El Score ELM aplica el Modelo de Probabilidad de Elaboración (Elaboration Likelihood Model) de Koh & Cui (2022) a un thumbnail. Seis variables visuales medibles, agrupadas en dos rutas — Ruta Central (qué tan informativo es) y Ruta Periférica (qué tan estético y persuasivo es) — se combinan en un solo número de 0 a 100 que puedes comparar entre los assets de tu propio canal.
Las variables del score vienen de un paper académico: An Exploration of the Relation between the Visual Attributes of Thumbnails and the View-Through of Videos (Koh & Cui, 2022). Esa es la base empírica de cada recomendación; lo que thumbiq agrega es cómo se aplica, se calibra a tu canal y se traduce en acciones concretas.
Cuánta información transmite el thumbnail y cuántos elementos compiten por la atención.
Cuántos tipos de elemento comunica a la vez: producto, persona y texto. El modelo premia el thumbnail completo — el punto más alto se alcanza cuando conviven los tres.
Cuántos objetos compiten por la atención dentro del encuadre. Muy pocos aburren; demasiados saturan.
El atractivo visual y el peso de una figura reconocible, más allá de la información que contiene.
La presencia de una figura que tu audiencia reconoce al instante. Es la variable con más peso del modelo: por sí sola puede multiplicar por ~2.8× las views proyectadas. No toda cara conocida cuenta — se evalúa contra el reconocimiento real de tu audiencia.
Qué tan vívidos o apagados son los colores. El modelo penaliza la zona intermedia — ni sobrio ni explosivo — y favorece los extremos.
La luminosidad general de la imagen y cómo interactúa con el color.
Nitidez y limpieza de la imagen: ni demasiado artificial ni degradada.
Un 75 en tu canal no equivale a un 75 en otro: la escala se calibra a cada historial. Por eso nunca comparamos canales entre sí.