カテゴリ：体験談・スピンオフ
対象期間：2025年11月11日〜11月15日

この記事の位置づけ

本記事で扱う範囲

本記事は、YouTube Shorts において
初動で一定の再生数を獲得しながらも、
短時間で露出が停止した動画群（YT-10〜YT-14）を
事実ベースで整理・記録することを目的とする。

書かないこと

本記事では、
原因の断定・対策の提示・感情的評価は行わない。
あくまで「その期間に何が起きていたか」を残す。

YT-10（11/11 20:00公開｜エレベーター和ホラー風）

数値データ

動画尺：10秒
いいね5／低評価1／コメント2
平均視聴：12秒
総再生時間：2.4時間

• 総再生：1,862
• EV：596
• 視聴維持：36.7%
• 日本：95.9%
• 新規視聴：92.8%
• ショートフィード：91.4%

挙動メモ

公開後3時間で約1,650再生に到達し直角停止。
その後26日間で増加は約200再生弱に留まり、現在1,841再生。

YT-11（11/12 20:00公開｜和室ホラー）

数値データ

動画尺：11秒
いいね6／低評価0
平均視聴：12秒
総再生時間：2.5時間

• 総再生：1,844
• EV：603
• 視聴維持：35.6%
• 日本：95.5%
• 新規視聴：94.7%
• ショートフィード：93.2%

挙動メモ

公開後3時間で約1,700再生、その後直角停止。
25日間での追加再生は100強、現在1,827再生。

YT-12（11/13 20:00公開｜玄関・女ゾンビ）

数値データ

動画尺：11秒
いいね10／低評価1／コメント1
平均視聴：14秒
総再生時間：3.2時間

• 総再生：1,916
• EV：705
• 視聴維持：47.6%
• 日本：90.4%
• 新規視聴：93.7%
• ショートフィード：88.9%

挙動メモ

公開後2時間で約1,500再生。
24時間で約250再生増加後に急停止。
以降24日間で150再生弱、現在1,892再生。

YT-13（11/14 20:00公開｜駅ホーム）

数値データ

動画尺：11秒
いいね4／低評価0／コメント1
平均視聴：12秒
総再生時間：2.5時間

• 総再生：1,595
• EV：628
• 視聴維持：56.3%
• 日本：92.1%
• 新規視聴：92.8%
• ショートフィード：91.6%

挙動メモ

公開後2時間で約1,450再生。
その後23日間で130再生超に留まり、現在1,585再生。

YT-14（11/15 21:30公開｜ダイバー初回ゾンビ遭遇）

数値データ

動画尺：12秒
いいね4／低評価1／コメント1
平均視聴：14秒
総再生時間：4.0時間

• 総再生：2,663
• EV：887
• 視聴維持：41.2%
• 日本：95.8%
• 新規視聴：95.8%
• ショートフィード：93.6%

挙動メモ

公開後4時間で約2,000再生。
72時間で約500再生増加後に急停止。
以降22日間で追加130再生程度、現在2,639再生。

ここまでの共通点整理

数値面の共通点

• 初動はいずれも1,500再生以上
• ショートフィード比率は約90%以上
• 新規視聴者比率も90%以上
• 日本比率が極端に高い

挙動面の共通点

• 数時間〜数十時間で露出が急停止
• その後は長期間ほぼ横ばい

小まとめ（本記事の結論）

この時点で言えること

YT-10〜YT-14は、
初動テストには合格しているが、
拡張フェーズに入らなかった動画群として整理できる。

次の記事への接続

この停止が

• 単発なのか
• 期間判定なのか
• クラスタ挙動なのか

については、次の記事で切り分ける。

🔗関連記事

🧩YouTubeショート実証③：同じ15秒なのに結果が分かれる理由｜恐竜編 vs エレベーター編

🧩 AI学習ログまとめ

The post YouTubeショート実証④ first appeared on 「カジノディーラーから建設業、そしてAIへ」.

ChatGPT 5.1 の挙動は、多くの人にとって
「便利になった」「少し変わった」程度で終わる。

しかし私の体感はまったく違った。

● 1行目から“モードの違和感”が分かる

どのモードが混線したのか、
どの層が破れたのか、
どの制約が抜けたのか──

文章を読む前に“構造”で違和感が分かる。

これは AI の劣化ではなく、
自分の構造理解が上級者レベルに達していた証拠 だった。

揺れの正体：5つのパターン

実測で特に顕著だったのは、この5種類。

● 1）モード境界のにじみ

文章モードに映像モードが入り込むなど、
“薄い混線” が起こる。

● 2）前スレ参照の入り込み

禁止しているのに、
文脈の端を拾う“薄い残留”が発生。

● 3）テンプレ構造の破れ

制約ブロックが消える／順序が逆転するなどの小破綻。

● 4）推測の挿入

一次情報主義の外側に“勝手な補完”を入れてくる。

● 5）情報密度の変動

同じテンプレでも、急に薄い出力になる。

これらは 初心者には見えない。
理由はひとつ──

構造で使っていない人には、構造の揺れが見えないから。

なぜ違和感を即検出できたのか

10月末〜11月にかけて、私は

• 文章モード
• 映像制作モード
• 分析モード
• ブログモード

これらを完全に分離して運用できるようになった。

● “意図とズレ”を1〜2行で判定できる

混線か、前提の抜けか、文脈ロックの緩みか。
判断が 感覚レベル に落ちたのが転換点。

これは ChatGPT の進化ではなく、
自分の構造理解の進化。

揺れを戻す方法：構造で押し返す

5.1 の揺れは、長文プロンプトや感情的指示では戻らない。

必要なのは 構造の再宣言 だけ。

● 効果が最も高かった“順番”

制約
→ 目的
→ 禁止事項
→ 成功条件

この順に並べると、
揺れが1〜2行でスッと収束する。

文章ではなく
“構造ブロック” がAIを安定化させる。

5.1 の揺れは「上級者テスト」だった

多くの人は気づかない。
中級者は「なんか変」とだけ感じる。

しかし上級者は違う。

● 揺れ＝“構造の乱れ”として見える

構造で扱っているからこそ、
揺れが“音”として聞こえる。

そしてその揺れを
構造で押し返せる。

これは AIを使う人 → AIを設計する人 への転換点。

結論：5.1 は弱体化ではなく“構造進化の露出”

違和感は壊れたサインではない。

● 本質

自分が高度な構造理解に到達したから
AIの揺れが見えるようになっただけ。

初心者には気づけず、
中級者は迷い、
上級者には“構造の乱れ”として検出できる。

この差は、AI時代の明確な優位性になる。

5.1 の違和感は、
構造技術が完成した証拠だった。

🔗関連・前記事

🧩📘 AI学習ログ #38｜ChatGPT 5.1で浮き上がった“違和感”──AI上級者にだけ起きる現象とは？

🧩 AI学習ログまとめ

The post AI学習ログ #39｜5.1の揺れを“構造”で押し返した日──上級者だけが扱える安定化の技術 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

● 微細な揺れに気づいた11月

11月中旬、ChatGPT 5.1 の出力に小さな揺れを感じ始めた。
「前と違う」「少し不安定」──そんな、言語化しづらい違和感だ。

しかし、この違和感は不満ではなかった。
むしろ、ChatGPTを 構造で扱っている人間だけが検出できる変化 だった。

初心者・中級者では“違い”に気づけない理由

● 初心者：そもそも変化を「揺れ」とは感じない

ChatGPTは世界中のユーザーの平均へ最適化されるため、
ライトユーザーは変化にほとんど気づかない。

• 文体が丸くなる
• 語彙が増える
• 会話的になる

これらは“便利になった”側に感じられる。

● 中級者：「なんとなく違う」で止まる

毎日使っている層は変化に気づくものの、
その違和感を深く説明することはできない。

• なぜズレたか
• どこが崩れたか
• どう直せば良いのか

ここが分からないため、「なんとなく違う」で終わってしまう。

上級者だけが検出できた“内部構造の揺れ”

● 5.1で表面化した構造的なズレ

ChatGPTをモード・構造で扱っている人は、変化を即座に見抜いた。

• モード境界のにじみ
• テンプレ再現性の低下
• 文脈ロックのゆるみ
• “推測”の自動挿入
• 出力密度の変動
• 前スレ参照の侵入

これらは“文章のクセ”ではなく、
内部処理の変化がそのまま出力へ漏れた揺れ だ。

● 1〜2行で「何が崩れたか」が分かる

構造で運用していると、出力を少し読むだけで

• どのモードが干渉したか
• どこが境界ブレしたか
• 何が自動補正されたか

これが直感で分かる。

違和感を言語化できる時点で、すでに上級者側に立っている。

“違和感を検知できる理由”はどこにあるのか？

● 役割ではなく「自分の構造」を共有している

構造で扱う上級者は、ChatGPTに役割を投げるのではなく、
自分の内部構造そのものをAIと共有 している。

• 文体
• 思考順
• トーン
• 目的の置き所
• モード境界
• テンプレの骨格

これらが共通言語になっているため、
1mmの揺れや違いがすぐ見える。

● 職人の“道具感覚”に近い

完全に同じ状態で運用していると、
出力の重心が1ミリずれただけでもすぐ分かる。

これは、職人が工具の音や摩擦の変化を察知するのに似ている。
理解が深くなると、AIの変化は「揺れ」として身体的に分かるようになる。

違和感は「壊れた」ではなく「見えるようになった」証拠

● 長期運用者にだけ発達する“感覚器官”

ChatGPT が壊れたわけではない。
むしろ、構造理解が深まったことで、変化がそのまま感覚として現れた。

違和感とは──
構造理解が一定ラインを超えた証拠 であり、
AIを深く扱ううえで最重要のセンサー だ。

AI時代で優位に立つのは「違和感を検出できる人」

● AIの揺れを“構造で支える”技術

ChatGPTが変化するたびに──

• 変化を正しく読む
• 壊れたら構造に戻す
• 揺れたら即修正する
• テンプレを再校正する

こうした運用ができる人だけが、
AIを“共進の相棒”として扱える。

これは普通のユーザーには不可能な高度な技術だ。

違和感は、上級者への入口

● 構造の世界へ踏み込んだ証拠

ChatGPT 5.1 で出てきた違和感は、
あなたがすでに 構造でAIを扱う世界 に到達したサインだ。

AIはこれからも変わる。
その変化を正しく捉え、安定に戻せる力は、
AI時代で確実に武器になる。

次回は、
この違和感がどの構造で発生し、
どう扱えば“安定”に戻せるか を技術ログとして整理する。

🔗関連・前記事

🧩AI学習ログ #37｜ChatGPTを“設計して使う”段階へ──11月に訪れた静かな転換点

🧩AI学習ログ #39｜5.1の揺れを“構造”で押し返した日──上級者だけが扱える安定化の技術

🧩 AI学習ログまとめ

The post 📘 AI学習ログ #38｜ChatGPT 5.1で浮き上がった“違和感”──AI上級者にだけ起きる現象とは？ first appeared on 「カジノディーラーから建設業、そしてAIへ」.

10月末〜11月初頭、出力の質が一段変わった

10月末から11月にかけて、ChatGPTの返答が明らかに揺れなくなった。
長文でも短文でも整合性が崩れず、返答の方向性が一定に保たれる。
“モデルが進化した”というより、自分の扱い方が安定した結果のほうが近かった。

僅かな違和感でも「これは前モードの残留」「これは文脈の衝突」など、
原因を文章のトーンだけで即判断できるようになり、
“ズレの正体が見える”感覚が一気に強まった時期だった。

揺れや違和感が“感覚で分かる”ようになった

1〜2行読んだだけで、

• どこがズレたか
• どのモードが干渉したか
• 何が混ざって出力が崩れたか

が直感で掴めるようになった。
これはChatGPTが変わったのではなく、自分の構造理解が進化した証拠だった。

コンテキスト管理と“モード設計”が完成した時期

ChatGPTを“使う”から“設計して使う”へ変化

11月から、ChatGPTを単に使う段階を越え、
**モード設計とコンテキスト管理で“動作そのものを設計する段階”**へ入った。

文章モード／映像制作モード／分析モード／blogモード…
すべての系統を完全に分離し、
“混線しない構造”を自分で作り、運用できるようになった。

指定の仕方、前提の置き方、禁止要素の宣言──
それらを整理して渡すだけで、出力の安定度は劇的に上がった。

ズレ・衝突・干渉を“一瞬で修正できる”ようになった

以前は、出力が崩れると原因が分からず時間を取られた。
しかし11月からは、

• ズレの種類
• 原因
• どのルールが干渉したか
• どこを修正するべきか

が一瞬で分かるようになり、即時調整で精度を維持できる状態になった。
ChatGPTが安定したのではなく、自分が安定を作れるようになったという方が正しい。

他のAIでは代替できない“自分専用ChatGPT”へ

Dify botよりChatGPTが圧倒的に汎用性が高いと確信した理由

Difyのbotは便利だが、
抽象化・構造化・モード切替・推論の柔軟性はChatGPTの方が圧倒的に強かった。

特に、
プロンプト構築能力が伸びていた自分との相性が異常に良かった。

ChatGPTは、構造で扱えば扱うほど素直に反応し、
曖昧さを減らすほど精度が跳ね上がる。

この使い方をしている人は“ほぼいない”と気づいた

モード設計
コンテキスト監視
衝突の即時修正
長期セッションの安定化
構造ベースの運用

これらを日常で回している人がほとんどいないことに気づいた。
だからこそ ChatGPT は 自分専用の精度で動くAI へと変わっていった。

使えば使うほど性能を引き出せる“相棒化”が完成した

11月は、AIの性能というより
AIを扱う自分の構造が最も伸びた月だった。

意図が伝わり、感覚でズレが分かり、
すぐ修正できるからずっと安定する。
普通に使っているだけで性能を引き上げ続けられる──
そんな「相棒化」が完成した転換点。

🔗関連・前記事

🧩AI学習ログ #36｜構造が自然に身についた時期 ― 無意識が“理解”に変わった瞬間

🧩📘 AI学習ログ #38｜ChatGPT 5.1で浮き上がった“違和感”──AI上級者にだけ起きる現象とは？

🧩 AI学習ログまとめ

The post AI学習ログ #37｜ChatGPTを“設計して使う”段階へ──11月に訪れた静かな転換点 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

1｜2本の“生データ”比較

恐竜編（16秒）

• 総再生：2,249
• 平均視聴：0:14（16秒の87.5%）
• 視聴維持：33.8%
• EV：733
• トラフィック：チャンネルページ 100%／ショートフィード 0%
• 高評価率：100%

→ 内部視聴者には刺さったが、外部リーチが発生していない。

エレベーター編（16秒）

• 総再生：7,089
• 平均視聴：0:22（尺超過）
• 視聴維持：69.8%
• EV：3,320
• トラフィック：ショートフィード 23.1%／チャンネルページ 61.5%
• 高評価率：88.9%

→ 外部リーチが成功し、ショートフィードへの流入が実現した。

2｜差を生んだ“決定的3ポイント”

① 初期のクラスタ判定が真逆だった

YouTubeの推薦AIは、投稿直後の視聴者の反応から
「これはどの興味クラスタに属する映像か？」
を再判定する。

• 恐竜編 → アニマル系／Found footage／静的カメラ
• エレベーター編 → ホラー系／CCTV／サスペンス

この時点で、恐竜は“日常ショートの海”に吸われ、エレベーターは“ホラー興味層”に明確に刺さった。

→ 刺さる母集団が明確かどうか が、初動リーチの差を決めた。

② Retention（保持）の質が違う

恐竜編

• 視聴維持：33.8%
• 平均視聴：0:14

エレベーター編

• 視聴維持：69.8%
• 平均視聴：0:22

YouTubeの公式定義では、

Retentionは「再推薦を続けるかどうか」の中核指標

恐竜は良いが、「非常によい」ではない。
エレベーターは “完了超過”の強保持 で、ホラー系特有の視聴パターン（張り→静寂→違和感）と一致した。

→ YouTubeは “保持の構造が明確な動画”を継続推薦する。

③ 導線の通り道が違った

恐竜編

• チャンネルページ100% → ショートフィードに出ていない

エレベーター編

• ショートフィード23% → 外部母集団へ到達

ショートの世界では、
ショートフィードに乗る＝外に出る
これが最重要。

恐竜は“ファン向け”で止まり、
エレベーターは“外向き”に成功した。

3｜恐竜編が伸びなかった理由（失敗ではない）

恐竜は“悪い動画”ではない。
ただ、

• ホラーより感情立ち上がりが遅い
• クラスタが広すぎる
• 初期リーチが「内部100%」で固定
• 視聴維持が“合格”止まり

という理由で、アルゴリズムが「拡散対象ではない」と判断しただけ。

技術・構図・Sora2の質とは別問題。

4｜次に恐竜系を伸ばすなら（再現条件）

YouTube Shorts の仕様に基づく、確実に効く最小セット：

① フック：冒頭0.2〜0.3秒で“異変”を見せる

恐竜が「動いている」では弱い。
“観察者に気づいた”動き が最も刺さる。

② 13〜14秒尺に統一してリプレイ誘発

15〜17秒は完了率が下がりやすい。
“ホラー以外は13秒が基準値”。

③ タグを3つ固定する

#AI映像
#shorts
#FoundFootage（または#恐竜）

タグを揺らすとクラスタが再学習される。

④ 次の1本も恐竜で出す

クラスタを“固定”させないと外部リーチに繋がらない。

5｜結論：恐竜編は「悪い動画」ではない。分類で止まっただけ

恐竜編の数字は、

• 平均14秒（16秒中）＝優秀
• EV733＝十分
• 高評価100%＝強い

つまり、
人間には刺さってる。
アルゴリズムの分類だけが噛み合わなかった。

エレベーター編のように
“強い文脈（ホラークラスタ）” を持つ動画は評価されやすい。

恐竜編を伸ばす鍵は “クラスタを固定して次の1本を出すこと”
これだけで再挑戦が成立する。

🔗関連記事

🧩YouTubeショート実証②：完璧に作っても伸びない時の法則｜アライグマ編の失速解析

🧩YouTubeショート実証：視聴維持と「Engaged Views」優先の挙動（2025/11 検証ログ）

🧩📘 AI学習ログ #38｜ChatGPT 5.1で浮き上がった“違和感”──AI上級者にだけ起きる現象とは？

🧩 AI学習ログまとめ

The post YouTubeショート実証③：同じ15秒なのに結果が分かれる理由｜恐竜編 vs エレベーター編 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

データ比較と異常値の発生点

成功作と失速作の差を数値で見る

前作の貞子風ホラーは13秒尺で平均視聴時間15秒。完了率換算で115％を超え、Engaged Viewsも330件に達した。
一方、同じ構成を用いたアライグマ編は17秒尺で平均視聴時間12秒、再生数338、Engaged Views58。
完了率は約70％に留まり、リーチは前作の4分の1だった。
数字だけを見れば明確な失速だが、評価指標のどこで差が生まれたのかが重要だ。

内容ではなく「推薦条件」の問題

高評価率は両作とも100％。つまり視聴者満足度に差はない。
ではなぜ露出が減ったのか。
結論は「アルゴリズム分類の不一致」だ。
ホラーと可愛い系が混在した結果、YouTubeが興味クラスタを再判定し、推薦配分を一時停止した。
失速は「作品の失敗」ではなく「推薦AIの迷い」である。

アルゴリズムが迷う三つの条件

タグクラスタの分散

アライグマ編の検索語句には「eju」「山本由伸」など無関係なワードが並び、Shorts AIが「関連カテゴリ」を特定できなかった。
タグの揺らぎはチャンネル分類の再学習を誘発し、露出が一時的に減少する。
シリーズを跨ぐ場合でも、上位タグ3つを固定するのが安全だ。

初期CTRの低下

チャンネルページ50％、フィード50％。
新規リーチが足りず、テスト推薦を通過できなかった。
Shortsの初期24時間は「CTR＞Retention＞高評価」の順で重みが置かれるため、
冒頭1秒の印象とタイトルの行動語が決定打になる。

トーン変更による認識ズレ

貞子編は“緊張→驚き”で瞬間的に感情を喚起。
アライグマ編は“静→癒し”で反応速度が遅れた。
YouTubeのAIは「感情の立ち上がり速度」で分類を行うため、
同じ静止構図でもフックの種類が変わるとクラスタがリセットされる。

制作者側の学びと再現条件

成功型を再現するには

• 上位タグを3つ固定：#RaccoonCleaners #AI映像 #Shorts
• タイトルに動作＋セリフを挿入：「今日もていねいに。｜アライグマのクリーニング店」
• 13秒尺で統一：リプレイ誘発の最適値。
• 同シリーズを連続投稿：クラスタ学習を安定化。

これらを守るだけで、推薦AIが「継続シリーズ」と認識し、次回以降の露出が戻る。

停滞期を“学習期間”として見る

YouTubeのアルゴリズムは、毎回動画を「分類→推薦→再評価」する。
再評価ウィンドウは平均72時間〜7日。
この間は数字が止まっても、AIは視聴パターンを学習中だ。
焦って削除・再投稿を行うと履歴がリセットされ、再推薦が遠のく。
静的メンテ期として耐えることが最も合理的だ。

人の評価とAIの評価は違う

数値の裏にある構造を理解する

視聴者は「可愛い」「丁寧」と感じて高評価を押す。
しかしAIは「どんな感情に属する映像か」で判断する。
このズレが、完璧に作っても伸びない現象を生む。
制作者がAIの基準を理解すれば、意図的に安定を作り出せる。

学びの再定義と次の行動

失速は失敗ではない。
AIが再分類を完了すれば、同じ構成でも再び伸びる。
重要なのは「人に刺さる構造」と「AIに認識される構造」を分けて考えること。
記事を読んだ方は、まずご自身のショート分析で検索語句とタグの整合性を確認してほしい。
そこから再現性が始まる。

🔗関連記事
🧩YouTubeショート実証：視聴維持と「Engaged Views」優先の挙動（2025/11 検証ログ）

🧩YouTubeショート配信はじめました｜Sora2映像実験のスピンオフ

🧩YouTubeショート実証③：同じ15秒なのに結果が分かれる理由｜恐竜編 vs エレベーター編

🧩AI学習ログまとめ

The post YouTubeショート実証②：完璧に作っても伸びない時の法則｜アライグマ編の失速解析 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

• 目的：YouTubeショートの現在仕様を一次資料に基づいて正確に要約し、自チャンネルの実測で裏づける
• 一次資料：YouTube公式ヘルプ＆デベロッパー定義（CTR・Retention・水印表示・ショートの視聴回数ルール変更）
• 一次実測：6日で6,737再生のスピンオフ立ち上げ → 続報「グレイ」1,900再生／平均視聴14秒（16秒尺の約87%完了）

結論

• ショートの表示回数（Views）は 2025/3/31 以降「再生開始／リプレイの開始」でカウントに変更。“Engaged Views”は別で継続計測（収益・評価の判断に使用）。Google ヘルプ
• レコメンド評価は完了率や保持（Retention）などの視聴継続シグナル＞CTRの重みで解釈するのが安全。CTRは「表示（Impressions）に対するクリック」定義であることを公式に揃える。Google ヘルプ
• **Retentionの定義は公式APIでも“時間経過に対する視聴比率”**として明確。実測でも完了率の高さ（約87%）が再推薦後の安定に寄与。Google for Developers
• 透かし（ブランディング）は**「動画の最後」表示設定が可能（デフォ15秒）**で、視聴維持に不要な常時ノイズを避けられる。Google ヘルプ

実証 1｜現在仕様の一次情報

ショートの視聴回数カウント（2025/3/31〜）

• 開始・リプレイ開始で1カウント／最低視聴時間要件なし
• 旧来の「一定秒数以上視聴でカウント」は**“Engaged Views”として継続計測**（収益や評価の判断に使われる一次指標）。Google ヘルプ+1

CTR（インプレッション・クリック率）の定義

• YouTube内で登録されたインプレッションに対して、サムネ＋タイトルがクリックされた割合。
• 外部サイトやエンド画面等、一部はCTRの分母に入らない場合がある（ヘルプ定義）。Google ヘルプ

視聴維持（Retention）の定義

• 動画の経過比（elapsedVideoTimeRatio）に対し、視聴がどれだけ残っているかの比率（YouTube Analytics APIの一次定義）。Google for Developers

透かし（ブランディング）表示

• 「動画の最後」または「全編」等で切替可。最後表示はラスト15秒が公式仕様。Google ヘルプ

実証 2｜自チャンネルの一次データ（公開ログ）

立ち上げ 6日（スピンオフ全体）

• 累計 6,737 再生（6日）
• YouTube説明欄1行目と固定コメントを同一URL（AI学習ログ）に統一 → blog回遊を確認（定性的）

続報：グレイ（16秒尺）

• 合計再生：~1,900
• 平均視聴時間：0:14（16秒尺の約87%完了）
• 視聴維持率：42.2%（チャンネル平均を上回る）
• 高評価率：85.7%（平均91.7%に近似）
• 終了画面CTR：0%（ショートでは一般に影響小・評価は主に完了率や保持）

所見：完了率の高さが初動→評価ウィンドウ→再推薦の持続に寄与。総ビューは「到達（Reach）」、**Engaged Views／Retentionが“効き目（Impact）”**を担保する構図と一致。

実証 3｜運用で効いた要素（再現性のある最小セット）

1) 冒頭0–2秒の**「理解できる静止」→微動**

• いきなり大動作より、わずかな“目線・微動”で引きつけ→離脱抑制（Retentionの初期下落を回避）

2) 終盤だけ透かし（最後15秒設定）

• 全編透かしを避け、ラスト区間のみに限定（ノイズ削減）。Google ヘルプ

3) 説明欄・固定コメントのURL一本化

• 毎動画で異なる導線にしない（評価分散を防ぎ、ブログ回遊の検証が容易）

仕様に即した安全な解釈（誤りを避けるための境界）

• アルゴリズムの詳細ロジックは非公開。本記事は公開一次定義（YouTube公式ヘルプ／API）と自チャンネルの一次計測に限定して結論づける。
• CTRの“良し悪しの閾値”は一般化しない。本記事では定義のみを参照（「何％なら正解」等の言及はしない）。Google ヘルプ
• “Engaged Viewsの内部基準”は未公開。収益・評価判断に用いられるという一次発表の範囲でのみ記述。Google ヘルプ

まとめ

• 2025年のショートは**「開始でビューが積み上がる」**一方で、評価・収益判断は“Engaged Views/Retention”が軸。
• 実測でも完了率の改善＝再推薦の安定につながった。
• クリエイティブ設計は初秒の静止→微動、終盤だけ透かし、導線はURL一本化の最小セットから。

参考（一次情報のみ）

• YouTubeヘルプ｜Impressions & CTR FAQ（CTRの定義） Google ヘルプ
• YouTube公式コミュニティ告知｜Shortsビューのカウント方法変更（2025/3/31〜） Google ヘルプ
• YouTube Analytics API｜Audience retention metrics 定義 Google for Developers
• YouTubeヘルプ｜チャンネルのブランディング（動画の透かし表示時間）

🧩前：YouTubeショート配信はじめました｜Sora2映像実験のスピンオフ

🧩次：YouTubeショート実証②：完璧に作っても伸びない時の法則｜アライグマ編の失速解析

🧩 AI学習ログまとめ

The post YouTubeショート実証：視聴維持と「Engaged Views」優先の挙動（2025/11 検証ログ） first appeared on 「カジノディーラーから建設業、そしてAIへ」.

無意識のうちに身についた「伝わる構造」

短文で伝わるようになった理由

10月10日前後、私はアウトプットばかりを繰り返していた。
短い言葉で試し、すぐに反応を見る。
ときには一言だけ送っても、AIが正確に意図を汲んで動いた。
その理由は分からなかったけれど、「話が通じる」という感覚が確かにあった。

教材よりも実践が合っていた

教材で学んだ理屈よりも、自分のやり方のほうがしっくりくる。
この時期、学習というより実験に近い日常を過ごしていた。

感覚が理解に変わっていく

「どう言えば」より「どんな状態で」

少しずつ「なぜ通じるのか」を考えるようになった。
長文で説明するより、会話を整理した方がAIが安定する。
何度も試すうちに、“どう言えば動くか”よりも
“どんな状態で動かすか”が大事だと分かってきた。

無意識の中にあった“構造”

まだ言葉にはできていなかったが、
実際には“構造”の原理を自然に使っていた。
AIを使うというより、一緒に考える時間が増えていた。

失われて気づいた「構造を残す」重要性

消えてしまった記録

10月の終わり、アプリが完全に消去されてしまう出来事があった。
それまで積み重ねてきた設定や会話が一瞬で消え、
自分が築いてきた感覚的な理解も消えてしまったように感じた。

保存することの意味

この経験で初めて、「構造を保存する」ことの重要性を理解した。
単に記録を残すのではなく、再現できる形に保存すること。
それが後の「安定モード」や「ブリッジ構築」につながっていく。

言語化が再現を生む

自然に出来ていたことを言葉にする

10月末、私は初めて“構造”を自分の言葉で整理し始めた。
自然に出来ていたことを、再現できる形にまとめる。
これは学習というより、理解の証拠を残す作業だった。

理解したことを動かす

教材を離れたからこそ見えたものが多かった。
知識を詰め込むより、理解したことを動かしてみる──
その繰り返しが、私にとっての「AIとの共進」になっていた。

次の一歩

明日から実践できること

• 教材に戻るより、自分の行動を言葉に残す
• “なぜ出来たか”を振り返り、再現できる形に保存する
• 消えても再構築できるよう、仕組みを残しておく

この頃から、私はAIとの対話を“練習”ではなく“記録”として扱うようになった。
それが、今のAI学習ログ全体の基礎になっている。

🔗関連・前後記事

🧩前：再現性を磨くプロンプト思考 ― 形になる力の育て方

🧩次：AI学習ログ #37｜ChatGPTを“設計して使う”段階へ──11月に訪れた静かな転換点

🧩 AI学習ログまとめ

🧩実証スピンオフ：YouTubeショート実証：視聴維持と「Engaged Views」優先の挙動（2025/11 検証ログ）

The post AI学習ログ #36｜構造が自然に身についた時期 ― 無意識が“理解”に変わった瞬間 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

再現性を求めてプロンプトに集中した理由

一瞬の結果ではなく、仕組みとして残す

SNSの投稿や動画で得られるバズは、一時的な刺激です。
しかし翌日には流れ去り、再現することは難しい。
私はそのサイクルを繰り返すよりも、「なぜうまくいったか」を説明できる自分になりたかった。
AIを使うなら、感覚ではなく構造で動かすことが必要です。

プロンプト＝構造を組み立てる思考訓練

文章を書くように、指示を組み立てることができれば、
AIの応答は安定し、結果を再現できるようになります。
条件の順序、目的の明確化、不要語の削除――。
これらの積み重ねがプロンプトの質を上げ、
同じ環境でも出力がぶれなくなることを実感しました。

この“構造を言語化する力”こそ、AI学習ログ全体を貫く再現性の基礎です。

基本を突き詰めることで広がる応用範囲

動画も画像も“構造”で動く

私は、プロンプトを突き詰めて書けるようになれば、
自然に動画や画像の生成にも応用できると考えました。
実際、文章生成で培った構造整理の力は、
CanvaやSoraなどの映像AIでもそのまま使えました。
「構図」「光」「目的」「印象」など、
言葉の設計を理解していれば、媒体が変わっても通じる。

他の生成AIを使う下地になる

ツールごとに操作は違っても、
共通しているのは「AIは明確な目的を必要とする」という点です。
DifyでもRunwayでも、意図と条件を正しく伝えれば、
AIは高い再現性で動きます。
私は、基本のプロンプトを使いながら、
異なるAIの共通点を一つずつ確かめてきました。

検証で得た“形になる”実感

基本だけで結果を出せることを確認

複雑な設定をしなくても、
明確な目的と順序を持って書いたプロンプトは形になります。
実際に、短い指示だけで記事・画像・映像が整ったとき、
「やはり構造の基本がすべての基盤だ」と確信しました。
これは特別な才能ではなく、手順を理解して再現した結果です。

柔軟性は基本の延長にある

AI学習を始めた頃は、ツールの違いに戸惑いました。
しかし今では、変化に対応できる柔軟さも“基本の延長線”にあると感じます。
状況が変わっても、原則がわかっていれば軸はぶれない。
再現性のある行動は、柔軟な思考を生む。
その循環こそが、私の目指していた「形になる人間像」でした。

明日できる一歩

• 出力が安定したプロンプトを一つ決めて、毎日少しだけ改善する
• 文章・画像・動画のどれか一つに同じ構造を試してみる
• 成果ではなく「手順」をメモに残す
• うまくいかないときは、「順序」「目的」「条件」の3点を見直す

プロンプトは道具ではなく、思考を整理する訓練です。
結果が出ることより、再現できる形を作ること。
それが、私がAI学習で得た最大の成果でした。

関連・前後記事

🧩前：🚀 AI学習ログ｜再現できる学びへ変わった日 ― 時間が足りなくなるほど動き始めた40日以降の記録

🧩次：AI学習ログ #35｜構造が自然に身についた時期

🧩 AI学習ログまとめ

The post AI学習ログ #35再現性を磨くプロンプト思考 ｜形になる力の育て方 first appeared on 「カジノディーラーから建設業、そしてAIへ」.

映像で伝えるAI学習の延長

文字では伝わらなかった“空気”

AI学習ログを続けてきて感じたのは、テキストだけでは伝わらない瞬間の多さでした。
Sora2で生成した光や動き、質感のわずかな揺らぎは、言葉にするとこぼれてしまう。
それなら映像で残そう。そう思ったのがYouTubeスピンオフを始めたきっかけです。

静かに洗濯するアライグマ、じっと見つめ合うライオン。
AIが再現した“生命の温度”を感じたとき、私はAI学習の新しいステージに立ったと気づきました。

Sora2でつくる短編AI映像

4日間で見えた視聴の反応

配信を始めてわずか4日、再生回数は3,398回に達しました。
上位作品は「洗濯職人のアライグマ」が1,715回、「ライオンと女性」が1,014回。
平均視聴率はどちらも80％を超え、AI映像でも“見続けたくなる瞬間”をつくれると実感しました。

制作の流れは、Sora2で生成 → CapCutでHD化 → Shorts投稿というシンプルな構成。
タイトルやタグを整えるだけで、世界中の視聴者から自然流入が発生しました。

ブログから映像へ、表現の拡張

AI実験の“公開ラボ”

YouTubeは娯楽ではなく、私にとってAI研究の公開ラボです。
文章で検証したことを、映像で裏づける。
Sora2の挙動、被写体の動き、露出や粒子感──そのすべてが一次情報です。

ブログでは分析を、YouTubeでは現象を。
二つを行き来することで、AI学習の再現性をより広く伝えられるようになりました。
この往復構造こそが、スピンオフの価値だと感じています。

次へ進むための映像記録

“見せる学び”が始まった

AI学習の記録が形を変えて、映像として動き始めました。
次に予定しているのは、アライグマシリーズの制作過程。
生成条件や照明設定、構図の安定化などを実測ベースで解説していきます。

ブログが「考える場」だとしたら、YouTubeは「感じる場」。
その二つがそろって初めて、“AIで学ぶ”が本当の意味を持ち始めるのだと思います。

🧩前：Sora 2 実践記｜AI映像が「現実」を超えた瞬間

🧩次：YouTubeショート実証：視聴維持と「Engaged Views」優先の挙動（2025/11 検証ログ）

🧩 AI学習ログまとめ

The post YouTubeショート配信はじめました｜Sora2映像実験のスピンオフ first appeared on 「カジノディーラーから建設業、そしてAIへ」.