视频广告如何在短短几秒内抓住观众？Meta提出的MLLM-VADStory框架给出了答案。该框架利用多模态大模型，将广告分解为功能性单元，系统量化其故事线，为创意设计提供了数据驱动的有效指导，揭示了提升视频留存率的关键因素。
智能速览
MLLM-VADStory是一个量化视频广告故事线的多模态大模型框架。
框架将广告分解为问题框架、产品展示等功能性单元进行分析。
研究发现，故事型广告能将前2秒观看时间提升5%至10%。
不同行业的最佳故事结构不同，如美容行业偏爱“问题-解决方案”模式。
该研究为利用领域知识指导AI进行创意理解提供了新范式。
精华内容
广告并非随意拼接，而是由功能性意图构建的序列。理解这些意图如何串联成故事，是提升广告效果的关键。下面将深入解析该框架的运作机制与核心发现。
功能单元解析
该框架的核心是将广告视频分解为语义连贯的功能单元。与传统基于情感或信息流的故事结构分析不同，它认为短视频创意的叙事是功能性的。每个场景单元都执行着独特的沟通功能，如提出问题框架、展示产品特性或进行功能解释。通过结合视觉和语音线索，框架能够精准捕捉这些叙事转折点，为理解广告的内在逻辑提供了全新视角。
故事的价值
研究团队将此框架应用于50,000个社交媒体视频广告，覆盖服装、美容、食品饮料四大领域。数据清晰地表明，采用故事结构的广告创意在提升视频保留率方面表现显著。具体来说，故事型广告在播放前2秒内的平均观看时间，相较于非故事型广告增加了5%到10%，证明了故事在初期吸引观众注意力方面的强大作用。
行业差异洞察
更进一步的分析揭示了不同行业子垂直领域的最佳故事结构存在差异。例如，在美容行业中，“问题-解决方案”型的故事结构更为常见且效果更佳，这种结构直接触及消费者的痛点并提供明确解决方案。这种差异化的洞察表明，不存在普适的最佳故事模板，创意设计需要结合行业特性和目标受众进行定制化。
未来应用前景
MLLM-VADStory的主要贡献在于首次利用领域知识指导多模态大模型进行大规模视频创意理解，生成了可解释且可操作的洞察。未来，该框架有望成为广告创意设计和优化的重要工具，帮助广告商在竞争激烈的环境中，通过科学的故事结构分析，更有效地提升广告表现，实现投资回报最大化。
MLLM-VADStory不仅为广告效果研究提供了新工具，更展示了领域知识赋能AI的巨大潜力。它将模糊的“创意”转化为可度量的数据结构，为未来的广告叙事科学开辟了新路径。下一步，我们是否能看到更多由AI辅助创作的高转化率故事广告？
