「數據決定視覺，點擊定義美學。」
嗨～你是不是也有過這個經驗？
在 YouTube 上看到創作者更新，點進去卻發現是看過的影片；或是在影音平台上，原本沒興趣的劇，換了一張封面，突然就又想點開了。沒錯 你中招啦(欸
現今各式影音的第一判斷標準就是封面惹
它決定了觀眾滑過去第一瞬間要不要停下並點開
封面決定成敗還真的不是開玩笑
又或是電影，一張海報要扛起整部電影的票房
更何況重映的經典電影也是重金邀請設計師重新製作
但現在 Netflix 內部的 AVA 系統（Artistic Visual Analysis） 卻在幹大事
它每天在數萬幀畫面中瘋狂截圖，然後按照課堂裡提到的五大套路進行分類：
- 情緒臉孔： 哭得越慘，點擊越高？
- 衝突瞬間： 爆炸永遠是吸睛的神藥。
- CP 感： 只要男女主角對看，你就覺得那是愛情。
「它其實不是在選美圖，而是在模擬人類的慾望路徑。」
身為設計系學生，看到這裡流下了卑微的淚水。在研究排版、字距、黃金比例，結果演算法只用了 0.001 秒就決定：「嘿，這人喜歡看男主角的側臉，給他這張就對了！」
(好啦~ 我也是視覺系的
演算法：那個比你更懂你「性癖」的視覺管家
課程講義裡提到一個有趣的觀點：「大腦是懶惰的」
演算法深知這一點。它知道如果你最近剛看完三部韓劇，你的大腦現在對「深情對望」的視覺訊號呈現「零防禦」狀態。於是，當滑過那部明明是科幻驚悚片的封面時，它竟然給你截了一個「男女主角在末日中牽手」的畫面。
天啊! 二話不說繼續點下去追劇 (默默舉手
這就是「視覺隱喻」與「行為數據」的邪惡聯姻。它不是在做設計，它是在做「陷阱」。它利用我們大腦的慣性，把我們困在一個「視覺同溫層」裡。
A/B Testing：設計師的殘酷擂台
經歷過大小評圖，老師可能會說：「這個配色很有層次感。」
但在快速網路世界裡，數據會直接打臉：「配色不重要，左邊那張點擊率高 2%，右邊那張直接丟進垃圾桶。」
這種 A/B Testing 簡直就是設計界《魷魚遊戲》。雖然聽起來很殘酷，但不得不承認，這對我們來說，是一次重大的啟發：創意的價值，不再僅僅是視覺上的「美」，而是它能否與受眾的心理預期產生「化學反應」。
在演算法的縫隙中，找尋「荒謬的雪」
雖然演算法很強大，能精準預測你喜歡看什麼。但我依然偏愛講義中提到的那種「翻轉既定印象」的創意。
就像課堂裡說的，真正能讓人大開眼界的，往往是那種「盲人都能看見的荒謬」——比如在沙漠中下的一場雪，或是把 Casio 手錶縮小成戒指。這些「不合邏輯」的視覺震撼，是目前只會優化「已知偏好」的演算法還做不出來的。
所謂打不贏就加入? 進步是必須的，那我們就做最荒謬又吸睛的那個~~~
畢竟請AI生圖也好、統計也好，前提都是需要一個好點子
下次當你看到 平台 給你推送了一張「完全符合你口味」的海報時，就可以跳出框架！
想想那可能是演算法在試圖馴化你的審美。
希望我的指導教授在評圖時，也能像演算法一樣，看在我「情緒臉孔」表現得這麼痛苦的份上，給我一個高一點的點擊率（分數）。
這篇文章獻給所有在「數據」與「美感」之間掙扎的朋友。不反對演算法，但拒絕被演算法徹底看透。
畢竟，設計最迷人的地方，不就是那些無法被數據計算出來的「意外驚喜」嗎？
