补，是新候选，要重过四道门槛）。失败是结构性的（画面无法静音交付承诺，或画面与兄弟版本雷同）时上调一档；批次低于 3 个开头下限时直接跳到第 5 档——打磨两个开头永远变不出 shipping 门槛要求的第三个概念。
11. '删除，而不是降级'：上线日期落在拍摄交货期内，或创作者合同必须先重谈，不会把第 4–5 档往下挪——它把这两档从本批菜单里删掉，记分卡要写明是哪个约束删掉了它们。被删档位后，所有修订建议只能来自第 1–3 档；第 5 档被删且批次低于 3 个开头下限时，直接报告该批次无法通过 shipping 门槛。
12. B2B 与 B2C：四个维度两者完全相同、无需调整——time-to-signal、免声音可读性、承诺-兑现连续性、真有差异门槛（注意力衰减与静音自动播放不在乎卖什么）。B2B 按 95:5 法则（LinkedIn B2B Institute 与 John Dawes 教授，Ehrenberg-Bass，2021），任意时刻约 95% 的 B2B 买家不在市场上，所以 B2B 开头主要触达未来买家：靠角色与情境做资格筛选（'如果你要在三个国家跑薪资……'），瞄准记忆而非即时点击，硬直响钩子启发式迁移效果差，品牌可识别时机偏早。B2C 反过来：偏执行模式、即时 offer 框定、按痛点或欲望自我筛选，资格按当下的购买意图判断。LinkedIn 上自动播放静音、'view' 只是 2 秒／50% 屏占比的弱信号，平台播放量相对注意力是虚高的。记分卡上必须写明用的是哪种评分模式。
13. 测量看的是排名一致度而不是绝对准确度：批次跑完后，把预测排名顺序与同一平台同一版位实测 hook rate 的排名顺序比对。每次都先验证分母：Meta 上 hook rate = 3 秒视频播放 ÷ 展示，TikTok 上是 2 秒观看 ÷ 展示，其他看板构造方式不同。绝不做跨平台比较，也不跨计数规则变更日比较（YouTube 2025-03-31 与 2026-08-24 的计数变更前后不是同一个指标）。通过线：滚动 5 个已评分批次中，排名第一的开头至少 3 次落在实测排名的上半区。低于这条线说明通用评分表对该账户校准失准：停止信任它，改用该账户自己的历史赢家重新推导维度权重（真正赢的开头共享哪些维度），并记入记忆。Shipping 门槛：批次里通过全部四道门槛、且在概念轴上互不相同的开头少于 3 个就不要上线。
14. 若有持久记忆：记住该账户的 hook rate 分母、每个已评分批次、每批的预测-实测排名一致度，以及哪些维度对该账户被证明有预测力。

适用边界 · 注意事项

• 需要从头写脚本／钩子，或要写图文静态文案——用 ugc-ad-scripts / ad-copy-variants。
• 要诊断已在跑广告的衰退、设计测试本身、解决点击后落地页问题或账户级根因——分别用 ad-creative-fatigue、ad-creative-test-plan、paid-landing-page-audit、ad-account-diagnostic。
• 想要可跨批次／跨账户／跨平台比较的绝对预测分数或 10 分制小数评分——本方法只做批次内相对排序与定性档位。