さとまたwiki

🎯 YouTubeサムネイル & CTR 客観研究 2026

✍️ 執筆: Claude Opus

公式 / 学術 / 検証済みA/B / クリエイター主張 / 実測 — 情報の信頼度で5層に分けて整理した、世界のサムネ&CTRの客観事実。

このページの約束。「サムネのノウハウ」はマーケ煽りで汚染されている。だからここでは全ての主張に出典と信頼度ラベル（🟢公式 / 🔵査読 / 🟡検証済みA/B / 🟠集計・主張 / 🔴神話）を付け、何が事実で何が通説で何が神話かを分離した。右下の「📋 LLMにコピー」で全文をコピーし、別のLLM/デザインシステムに根拠ごと渡せる。

🗺️ このページの読み方とエビデンス格付け

なぜ出典と信頼度で層分けするのか

YouTubeサムネのノウハウはマーケティング煽り記事・高額講座動線で汚染されている。「顔を入れると CTR +30%」「驚き表情で +38%」「テキストは12文字が最適」といった数値が広く引用されているが、査読済み一次ソースは存在しない。このページはすべての事実を 5段階の信頼度ラベル で可視化し、「YouTube公式が言っていること」と「誰かが言っていること」を明確に分ける。

エビデンス格付け（5段階）

ラベル区分情報源の例取り扱い方針
🟢 L1 公式YouTube / Google が明言YouTube ヘルプ、ポリシーページ、公式ブログ最優先。そのまま引用し URL を明記する
🔵 L2 査読ピアレビュー論文 / arXivLoebbecke 2024（n≒50万動画）、Naveed 2024相関≠因果に注意。DOI / URL を併記する
🟡 L3 検証済みA/B運用会社 / A/B ツールが実テスト（方法論明記）MrBeast 社内 A/B テスト、TubeBuddy 120万本分析方法論が公開されているもののみ L3。非公開は L4 に格下げ
🟠 L4 集計/主張自社調べ集計・経験則（裏付け弱）vidIQ「5000万サムネ調査」、クリエイターの体感値「〜と主張」と明記して紹介。単独では結論として使わない
🔴 神話広く言われるが一次ソース無し / 反証あり「顔で+30%」「驚きで+38%」「12文字最適」等🔴 神話として明記し、反証があれば添える

ミニバッジの見本（各セクション内でこのように使用）

🟢 L1 公式 🔵 L2 査読 🟡 L3 検証済みA/B 🟠 L4 集計/主張 🔴 神話

各事実・数値の直後にバッジが付く。バッジをヒントに情報の重みを判断してほしい。

このページの実測データについて（sec7 に掲載）

2026-06-29 に YouTube Data API で取得した mostPopular（5地域98本） の観察値と、Gemini によるサムネ分析40枚の集計結果。視聴回数≠CTR（CTR は外部からは取得不可）。サンプルは人気動画に偏るため全体像とは異なる可能性がある。これらは L4 相当として扱う。

→ 次の sec2 では確定事実・通説・神話を3分類でサマリーする。

📊 結論サマリー

このセクションの3点

① CTR 2〜10% は「良い / 悪い」の基準ではなく「半数のチャンネルが収まる統計的分布」（公式 L1）

② YouTubeは CTR 単独最適化を推奨していない。A/Bテストの勝者は視聴時間シェアで決まる（公式 L1）

③ 「顔で+30%」「12文字最適」等は査読一次ソース無しの神話。学術研究の結果は通説と逆方向のものもある（L2）

2〜10%

CTR の公式分布範囲
半数のチャンネルが収まる

🟢 L1 公式

+14%

誤誘導サムネのCTR増加
（視聴完了率への影響は未測定）

🔵 L2 査読

98%

顔あり率（実測 5地域 40枚）
感情は neutral 50% が最多

🟠 L4 実測観察

90%

テキストあり率（同上）
平均 10.8 語・地域差大

🟠 L4 実測観察

🟢 確実に言える（L1 公式・L2 査読）

🟢 L1 公式

CTR 2〜10% は「目標値」ではなく「分布」

「○% 以上が良い CTR」という公式目標値は存在しない。半数のチャンネルが収まる統計的分布として示されている。

🟢 L1 公式

A/Bテスト勝者の判定基準は視聴時間シェア

YouTube の Test & Compare は CTR ではなく「視聴時間シェア（watch time share）」が最も高いバリエーションを勝者とする。CTR 単独最適化は推奨されていない。

🟢 L1 公式

誤誘導サムネはポリシー違反・収益停止リスクあり

動画の内容と異なることを示唆するサムネイルはスパム・誤誘導ポリシー対象。3ストライクでチャンネル停止の可能性がある。

🔵 L2 査読

ネガティブ感情の顔が消費を促進、テキスト多用は逆効果

Loebbecke 2024（n≒50万動画）の大規模研究。「笑顔最強・文字必須」通説と逆方向の結果が示されている。相関≠因果に注意。

🟠 通説だが裏付け薄い（L3 / L4）

🟡 L3 検証済みA/B

口閉じ笑顔サムネが優位（MrBeast 社内テスト）

30本で実施した A/B テストは L3 相当だが、文書に「差は小さい」と明記されている。因果関係は示されていない。

🟠 L4 集計/主張

テキスト量の最適値（「3語」vs「6語」論争）

クリエイター間でも「3語以内」「6語まで可」と分かれる。公式は「シンプルに・読みやすく」という定性指針のみで、具体的な文字数は示していない。

🟠 L4 集計/主張

高コントラスト・明るい色が目立つ

実測では明るさ high 50% / med 40% が多いが、あくまで人気動画の観察。地域差も大きく（日本=白系、米英=黒系、インド=青系）一般化できない。

🟢 L1 公式（相関のみ）

カスタムサムネイル使用で成果向上

公式は「高成果動画の90%がカスタムサムネイルを使用」と明記している（L1）。ただしこれは相関であり、使ったから高成果という因果関係ではない。

🔴 神話（一次ソース無し / 反証あり）

よく聞く主張何が問題か実際に確認されていること
「顔を入れると CTR +30%」査読済み一次ソース無しL2 研究では感情の種類による差があり、笑顔の単純優位性は確認されていない。neutral 表情が実測 50% で最多
「驚き表情で +38%」査読済み一次ソース無し実測では驚き表情が多いわけではない。大規模研究（n≒50万）ではネガティブ感情の優位性が示されている（L2）
「テキストは 12 文字が最適」査読済み一次ソース無し実測では平均 10.8 語（インド 17.3 語、米国 6 語）と地域差が大きく、単一の最適値は存在しない
「CTR ○% 以上が良い CTR」公式が目標値を設定していない2〜10% は目標ではなく分布。トラフィックソースや規模で自然に変動する（L1 公式）

→ 次の sec3 では YouTube 公式ヘルプ・ブログが言っていることを L1 ソース直引きで詳述する。

🎬 YouTube 公式が言っていること

このセクションの3点

① すべての情報は 🟢 L1 公式 — YouTube / Google の公式ヘルプ・ポリシー・ブログからの直引き

② 推奨解像度は「3,840×2,160 px」に更新済み。旧「1,280×720」は古い表記（引き続き技術的には有効）

③ A/Bテスト（Test & Compare）の勝者は CTR ではなく「視聴時間シェア」で決まる

🟢 L1 公式 サムネイル仕様

出典: support.google.com/youtube/answer/72431（日） ／ （英）

項目公式の記述備考
推奨解像度3,840 × 2,160 px（最小幅: 640 px）旧「1,280 × 720」表記から更新済み。720p は最小幅を満たすため引き続き有効だが公式の主表記ではなくなっている
アスペクト比16:9 推奨 / ポッドキャスト再生リストは 1:1（1,280 × 1,280 px）16:9 は YouTube プレーヤーやプレビューで最もよく使われる比率
ファイル形式JPG / GIF / PNG—
ファイルサイズ上限（モバイル）動画サムネイル: 2 MB / ポッドキャスト: 10 MBデスクトップは動画・ポッドキャストともに 50 MB
縦向き動画の挙動縦動画に 16:9 サムネイルを使用するとホーム・探索・登録チャンネルフィードでは自動生成 4:5 に置き換えられるウォッチフィード・非モバイルプラットフォームではカスタムサムネイルがそのまま表示される
利用資格認証済みアカウントのみ / ショート動画はフレーム選択のみ（アップロード後の変更不可）コミュニティガイドライン違反時は 30 日間権限剥奪または重大違反でチャンネル停止

公式デザインガイダンス（定性指針のみ）

出典: support.google.com/youtube/answer/12340300（Thumbnail & title tips）

  • ・高成果動画の 90% がカスタムサムネイルを使用
  • ・三分割法を適用し、ブランドロゴや説明文を重ねる
  • ・読みやすいフォントを使用し、情報過多にしない
  • ・異なるデバイスでの表示を考慮してサムネイル画像をできるだけ大きく使う
  • ・古い動画のサムネイルを更新して実験することを検討する
  • ・テキスト文字数の具体的上限は公式に明記されていない（「20文字以内」等の数値指定は存在しない）

🟢 L1 公式 CTR の公式見解

出典: support.google.com/youtube/answer/7628154（日） ／ answer/16767369（英: Decoding CTR） ／ blog.youtube（4 metrics）

インプレッションの定義

CTR は「YouTube でインプレッションがカウントされた後に視聴者が動画を視聴した頻度」。インプレッションのカウント条件は サムネイルの 50% 以上が 1 秒以上画面に表示された場合。YouTube 内の表示のみを計測（外部サイト・メール通知・YouTube Kids・バックグラウンド再生は対象外）。

CTR 2〜10% は「目標」ではなく「分布」

「全チャンネル・全動画の 半数 では CTR が 2〜10% の範囲」とされる。これは目標値ではなく統計的分布。ホームページのようにリーチが広い場所では自然に低くなり、チャンネルページ（既存ファン）では高くなる傾向がある。新規チャンネルや視聴回数の少ない動画ではこの範囲がさらに広がる。

CTR を高めることへの公式警告（5点）

  • ① 「CTR が高くても平均視聴時間が短い場合はクリックベイトの可能性があり、おすすめアルゴリズムに悪影響」
  • ② 「CTR が高くても視聴維持率が低い場合、サムネイルが動画で提供されないものを約束している可能性がある」
  • ③ 「リーチが広がるにつれて CTR は自然に低下する。これは失敗ではなく新規リーチ拡大の証拠」
  • ④ 「CTR はパーセンテージであり絶対値ではない。バイラル動画は CTR が低くても実クリック数は大幅に多くなる場合がある」
  • ⑤ アップロード直後に CTR を評価しない、CTR のわずかな変動に即座に反応しない
トラフィックソースインプレッション量CTR の傾向
検索結果少ない高い（視聴者の意図が明確）
ホームページ多い低い（多数の動画と競合）
チャンネルページ少ない高い（既存ファン）

🟢 L1 公式 Test & Compare（公式 A/B テスト機能）

出典: support.google.com/youtube/answer/16391400（新版） ／ answer/13861714（旧版） ／ blog.youtube（2025 Studio Update: 1,500万回以上使用）

項目公式の仕様注意点
勝者の決定基準総再生時間のシェア（watch time share）が最も高いバリエーションCTR ではなく視聴時間シェアで決まる。「再生時間で勝者を決めることがクリエイターの成長を最もよく支援する」と YouTube が明言
テスト対象とバリエーション数タイトルのみ / サムネイルのみ / 組み合わせ。最大 3 つのバリエーションテスト中にタイトル・サムネイルを手動変更するとテスト自動停止
テスト不可のコンテンツショート / 予定ライブ・プレミア公開 / 子ども向け / 成人向け / 非公開PC 版 YouTube Studio のみ（モバイルアプリ不可）。高度な機能の有効化が必須
結果の分類Winner（有意差あり） / Performed Same（同等） / Inconclusive（判定不能）Inconclusive の場合は最初にアップロードしたオプションがデフォルトになる

🟢 L1 公式 クリックベイト・誤誘導ポリシー

出典: support.google.com/youtube/answer/9229980（Thumbnails policy） ／ answer/2801973（Spam & deceptive practices policy）

「悪意あるクリックベイト」の公式定義

「誤解を招くタイトル、サムネイル、説明、または画像を使用して、約束したものを提供しない動画にユーザーを誘導すること」

違反カテゴリ公式の具体例執行措置
誤解を招くサムネイル動画の実際の内容と異なることを示唆するサムネイル / 有名人のサムネイルで動画に無関係軽微（初回）: 削除のみ → 警告（90日以内に失効）→ 繰り返し: ストライク → 3回でチャンネル停止の可能性
コンテンツ偽称（スパムポリシー）「完全な試合映像」と謳い実際はクリップのみ / タイトル・説明が示す内容が動画に登場しないコンテンツ削除 + 警告 / 収益化停止 / チャンネル・アカウント停止
重大違反（性的・暴力等）ポルノ・性器の露出・衝撃目的の暴力映像即時チャンネル停止

→ 次の sec4 では学術（L2）エビデンスを詳述する。顔と感情の逆説・誤誘導サムネ +14% の研究・相関≠因果の注意点など。

🔬 sec4: 学術エビデンス（査読 / arXiv）

このセクションの3点

① n≈50万の研究で「ネガティブ感情の顔が消費を促進、テキスト多用は逆効果」が判明（Loebbecke 2024 DOI: 10.1016/j.ijinfomgt.2024.102801）

② 誤誘導サムネはCTR +14% を計測済み。ただし視聴完了率への影響は同論文では未測定（ThumbnailTruth / Naveed 2024 arXiv:2509.04714）

③「顔で +30%」「驚きで +38%」「12文字以下最適」は査読一次ソース無し → 🔴神話

≈50万

Loebbecke 2024
サムネイル数

+14%

誤誘導サムネの
CTR増（Naveed 2024）

逆U字

視覚的複雑性と
人気の関係（Fang 2026）

8カ国

ThumbnailTruth
2,843動画 多文化比較

① 顔と感情の逆説

研究（年）n / 対象主要知見層
Loebbecke, Obeng-Antwi et al. 2024
DOI: 10.1016/j.ijinfomgt.2024.102801
Int'l J. of Information Management		≈500,000サムネ
動画共有PF + EC		ネガティブ感情の顔が多いほど消費（視聴/購買）を促進（ヘドニック財に限定）。テキスト量が多いサムネほど消費低下。「笑顔最強 / 文字必須」通説と逆方向の結果🔵L2査読
Bui, Feldges, Liebig, Weiland 2024
Handbook of Social Computing Ch.7 pp.142-158		ドイツ上位100
クリエイター		顔あり → 成功スコアと正相関。ただしスポーツカテゴリでは負の効果。感情×カテゴリの交互作用が存在。「顔があれば一律に効果」は成り立たない🔵L2査読
Cui, Chung, Peng, Wang 2024
DOI: 10.1016/j.jbusres.2024.114849
Journal of Business Research		16,215動画
6カテゴリ		強い感情（ポジ・ネガ問わず）→ 視聴数増加と相関。タイトルのポジ感情 → 正。キャプションの強感情 → 視聴数減少（逆効果）。視覚強調マーカー（大文字・絵文字）→ クリック増加と相関🔵L2査読
Li, Kim, Do, Choi 2022
DOI: 10.1016/j.jbusres.2022.05.079
Journal of Business Research		フィールドデータ
（プレロール広告）		サムネのネガ感情 → 広告効果に負。タイトルのネガ感情 → 広告効果に正。視覚とテキストで逆方向の非対称効果。絵文字がこの関係を調整（moderator）🔵L2査読

② 色・コントラスト

研究（年）n知見 / 注意点層
Koh & Cui 2022
DOI: 10.1016/j.dss.2022.113820
Decision Support Systems		16,278サムネ
137ブランドCh		カラフルネス・輝度はview-throughと有意に関連。ただし効果量は小さくチャンネル規模・ブランド力の交絡が支配的。ブランド公式Ch限定であり一般YouTuberへの一般化に疑問🔵L2査読
Limpijankit & Kender 2025
arXiv:2505.21912		2,400サムネ
米国 / 中国 各2Ch		中国Ch: 高彩度・高輝度・対称性高・ロングショット多。米国Ch: 低彩度傾向・クローズアップ多。文化差は明確だが視聴行動への因果は弱い🔵L2プレプリント

③ テキスト量・視覚的複雑性 / サリエンシー

研究（年）n知見層
Loebbecke et al. 2024（再掲）
DOI: 10.1016/j.ijinfomgt.2024.102801		≈500,000テキスト量↑ → 消費有意に低下。著者は「情報密度過多 → 認知負荷増大」の機序を示唆。「12文字以下最適」という業界説との部分的整合だが、12文字という具体値に査読根拠なし🔵L2査読
Fang, Zhang, et al. 2026
DOI: 10.1007/s11747-026-01152-6
J. Academy of Marketing Science		22,958動画視覚的複雑性 → 人気に逆U字（中程度が最適）。視覚的一貫性 → U字（非常に低いか高い一貫性が良好）。「複雑ほど良い」「シンプルほど良い」の線形仮説は棄却。実用的動画・高典型性動画で効果顕著🔵L2査読(JAMS)
視線・サリエンシー研究—YouTubeサムネイル専用のアイトラッキング査読研究は本調査では確認できなかった。「顔が視線を素早く引く」という一般的視覚認知の知見（Journal of Vision 等）はサムネイルへの直接適用を示す査読研究とは別物査読研究なし

④ 誤誘導サムネイルの定量効果 — ThumbnailTruth

Naveed, Uzmi, Qazi (2024) — Lahore Univ. of Management Sciences

サンプル: 8カ国（ブラジル・パキスタン・インドネシア・メキシコ・米国・英国・スペイン・イタリア）2,843動画。誤誘導1,359件 vs 非誤誘導1,484件。累計視聴数76億回超

方法: Claude 3.5 Sonnet / GPT-4o / GPT-4o Mini / Gemini 1.5 Flashのマルチモーダル評価。3種のプロンプト戦略（ゼロショット・固定Few-shot・動的Few-shot）で比較。最高性能: Claude 3.5 精度93.8%、F1=0.7227

主要定量値: 誤誘導サムネ → CTR +14%

⚠️ ただし、視聴完了率（視聴継続率）への影響はこの論文では未測定。視聴者不満・完了率低下との相関は推察されるが定量化されていない。

誤誘導6類型: ①before/after誇張 ②有名人を誘惑的状況に合成 ③豪華ライフスタイルの捏造 ④視覚操作 ⑤センセーショナルな言語 ⑥フルストップ動画現象（途上国特有）

arXiv:2509.04714 🔵L2プレプリント

⑤ 査読一次ソースのない主張 — 🔴神話リスト

よく見かける主張なぜ神話か実際の査読知見層
「顔があるとCTR 30% 以上上昇」査読論文に当該数値なし。業界レポートの二次引用のみ。ジャンル依存・交絡大Bui 2024: カテゴリによっては負の効果。1of10 2025: 差は概ね同等🔴神話
「驚き表情でCTR 38% 向上」一次論文を確認できず。非査読の業界集計が出所強い感情（ポジ・ネガ問わず）→ 正相関はCui 2024で確認。+38% の数値には根拠なし🔴神話
「12文字以下テキストが最適」業界分析のみで査読研究なし。「12」という数値の根拠が不明Loebbecke 2024: テキスト量↑→消費低下は査読確認済。ただし最適文字数は未定量化🔴神話
「視線の向きでCTRが変わる」（ゲイズキューイング効果）サムネイル特化の査読研究は未確認。一般的視覚認知実験との混同YouTubeサムネイル専用アイトラッキング査読研究は確認できず（一般認知研究の外挿）🔴神話

⚠️ 全研究共通: 相関 ≠ 因果（観察研究の限界）

このセクションで紹介した全研究は観察研究（RCT・因果推論なし）。主な交絡変数: ① チャンネル規模（大きいほど多様な視聴者に配信される） ② 人気動画バイアス（強い表情が多用された動画が既に人気だった可能性） ③ ジャンル構造（ゲーミングとファイナンスでは全く異なる反応）。「サムネA がサムネB より高CTRと相関する」という観察は「A を使えば高CTRになる」を意味しない。

→ 次の sec5 では、運用会社・A/Bツールが公開した「tested」と「claimed」のデータを早見表で整理し、MrBeast社内A/B・TubeBuddy・vidIQ の信頼度を層別する。

🛠️ sec5: 運用会社 & A/Bツールの公開データ

このセクションの3点

① MrBeast社内A/B（30本・口閉じ笑顔が全勝）は「差は小さい」と文書内で自認している。多くの二次引用がこの注記を省略 → 🟡L3

② TubeBuddy「顔 +42.3%」・vidIQ「5000万サムネ調査」は一次URLを確認できない二次引用 → 🟠L4

③ 多くのCTR数値は方法論非公開の「自社調べ」。tested / claimed を区別して読むこと

tested vs claimed 早見表

データ / 主張数値分類出典 / 注記
YouTube公式: トップ動画の90%がカスタムサムネ使用90%🟢L1公式YouTube公式ヘルプ
YouTube公式 Test&Compare: CTR差 0.5% でも数百万インプレッションで統計的有意0.5% が有意🟢L1公式YouTube公式 Test&Compare
MrBeast社内A/B: 口閉じ vs 口開き（約30本比較）→ 全て口閉じが高ウォッチタイム。「差は小さい」と文書内で明記30/30勝
（差は小）		🟡L3社内A/BSocial Media Today
MrBeast社内資料（2024年流出）
3語以下テキスト vs 4語以上（1of10 / ThumbnailTest 大規模分析・vidIQが引用）3語以下が高CTR
（定量値非公開）		🟡L3大規模だが詳細不明vidIQ Blog（1of10分析引用）
TubeBuddy 1.2M動画分析: 感情表情あり顔 vs 中立 / 顔なし（TubeBuddy一次ソースURLは確認できず二次引用）+42.3% CTR🟠L4二次引用TubeBuddy Blog（二次）
一次ページ未取得
Search Engine Journal: 顔あり vs 物体のみ（調査規模不明）+25〜30% CTR🟠L4規模不明Search Engine Journal
Backlinko: カスタムサムネ vs 自動生成（方法論の詳細は現行ページで確認できず）+35% CTR🟠L4方法論不明Backlinko 2025
vidIQ「5000万サムネ調査（2024年11月）」: 感情表現でCTR +62%、18〜34歳の68.2% がクリック（vidIQ一次URLは確認できず二次引用のみ）+62%
68.2%		🟠L4一次URL未確認vidIQ（複数二次サイトが引用しているが
一次ソースURLは未取得）
A/Bテスト実施チャンネルの中央CTR改善（サンプル数・方法論の詳細確認できず）+32.7〜33%
（4.1% → 5.45%）		🟠L4方法論不明複数ツール集計（2025年）
方法論非公開
Tim Gabe: サムネ改善のみで1日ビュー数40倍（Paddy Galloway公表の単一事例）40倍🟠L4単一事例Colin & Samir / Galloway
MrBeast: 1本あたり50案のタイトル/サムネ組み合わせ → 最大20バリアントに絞り込み50案 / 20バリ🟠L4社内プロセスsimonwillison.net（PDF全文）

MrBeast社内資料の詳細

資料: "How to Succeed in MrBeast Production"（全36ページ、2024年9月流出）

元MrBeastプロデューサー2名が「2022年当時オフィスで使用・新人全員に配布」と証言（Passionfruit報道）。二次情報だが複数証言あり、数値は社内文書そのものの引用に近い。

口の形A/Bテスト: 約30本の動画で「口を開けた笑顔」vs「口を閉じた笑顔」を比較。結果は30本すべてで口閉じが高ウォッチタイム。

⚠️ 「差は小さい」と文書内で明示されている。この注記が多くの二次引用サイトで省略されていることに注意。

制作プロセス: 1本あたり約50案のタイトル/サムネ組み合わせを作成 → 最大20バリアントに絞り込み。1サムネあたり平均 $10,000 のコスト（専属サムネクリエイター Chucky Appleby。出典: Social Media Today / MrBeast公表値）。

タイトル原則（文書直接引用）: 「全ての動画はタイトルとサムネから作り始める。それが視聴者への約束であり、動画のすべてはその約束を中心に構築される」

🟡L3検証済A/B（社内）
simonwillison.net（PDF全文リンクあり） Social Media Today Tubefilter（流出資料報道）

TubeBuddy / vidIQ データの信頼度注記

ツール主張内容一次URL確認層
TubeBuddy1.2M動画分析: 感情表情あり → +42.3% CTR未確認（複数サイトで二次引用のみ）🟠L4
TubeBuddy A/Bテスト機能（仕様）勝者判定: 95% 統計的有意性達成時。テスト期間: 1,000インプレッション or 14日間。指標: CTR・ウォッチタイム・エンゲージメント率等から選択確認済（公式ページ）🟡L3仕様公開
TubeBuddy公式
vidIQ「5000万サムネ調査」感情表現でCTR +62%、18〜34歳の68.2% がクリック（2024年11月とされる）未確認（二次引用のみ。vidIQ一次ページURLは取得できず）🟠L4二次引用
vidIQ チャンネル規模別CTRレンジ1,000人未満: 8〜20% / 1k〜10k: 5〜12% / 10k〜100k: 4〜8% / 100k〜1M: 2〜6% / 1M超: 1.5〜4%vidIQ Blog（方法論非公開）🟠L4集計
vidIQ Blog

Backlinko / Search Engine Journal

Backlinko「1.3M動画 YouTube SEO調査」 🟠L4方法論不明

対象: 130万本のYouTube動画。カスタムサムネ vs 自動生成でCTR +35%（調査規模・方法論の詳細は現行ページでは確認できず）。HD動画が検索1ページ目の68.2% を占める相関も報告。

注記: 「トップ動画の90%がカスタムサムネ使用」はBacklinkoが引用しているが、元はYouTube公式（L1）の数値。

backlinko.com/youtube-ranking-factors

Search Engine Journal「顔入りサムネ調査」 🟠L4規模不明

顔あり vs 物体のみ で +25〜30% CTR と報告。調査規模・方法論の詳細は非公開。

searchenginejournal.com

⚠️ sec5 全体の読み方

このセクションのデータのほとんどは🟠L4（方法論非公開・二次引用）。「顔で +42.3%」「+35%」等の数値は「業界でよく引用される指標」として参考にとどめ、自チャンネルのA/Bテストでの検証を推奨する。唯一の🟢L1は YouTube公式の「90%カスタムサムネ」と「CTR差 0.5% が有意」。🟡L3はMrBeast社内A/Bと TubeBuddy のテスト仕様。

→ 次の sec6 では、MrBeast・Paddy Galloway などクリエイターの主張（🟠L4）を整理し、通説どうしの矛盾（「文字入れる / 入れない」「3語 / 6語」「CTR至上 vs 視聴維持」）と日本のコンセンサスを対比する。

🎙️ sec6: クリエイターの主張と矛盾

このセクションの3点

① 著名クリエイターが語る10原則をエビデンスラベル付きで整理する

② 「文字あり vs なし」「3語 vs 6語」「CTR至上 vs 視聴維持」の通説対立を対比表で示す

③ 日本のコンセンサスと7つのよくある誤解（🔴ラベル付き）を掲載する

よく言われる10原則（裏付けラベル付き）

#原則誰が言うか（発言元）裏付けラベル
1顔と感情が必須
表情のある顔入りサムネは高視聴回数と相関。感情は驚き・喜び・恐怖が特に言及される		MrBeast, Ali Abdaal, ヒカキン, 中田敦彦
socialmediatoday.com		⚠️ 経験則
相関データあり。因果ではない。無表情・小顔は効果なしとも言われる
2テキスト3〜4語以内
縮小画面でも一瞬で読める量に制限		MrBeast（最大4語）, Paddy Galloway, Ali Abdaal（2〜3語）
colinandsamir.com		⚠️ 経験則
複数クリエイターが一致。「語数よりも縮小表示で読めるか」が本質
3高コントラスト配色
暖色被写体×補色背景で視認性最大化。明暗コントラストは色選択より重要		Roberto Blake（デザイン原則として）
buffer.com		⚠️ 経験則
デザイン原理（Weber-Fechner則）と整合。YouTube特化のA/B検証は少ない
4サムネ＋タイトルで情報分担（繰り返し禁止）
サムネが感情・ビジュアルを担い、タイトルが文脈・キーワードを担う		Film Booth（Greg Preece）
1of10.com		⚠️ 業界通説
心理学の二重符号化理論（Paivio）と整合。数値根拠は薄い
5好奇心ギャップ（Curiosity Gap）
Before を見せて After を隠す。オープンループが視聴欲求を生む		Film Booth, Paddy Galloway
descript.com		⚠️ 経験則
心理学的根拠あり（Loewenstein 1994情報ギャップ理論）。YouTubeへの適用は経験則ベース
6モバイルファースト
縮小表示（170×96px程度）でも判読できるか確認必須		Paddy Galloway（ダークモード60〜70%説を含む）
marketingexamined.com		🟢L1公式
YouTube公式統計に基づく。ダークモード60〜70%の数値はPaddyの主張で公式未確認
7A/Bテストの義務化
1変数のみ変えてTest & Compare機能で勝者を選ぶ		MrBeast（口開閉A/B）, Derral Eves（タイトルかサムネか一方のみ）
heatseeker.ai		🟢L1公式
YouTube機能として存在確認済み。MrBeastのA/Bは実測だが差は小さいと文書に明記
8最初の24〜48時間が評価窓
この期間CTRがチャンネル平均を下回ると配布が止まる可能性		MrBeast, Paddy Galloway
podcast.creatorscience.com		⚠️ 経験則
複数クリエイターが共通して観察。YouTube公式は明示していない
9ルール・オブ・サード（三分割構図）
顔や主要被写体をグリッド交点に配置。中央固定より動的に見える		Roberto Blake（グラフィックデザイン原則として）
buffer.com		⚠️ 経験則
写真・映像の基本構図原則。YouTube特化の検証データは少ない
10「アイデアが天井を決める」
サムネを磨いても企画力の上限を超えることはできない		Paddy Galloway, Film Booth
colinandsamir.com		⚠️ 主張
測定困難。ただし複数の上位クリエイターが一致して指摘する経験的知見

通説どうしの対立

論争1: テキストを入れるべきか否か

派主張代表者根拠の強さ
テキストあり派HowTo・解説系では文字がCTRを引き上げる。Derral Evesの分割テストで一部コンテンツ+80%CTRと主張Derral Eves, Ali Abdaal（黄背景+太字で4%→12%）⚠️ 本人開示のみ
テキストなし派視覚的インパクトで語るべき。テキストは認知負荷を上げるTim Schmoyer（個人的に不要）、エンタメ系MV⚠️ 個人観察
折衷（コンテキスト依存）派ジャンルと映像の強さによる。視覚が語れるなら不要、語れないなら補完テキストDerral Eves（エンタメ=なし/HowTo=あり）、業界コンセンサス⚠️ 業界通説

論争2: CTR至上 vs 視聴維持のバランス

主張代表者裏付け
「CTRを最大化しろ」— 初期評価でCTRが配布量を決定するMrBeast（24〜48h監視）、Derral Eves⚠️ 経験則
「CTR×Watch Timeのバランス」— クリックベイトは短期効果後にペナルティPaddy Galloway（CTR・AVD・AVPの3指標体制）✅ 観察あり
YouTube公式は「watch time share（視聴時間シェア）」で勝者を判定するYouTube公式（Test & Compare仕様）🟢L1公式

論争3: 最適テキスト語数（3語 vs 6語）

主張出所ラベル
3〜4語以内が理想MrBeast, Paddy Galloway, Ali Abdaal（2〜3語）⚠️ 経験則
5〜6語まで許容一般的なSEO・デザインガイド、日本語10文字（約3〜5語）ルール⚠️ 業界通説
本質: 語数は手段。「縮小表示で一瞬で読めるか」が判断基準複数クリエイターの共通見解⚠️ 業界通説

日本のコンセンサス

項目内容参照ラベル
断定形 > 疑問形「痩せる方法とは？」より「これで5kg痩せた！」の方がCTR向上という経験則samune-ai.jp⚠️ 経験則
テキスト10文字以内 / 3秒で読める視聴者がサムネを見る時間は約3.5秒（「3.5秒」の科学的出典は不明確）ureba.jp⚠️ 経験則
タイトル＝What / サムネ＝感情・結果「タイトルで説明し、サムネで感情に訴える」役割分担。日本の運用者複数が一致して主張lel-japan.co.jp⚠️ 業界通説
タイトル28文字以内スマートフォンでタイトルが切れずに表示される目安（YouTube表示仕様から逆算可能）samune-ai.jp🟢L1公式
表示仕様として確認可能
競合差別化（色で埋もれない）同ジャンルが青ベースなら赤・オレンジを使う。黒背景+白・黄テキストでCTR+1.5〜2%の事例もlel-japan.co.jp⚠️ 個別事例

よくある誤解（🔴一次ソース無し or 反証あり）

誤解正しい理解根拠
🔴神話
「CTRが高いほどチャンネルは伸びる」		CTR×視聴維持率のバランスが重要。高CTR＋低retentionはアルゴリズムがペナルティを与える可能性TubeBuddy分析・YouTube公式（Test & CompareはCTRでなくwatch time shareで判定）
🔴神話
「クリックベイトタイトルで伸ばせる」		初期CTRは上がるが期待と内容がズレると最初の30秒で離脱急増。アルゴリズムが分配を止めるtubebuddy.com
🔴神話
「テキストは多いほど情報が伝わる」		文字が多いほど認知負荷↑・視認性↓。3〜5語が上限というのが業界の経験則コンセンサス業界通説・デザイン原理。学術研究（Loebbecke 2024）でも「テキスト多用は逆効果」の傾向
🔴神話
「顔を入れればどんな顔でもCTRが上がる」		無表情・小さい顔・遠い距離の顔は効果なし。感情が読めるクローズアップ＋極端な表情が条件業界通説。Loebbecke 2024では「ネガティブ感情が消費を促進」と「笑顔最強」通説とも逆方向
🔴神話
「初期CTRが悪くても時間が経てば伸びる」		初期48hがチャンネル平均を大きく下回る場合、その動画の配布はほぼ止まる。早期のサムネ差し替えが有効MrBeast, Paddy Gallowayら複数クリエイターの観察。YouTube公式ドキュメントには明記なし
🔴神話
「サムネだけ変えても意味がない」		Derral Evesがサムネのみを変えて月間再生3倍を達成した事例あり。サムネ単独でも大きなレバレッジを持つbetterflow.systems（本人開示。第三者検証なし）
🔴神話
「YouTube SEOのためにキーワードを詰め込め」		検索流入には効くがCTRを下げる。「人間が読んでクリックしたくなるか」を優先し、SEOは後付けにPaddy Galloway等多数が指摘。トレードオフの問題

→ 次のsec7では「実測（YouTube API＋Gemini）」として5地域98本の観察データを示す。ただし視聴回数≠CTRである点に注意。

📊 sec7: 実測（YouTube API＋Gemini）— 5地域98本＋サムネ40枚

⚠️ このデータを読む前に必ず確認

  • • 視聴回数 ≠ CTR。 本セクションの全数値は viewCount（再生数）であり、インプレッション数・CTRはYouTube Studio内部データのみで外部から測定不能。
  • • mostPopularへのサンプル偏り。 取得日時点の人気動画ランキングの観察であり、YouTube全体の代表サンプルではない。
  • • 取得日: 2026-06-29。 EVO 2026（格闘ゲーム大会）が開催中で、複数地域のランキングを一時的に占拠していた可能性がある。
  • • Gemini視覚分類は参考値。 感情・色・明るさの分類は単一Gemini呼び出しによる主観的判定。再実行で異なる結果になりうる。

🟡実測(observational) — 調査方法: YouTube Data API v3 chart=mostPopular + Gemini Vision inline_data分析（gemini-2.5-flash使用）

このセクションの3点

① 5地域98本の視聴回数観察と40枚のサムネ視覚分析の集計結果を示す

② 顔あり率・感情分布・テキスト割合・頻出色などを巨大数字カードと表で整理する

③ 地域差（JP/US/GB/IN/BR）を比較表で示す（テキスト語数・頻出色・感情の違い）

サムネイル主要指標（40枚集計）

98%

顔あり率（39/40枚）

🟡実測

90%

テキストあり率（36/40枚）

🟡実測

10.8語

テキスト平均語数（全体）

🟡実測

2.7人

顔あり動画の平均顔数

🟡実測

感情分布（40枚）

感情カテゴリ枚数割合備考
neutral（穏やか）2050%最多。「笑顔最強」通説とは異なり穏やかな表情が主流
joy（喜び）1025%ブラジルで特に多い（ブラジルのみjoyがトップ感情）
none（なし/顔なし）410%MV・トレーラー系で顔なしサムネが存在
surprise（驚き）38%
fear（恐怖）25%
anger（怒り）13%

明るさ分布（40枚）

明るさ枚数割合
high（明るい）2050%
med（中程度）1640%
low（暗い）410%

頻出色 TOP10（延べカウント）

順位色出現回数（延べ）備考
1black（黒）16米英で特に多い。暗めのバックグラウンドとして使用
2blue（青）13インドで頻出。ゲーム系でも多い
3yellow（黄）12ブラジルの頻出色。テキスト強調にも使用
4brown（茶）11肌色・屋外・映画系で自然発生
5red（赤）9アクセント・ハイライト枠として使用
6white（白）8日本で特に多い（白背景・白テロップ文化）
7〜10gold, beige, green, purple各4〜5ゲーム・音楽系の装飾色

地域別比較（各8枚・Gemini分析）

地域顔あり%テキスト%平均語数トップ感情頻出色明るさhigh%
JP（日本）88%75%8.7語neutralwhite50%
US（米国）100%88%6語（最少）neutralblack25%
GB（英国）100%100%9.5語neutralblack50%
IN（インド）100%100%17.3語（最多）neutralblue63%
BR（ブラジル）100%88%11.7語joy（唯一）yellow63%

注: GB・INのランキングは米国・南アジアコンテンツと重複が多い（英語圏・南アジア圏共通コンテンツが上位）。地域「固有」のサムネ傾向としては解釈できない部分がある。

視聴回数規模（地域別 98本 全体）

地域本数平均視聴数中央値最大視聴数1位カテゴリ
JP20314,356203,156972,674Other(12)
US19666,076423,7914,470,480Other(9)
GB20569,207438,8791,884,116Other(8)
IN202,286,008（突出）943,27923,892,938Music(8)
BR19200,93257,403900,434Other(10)

サムネ実例（地域別・Gemini分析済み各4本）

地域VideoID顔感情語数明るさ頻出色
JPI_6m6_Ylyd8
BE:FIRST / Missing MV		ありneutral1high水色/ベージュ/白
JPiu7Cl4pbCFA
Evo 2026 実況		ありneutral17high青/白/茶
US4u3iI1WuU0k
The Strokes MV		ありneutral3medグレー青/赤
USJjpJ2xwUagM
Marvel Tōkon Trailer		ありnone8med黒/クリーム/赤
IN2gXNDr_6FcE
IRUMUDI KATTU		ありjoy40med青/黄/黒
BRTEe5wHsyvn4
Gospel音楽		ありjoy49med黄/青/黒
BRtV59ygjefe8
シリアルキラー実話		ありfear2lowダークブルー/灰/黄

インドとブラジルの語数が突出して多い例（40語・49語）はタイトル文字列全体をサムネに転写する文化的慣習によるもので、英語圏の「3語以内」原則とは文脈が大きく異なる。

→ 次のsec8では「字幕・フック」の実測所見（冒頭15〜30秒の型・タイトル/サムネ/フックの役割分担）を観察ベースで示す。

🎬 sec8: 字幕・フックのノウハウ

このセクションの3点

① 冒頭15〜30秒のフック型（statementが主流）と実測4本の所見を示す

② タイトル/サムネ/フックの役割分担を整理する（業界通説ベース）

③ restatesTitle（タイトルをそのまま冒頭で繰り返す）の是非を両論併記で示す

⚠️ 本セクションの注意

フック分析はGemini file_uri（YouTube URL直接解析）で4/5本のみ成功。残り1本（ブラジル）はall_models_failed。観察対象はmostPopular動画に限定されており、フック手法の「効果」を示すデータではない。断定的な解釈は避け、観察所見として読むこと。

🟡実測(observational)

タイトル / サムネ / フックの役割分担

Film Booth（Greg Preece）が整理した「テンションの三角形」では、タイトル・サムネ・冒頭フックはそれぞれ異なる役割を担い、同じ情報を繰り返すと効果が下がるとされる。以下は業界通説をまとめた参考整理。

要素役割（業界通説）具体例ラベル
タイトルWhat（何の動画か）を明示。検索流入・キーワード・文脈を担う。スマホでは28〜30文字が省略の目安「5kg痩せた私がやった3つの習慣」⚠️ 業界通説
サムネ感情・結果・Before状態を視覚で伝える。好奇心ギャップを開く。タイトルと情報を繰り返さないビフォー比較写真＋驚き顔＋短い強調テキスト⚠️ 業界通説
冒頭フック（15〜30秒）クリックした視聴者を「見続ける理由」に変換する。期待を確認しつつ不確実性を残して引き留める「今日紹介するのは〇〇です。でも最後まで見ないと〇〇が起きます」⚠️ 業界通説

参照: tubics.com — テンションの三角形 / 1of10.com — Film Booth戦略

冒頭フックの型（実測4本 + 業界分類）

フック型特徴実測での出現
statement（宣言型）映像や音楽が世界観・感情をそのまま示す。MV・映画トレーラーに多い。セリフや解説より雰囲気で引き込む4/4本がstatement。今回のサンプルはMV/ゲーム大会/Bollywood映像が主体で、他ジャンルの型は観察できなかった
question（問いかけ型）「〇〇ってどういうこと？」と視聴者に問いかけて不確実性を生む。教育・解説系に多い今回の実測では未観察
restatement（タイトル再言型）タイトルをそのまま冒頭で口頭または字幕で繰り返す。視聴者に「何の動画か」を確認させる今回の実測では未観察（MV系は非言語）
teaser（予告型）動画後半の「驚き」や「結果」を冒頭に見せて視聴継続を動機づける。バラエティ・チャレンジ系に多い今回の実測では未観察

実測フック4本の所見

地域動画（VideoID）フック型Geminiが識別した冒頭の内容字幕テンポ
JPI_6m6_Ylyd8
BE:FIRST / Missing MV		statement「探してる」という歌詞の一言から始まる。情感を冒頭で宣言。セリフや解説なしありslow
US4u3iI1WuU0k
The Strokes MV		statement建物と歌っている男のクローズアップショットから始まる。映像の雰囲気がそのままフックなしmed
GB/IN（重複）2gXNDr_6FcE
IRUMUDI KATTU		statement湖畔の夜明け映像に「スワーミエー」という宗教的チャントが響く。一転して賑やかな踊りへ。静から動への落差でフックありfast

4本全てがMV・Bollywood映画の音楽コンテンツ。「冒頭フック＝映像美・音楽・感情の宣言」というMV固有のパターンを観察しているに過ぎず、解説系・バラエティ系クリエイターのフック戦略の参考にはならない点に留意が必要。

restatesTitle（タイトル再言）の是非

立場主張理由ラベル
肯定派冒頭でタイトルを繰り返すと「これが求めていた動画だ」と視聴者が安心して離脱しにくいクリックした視聴者の期待を最初の10秒で確認させる。Google（YouTube）のガイドラインも冒頭の明確性を推奨⚠️ 経験則
否定派タイトルをそのまま繰り返すだけでは好奇心ギャップが閉じてしまい、続きを見る動機が弱まるFilm Booth「サムネが見せ、タイトルが語る。フックは別の角度から引き留めるべき」⚠️ 経験則
折衷「タイトルを拡張する形のrestatement」は有効。期待を確認しつつ「でも〇〇な展開がある」と不確実性を残す業界通説。いずれのアプローチも最終的には自チャンネルでA/Bテストして検証するしかない⚠️ 業界通説

字幕（on-screen text）の観察所見

  • 冒頭字幕ありは4本中3本。 🟡実測 字幕がある動画でも歌詞・曲名表示がメインで、視聴者への解説目的ではない。MV系特有のパターン。
  • テンポは slow / med / fast に分布。 🟡実測 今回のmostPopular上位は音楽コンテンツが主体のため、テンポ分布はYouTube全体の代表値ではない。
  • 「静から動への落差」はフックとして機能する可能性がある。 ⚠️ 観察 IRUMUDI KATTUの冒頭は湖畔の静寂から突然の賑やかな踊りへの転換。コントラストが注意を引くパターンとして解釈できるが、この1件からは結論は出せない。
  • 字幕なしの場合も映像自体がフックを担う。 ⚠️ 観察 The Strokes MV（字幕なし）はカメラワークと音楽がそのまま引き留め要素。言語によらないフックの存在を示す。

まとめ: フック分析の限界と実務上の示唆

  • • 今回取得できたフックデータは全てMV・映画系コンテンツ。解説系・Vlog系・HowTo系クリエイターにはそのまま適用できない。
  • • 「タイトル=What、サムネ=感情、フック=視聴継続の動機」という役割分担は業界通説として広く支持されているが、一次ソースによる検証は限定的。
  • • 最初の15〜30秒の離脱率はYouTube Analyticsで確認可能。フックの効果は自チャンネルの実測で判断することを推奨する（L1: YouTube公式がAnalyticsで提供している指標）。

→ 次のsec9では「統合チェックリスト」として、客観事実ベースの実装指針を神話を避けながらまとめる。

✅ Sec 9: 統合チェックリスト — 客観事実ベースの実装指針

このセクションの3点

① 公式・学術・実測の5層を統合し「証拠付きで言えること」だけをチェックリスト化した

② 「笑顔最強」「色で+42%」など一次ソースのない神話を各項目に隣接させて誤用を防ぐ

③ 最終的な再現性保証は自分のチャンネルでのA/B（Test & Compare）だけ

  1. 1
    🟢L1公式

    CTR単独で最適化しない

    YouTubeが公式に明言: Test & Compare の勝者判定は視聴時間シェア（watch time share）。高CTR＋低視聴維持率は「サムネが動画で提供されないものを約束している可能性」とヘルプが警告。CTRはパーセンテージであり絶対値ではない。

    🔴神話回避: 「CTR○%以上が良いCTR」という公式目標値は存在しない。2〜10%は「半数のチャンネルが収まる分布範囲」。

  2. 2
    🟢L1公式

    カスタムサムネイルは必須（高度な機能を有効化）

    公式データ: 高パフォーマンス動画の90%がカスタムサムネを使用。認証済みアカウントのみ利用可能。ショート動画はフレーム選択のみで変更不可。アップロード後の改善サイクルも視野に入れる。

  3. 3
    🟢L1公式 🟠L4実績

    モバイル視認性を最優先にデザインする

    YouTube視聴の70%超がモバイル。モバイルでのサムネ表示は約160px幅。公式も「サムネイル画像はできるだけ大きく」と明記。縮小表示でテキストが読め・顔の表情が判別できるかを必ず確認すること。推奨解像度は3,840×2,160px（最小幅640px）。

  4. 4
    🔵L2学術 🟢L1公式

    テキストは少なく・高コントラスト・情報過多を避ける

    Loebbecke et al. 2024（n≈500,000）: テキスト量が多いサムネほど消費（視聴）が有意に低下。公式も「デザインを複雑にしすぎない」と指示。クリエイター経験則（MrBeast・Galloway）では3〜4語以内。ただし HowTo/教育系はテキストが補完効果を持つ場合あり（ジャンル依存）。

    🔴神話回避: 「12文字以下が最適」「6語以下で+24%」は一次査読ソースなし。

  5. 5
    🔵L2学術

    顔・感情は有効だが「笑顔最強」は神話——ネガティブ感情も機能する

    Loebbecke et al. 2024: ネガティブ感情を伴う顔が消費を促進（ヘドニック財限定）。実測（n=40枚）では顔あり98%・感情 neutral 50% / joy 25%で「強表情より穏やか」が多数。Bui et al. 2024: カテゴリ（スポーツ等）では顔ありが逆効果な場合も。「笑顔で+30%」「驚きで+38%」の査読一次ソースは未確認。

    🔴神話回避: 「顔があればCTR30%増」——観察研究の交絡（人気チャンネルほど顔を使う）を因果と混同した可能性が高い。

  6. 6
    🔵L2学術

    サムネイルとタイトルの感情は非対称——役割分担を設計する

    Li et al. 2022: サムネのネガティブ感情は広告効果に負、タイトルのネガティブ感情は広告効果に正（逆方向）。Cui et al. 2024: サムネの強感情（ポジ・ネガ問わず）は視聴数と正相関、キャプション内の強感情は逆効果。単一要素の孤立最適化は不適切——タイトル・サムネ・フックを1つのパッケージとして設計する。

  7. 7
    🔵L2学術 🟢L1公式

    誤誘導サムネはCTR+14%でも視聴維持率とアルゴリズムを壊す

    Naveed et al. 2024（ThumbnailTruth, n=2,843）: 誤解を招くサムネイルはCTRを平均+14%高める——しかし視聴完了率への影響は同研究では未測定。YouTube公式: 「CTRが高くても視聴維持率が低い場合、サムネが動画で提供されないものを約束している可能性」と明言。スパム・誤誘導ポリシー違反でコンテンツ削除・収益停止・チャンネル停止の執行措置あり。

  8. 8
    🔵L2学術 🔴神話注意

    色は観察頻出だが因果ではない——自チャンネルで実測が必須

    実測（n=40枚 mostPopular）での頻出色: 黒16/青13/黄12。地域差あり（日本=white、米英=black、インド=blue、ブラジル=yellow）。Koh & Cui 2022: カラフルネス・輝度は有意だが効果量は小さくチャンネル規模との交絡が支配的。視覚的複雑さは逆U字関係（中程度が最適）——「複雑なほど良い」「シンプルなほど良い」の線形仮説は棄却される（Fang et al. 2026）。

    🔴神話回避: 「黄色＋赤背景で+42%」「高コントラストで確実に伸びる」——査読一次ソース未確認。

  9. 9
    🟢L1公式 🟡L3検証済み

    アップロード直後にCTRを評価しない・1変数ずつ変える

    公式が明言する3つの評価ルール: ①アップロード直後にCTRを評価しない、②CTRのわずかな変動に即座に反応しない、③同一動画でタイトルとサムネを同時に変えない（何が効いたかわからない）。MrBeast社内ハンドブックも「口開き vs 口閉じ」という単一変数A/Bを30本で実施——差は小さいと文書内で明記（🟡L3）。

  10. 10
    🟢L1公式

    最後は必ず自分のチャンネルでTest & Compare（A/B）——他者のデータは参考に過ぎない

    YouTube公式 Test & Compare（2023年正式ローンチ、1,500万回以上使用）: 最大3バリアントを同時テストし視聴時間シェアで勝者判定。約2週間・充分なインプレッションが必要。学術研究・クリエイター経験則・実測データは「仮説のインプット」。再現性を保証するのは自分のオーディエンスで取得したデータだけ。CTR差0.5%でも数百万インプレッションに拡大すると統計的有意（公式）。

⚠️ 因果 vs 相関——全ての観察研究に言える限界

このページの学術・実測データの大半は相関研究（観察研究）。「顔あり動画が人気」は「人気チャンネルが顔を使う」交絡の可能性を排除できない。因果として確立しているのは公式テスト（Test & Compare）の watch time share のみ。数値を「事実」として引用する際は「相関として確認」と表現すること。

🔴 神話リスト（広く言われるが一次査読ソース未確認）

  • 🔴 「顔のあるサムネイルはCTRが30%以上上昇する」——查読一次ソースなし（業界分析のみ）
  • 🔴 「驚き表情がCTRを38%高める」——一次論文を確認できず
  • 🔴 「12文字以下のテキストが最適」——査読研究なし
  • 🔴 「CTR○%以上が良いCTR」——公式目標値は存在しない（分布範囲のみ）
  • 🔴 「笑顔は最強の表情」——ネガ感情有効を示す査読研究が複数存在し、通説と逆方向
  • 🔴 「視線誘導でCTRが変わる（ガゼ・キューイング）」——YouTubeサムネ特化の査読研究は未確認
  • 🔴 「黄色×赤背景の高コントラストで+42%」——方法論非公開の二次情報

🎯 実装の最終原則

公式・学術・実測はすべて「仮説を立てるインプット」。実証するのは自分のチャンネルのTest & Compareのみ。他チャンネルの成功例を直接コピーしても再現性は保証されない。1変数を変え・充分なインプレッションを待ち・視聴時間シェアで判定する——このサイクルだけが客観的なエビデンスを生む。

→ 次の Sec 10 では本ページで参照した全URLを層別にまとめた出典リストを掲載する。

📚 Sec 10: 出典リスト（全URL・層別）

🟢L1公式 YouTube / Google 公式

🔵L2学術 査読論文・arXivプレプリント（論文名 + DOI / arXiv）

  • Bui, Feldges, Liebig, Weiland (2024) — Predicting YouTube success through facial emotion recognition of video thumbnails

    Handbook of Social Computing, Ch.7, pp.142-158 | 査読済み書籍章

    https://ideas.repec.org/h/elg/eechap/21469_7.html

  • Loebbecke, Obeng-Antwi, Boboschko, Cremer (2024) — Towards AI-based thumbnail design for fostering consumption on digital media platforms

    International Journal of Information Management, Vol.78, 102801 | n≈500,000 | 査読済み

    https://doi.org/10.1016/j.ijinfomgt.2024.102801

  • Li, Kim, Do, Choi (2022) — The effect of emotion in thumbnails and titles of video clips on pre-roll advertising effectiveness

    Journal of Business Research, Vol.151, pp.232-243 | 査読済み

    https://doi.org/10.1016/j.jbusres.2022.05.079

  • Cui, Chung, Peng, Wang (2024) — Clicks for money: Predicting video views through a sentiment analysis of titles and thumbnails

    Journal of Business Research, Vol.183, 114849 | n=16,215 | 査読済み

    https://doi.org/10.1016/j.jbusres.2024.114849

  • Koh, Cui (2022) — An exploration of the relation between the visual attributes of thumbnails and the view-through of videos: The case of branded video content

    Decision Support Systems, Vol.160, 113820 | n=16,278 | 査読済み

    https://doi.org/10.1016/j.dss.2022.113820

  • Fang et al. (2026) — Thumbnail power: Visual cues and video popularity on UGV platforms

    Journal of the Academy of Marketing Science, Vol.42 | n=22,958 | 査読済み

    https://doi.org/10.1007/s11747-026-01152-6

  • Naveed, Uzmi, Qazi (2024) — ThumbnailTruth: A Multi-Modal LLM Approach for Detecting Misleading YouTube Thumbnails Across Diverse Cultural Settings

    arXiv:2509.04714 | n=2,843動画（8カ国）| プレプリント | 誤誘導CTR+14%の出典

    https://arxiv.org/abs/2509.04714

  • Gamage, Labib, Joomun, Lim, Wong (2025) — Baitradar: A Multi-Model Clickbait Detection Algorithm Using Deep Learning

    arXiv:2505.17448 | IEEE ICASSP'21採択 | 精度約98%

    https://arxiv.org/abs/2505.17448

  • Islam, Jubaer, Khandakar et al. (2026) — YTClickbait21K: Human-Annotated Multimodal Dataset for YouTube Clickbait Detection

    arXiv:2606.14780 | n=21,238動画（29カ国・40チャンネル）| プレプリント

    https://arxiv.org/abs/2606.14780

  • Mowar, Jain, Goel, Vishwakarma (2021) — Clickbait in YouTube Prevention, Detection and Analysis of the Bait using Ensemble Learning

    arXiv:2112.08611 | プレプリント

    https://arxiv.org/abs/2112.08611

  • Limpijankit, Kender (2025) — Detecting Cultural Differences in News Video Thumbnails via Computational Aesthetics

    arXiv:2505.21912 | n=2,400枚（米中各2チャンネル）| プレプリント

    https://arxiv.org/abs/2505.21912

  • Zhang, Aktas, Luo (2020) — Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos

    arXiv:2002.00842 | プレプリント（文化差分析）

    https://arxiv.org/abs/2002.00842

  • Yu, Shi (2020) — A Multi-modal Deep Learning Model for Video Thumbnail Selection

    arXiv:2101.00073 | プレプリント

    https://arxiv.org/abs/2101.00073

🟡L3検証済み 🟠L4集計/主張 運用会社・A/Bツール（代表12件、ほか多数）

🟠L4クリエイター クリエイター主張・分析（代表9件）

⚗️実測 実測データ メタ情報（Sec 7 の出典詳細）

⚠️ 視聴回数 ≠ CTR。本実測データの数値は viewCount（API返却値）。インプレッション数・CTRはYouTube Studio内部データのみで外部から取得不能。mostPopular は瞬間値のスナップショットであり YouTube 全体の代表サンプルではない。
  • データソース: YouTube Data API v3 — videos.list, chart=mostPopular, part=snippet,statistics
  • 取得日時: 2026-06-29 UTC基準
  • 対象地域: JP（日本）/ US（米国）/ GB（英国）/ IN（インド）/ BR（ブラジル）
  • 取得件数: JP=20, US=19, GB=20, IN=20, BR=19（合計98本 / ユニーク82本）
  • 視覚分析（Gemini Vision）: 各地域上位8本 × 5地域 = 40枚。サムネをDL（maxresdefault → hqdefault フォールバック）し inline_data でモデルに送信。使用モデル: gemini-2.5-flash（gemini-2.0-flash 廃止のため自動フォールバック）。成功率: 40/40本
  • フック分析（Gemini）: 各地域トップ1本 = 5本、file_uri（YouTube URL）でフック分析。成功: 4/5本（BR=all_models_failed）
  • コンテンツ分類: タイトル＋チャンネル名キーワードマッチング（ヒューリスティック）——"Other" カテゴリが過大になりやすい
  • サンプル偏り注記: EVO 2026（格闘ゲーム大会）が取得日に開催中で複数地域のランキングを一時的に占拠していた可能性あり

収録URL総数（ページ内参照）: 公式15件 / 学術13件（DOI/arXiv含む）/ 運用会社・ツール12件 / クリエイター9件。実測はAPI・Geminiによる自己取得データのため外部URLなし。

🛠️ 実践: デスクツアー動画の2枚を、この理論でどう直すか

このセクションの3点。①現行2案を上の研究（公式/学術/実測/主張）で採点する。②最大の弱点は「顔が写っていない＝最強レバー不在」と「文字がモニタの上＝可読性ロス」。③その上で文字の置き方を中心に2つの作り直し案を出す。最後は必ず自分のチャンネルでA/B（Test & Compare）。CTRは事前に断定できない。

現行2案（同じGeminiパイプラインで客観タグ付け）

現行案A 下部に黄文字「知らないと損する」
現行案A：黄文字「知らないと損する」を下部中央。8文字／高コントラスト／文字下はモニタで多忙。
現行案B 上「全部、自動化した結果」下「人生が変わった」
現行案B：上=白「全部、自動化した結果」下=黄「人生が変わった」。合計17文字（多い）／上段が頭・モニタに重なる。
タグ（自動判定）案A案B理論からの評価
顔の見え方back（後頭部）back（後頭部）🔴最大の弱点。実測では人気サムネの98%に顔。学術でも顔・表情は最強の手がかり。後頭部は感情ゼロ。
文字数8文字17文字日本コンセンサスは10文字以内・3秒で読める量。Aは適正、Bは多すぎ（モバイルで潰れる）。
文字の下の領域多忙（モニタ）多忙（モニタ・頭）🟠縁取りで救ってはいるが、コード表示の上は最も可読性を削る。暗い無地の上に置くべき。
コントラスト高（黄＋黒縁）高（白/黄＋黒縁）🟢ここは正解。黒縁取り＋黄は実測の頻出色とも一致。維持する。
モバイル可読性高中（情報過多）公式は「小さい画面で読めるか」を最優先。Bは語数を削れば高に上がる。

案C：生成AI（nanobanana2）に「いい感じに」と丸投げした結果 — 3枚で最良

案C nanobanana2生成。右側に神配置！/Claude Code 画面構成/開発爆速化 等
案C：nanobanana2が「サムネをいい感じに」だけで生成。右の暗部に文字を集約＋階層化、青のシネマ調＋暖色アクセント、矢印・カーソルで視線誘導。

正直に言う。これは案A・Bより明確に上で、理論的にもかなり正解に近い。同じ自動タグ付けでも総合「strong」判定。あなたが「これでもいいかな」と感じるのは妥当。

  • 🟢文字の置き方が正しい：右の暗い帯に文字を集約し、モニタの一番ビジーな部分を避けている（A/Bの弱点を解消）。
  • 🟢階層がある：「神配置！」(フック)→「Claude Code 画面構成」(What)→「開発爆速化」(ベネフィット)と大きさで優先度を付けている。
  • 🟢コントラスト＋シネマ調：青基調に暖色（橙/桃）のアクセント＝被写体と文字が立つ。リムライトで人物の輪郭も出した。
  • 🟢視線誘導マーク：矢印とPlayカーソル＝実測でも頻出の手法。

案Cに残る“あと2つ”だけ（ここを詰めれば完成）

① 顔がまだ無い（後頭部）。最強レバーの顔＋表情が不在。3/4顔のカットインを左下に足せれば理論上さらに伸びる余地。
② 文字が48字・6ブロックと多い。「ベストプラクティス」「クリック不可避・完全解説」あたりはモバイル縮小で潰れる（小文字の可読性=中）。大きい3階層（神配置！／Claude Code 画面構成／開発爆速化）だけ残し、小さい行は削ると、スマホでも一瞬で刺さる。

結論：案Cは「微調整して出せる」レベル。下の安全帯マップと案①②は、なぜ案Cが効くのか／どこを削るのかを言語化したものとして読んでほしい。

この絵の「文字を置いていい場所」マップ

被写体は左1/3、視線は右のモニタ群へ。モニタ＝この動画の主役（証拠）なので隠さない。文字は暗くて無地の領域＝左の帯と下の帯に置く。

┌───────────────────────────────────────────┐
│ 暗い壁(無地)    ┊  モニタ群＝主役・隠さない │
│ 「短い語」OK    ┊  （ここに文字を乗せない）  │
│ ＝左の安全帯    ┊   コードは見せて"証拠"に  │
│                ┊   ┌───────────────┐     │
│ 後頭部(暗)      ┊   │ 赤丸/矢印で1点強調可 │     │
│ 文字OKだが      ┊   └───────────────┘     │
│ 顔を足すなら此処 ┊        マイク・PCは残す   │
├───────────────────────────────────────────┤
│ ▼下の安全帯（暗い机）＝パンチライン1行を大きく ▼ │
│   ※右下スミは再生時間が出るので文字を寄せない   │
└───────────────────────────────────────────┘

作り直し案①：没入デスク型（顔を足さない・最小修正）

狙い：「個人の本物の開発部屋」という没入感をそのまま武器にする。モニタ＝証拠を全部見せる。

文字の置き方：2行まで。上段は左の暗い壁の上に白＋黒縁で小さめ（属性ワード）、下段は下の暗い帯に黄＋黒縁で特大（パンチライン）。右2/3のモニタ・マイクには一切重ねない。

  • 上段（左・白）：「Claude Code 1年」（6〜8字・属性＝何の動画か）
  • 下段（下帯・黄・特大）：「全部、自動化」または「机がこうなった」（7〜8字）
  • タイトル側に「デスクツアー／導入1年の全環境」を回す＝サムネとタイトルで言葉を重複させない（役割分担）。
  • 任意：一番"動いてる"モニタ（Claude Code実行中）に細い赤丸を1つ。視線誘導＝実測の頻出手法。やり過ぎ厳禁（1つだけ）。

作り直し案②：顔カットイン型（最強レバーを足す・推奨）

狙い：研究で一貫して効く「顔＋表情」を補う。今は後頭部で感情ゼロ＝最大の機会損失。

文字の置き方：顔カットインを右下スミは避けて左下に置き（〜画面高の35%）、文字は上の暗い帯に1行だけ。顔と文字を上下で分け、互いに重ねない。

  • 左下：自分の3/4顔（驚き or 不敵な自信の表情）を切り抜きで合成。学術は「笑顔最強」は神話、ネガ/強め表情も有効なので真顔の自信でも可。
  • 上帯（白 or 黄・黒縁・1行）：「人生が変わった」等≤8字。Bの2行17字を1行に圧縮。
  • 顔を入れた分、背景のモニタは少しボカす／暗くして文字と顔を立てる（コントラスト確保）。
  • 誇張表現（「月◯円」等の数字）は事実だけ。盛ると誤誘導＝CTRは+14%でも視聴維持と満足度を壊す（学術）。
この提案根拠の層
文字は暗い無地（左帯・下帯）に置きモニタに重ねない🟢公式（モバイル可読性）＋🔵学術（サリエンシー/可読性）
文字は1〜2行・10字以内に圧縮🟠日本クリエイターのコンセンサス＋🔵学術（テキスト多用は逆効果）
顔＋表情を足す（案②）🟡実測（顔98%）＋🔵学術（顔・表情が最強手がかり）
黄＋黒縁・高コントラストを維持🟡実測（黒/青/黄が頻出）＋🟠クリエイター（コントラスト）
サムネとタイトルで言葉を重複させない🟠日本コンセンサス（サムネ=感情/タイトル=What）
盛らない（誇張で釣らない）🟢公式（誤誘導ポリシー）＋🔵学術（誤誘導は維持率を壊す）
最後は自分のチャンネルでA/B検証🟢公式（Test & Compare＝視聴時間で判定）

最後に正直な但し書き。上は「世界の客観データに沿った確率の高い方向」であって、あなたのチャンネルでCTRが上がる保証ではない。研究の結論は一貫して「最終的な答えは自分のオーディエンスのA/Bでしか出ない」。具体策としては、案C（＋小さい文字を削った軽量版）を本命に、案①（没入デスク型）や顔カットインを足した案②を対抗として Test & Compare に2〜3案入れ、CTRだけでなく視聴維持（視聴時間シェア）で勝者を選ぶこと。涙を拭いて、最後はデータに decide させよう。

→ ここまでが「世界の客観事実 → 自分の1枚」への落とし込み。数字は研究、判断はA/B。