Miniatura jest oceniana w rozmiarze znaczka pocztowego, w niecałą sekundę, na tle kolumny konkurentek. Prawie nic z Twojego kadru tego nie przeżywa. Detale tła znikają. Drobny tekst staje się fakturą. Przeżywają dokładnie trzy rzeczy. Ostrość — rozmycie ruchu, które na pełnym ekranie wygląda filmowo, przy 120 pikselach szerokości jest smugą. Ekspozycja — twarz odrobinę jaśniejsza od otoczenia czyta się nawet malutka; mętny kadr staje się szarym prostokątem. I spojrzenie w obiektyw — twarz patrząca prosto na Ciebie to jedyny wzorzec, którego przewijający człowiek nie potrafi przeoczyć; dlatego to najstarsza sztuczka prasy. Jeśli klatka ma te trzy rzeczy, zrobi swoją robotę w małym rozmiarze. Jeśli brakuje jednej, nie uratuje jej ani ramka, ani emoji.
Zwykle szuka się tej klatki przez przeciąganie po osi czasu w nadziei, że coś dobrego przemknie. To zła metoda wyszukiwania. Minuta wideo to grubo ponad tysiąc klatek, w większości w środku słowa — a usta uchwycone między głoskami wyglądają nie tak w sposób, który widz czuje od razu, nawet jeśli nie umie go nazwać. Mrugnięcie trwa kilka klatek; przy przeciąganiu ląduje się w środku bez przerwy. Naprawdę dobre klatki skupiają się w konkretnych miejscach: takt przed rozpoczęciem zdania, chwila po jego zamknięciu, wszędzie tam, gdzie następuje słuchanie, a nie mówienie. Przeciąganie znajduje je szczęściem. Lista kontrolna znajduje je szybciej: usta w spoczynku, otwarte oczy, jasna twarz, nieruchoma kamera. Nie szukasz klatki pięknej — szukasz czytelnej.
To problem filtrowania, a filtrowanie to robota dla oprogramowania. Talk2Camera ocenia kandydujące klatki z ujęcia pod kątem cech, które liczą się w małym rozmiarze — ostrości, ekspozycji i tego, czy patrzysz w obiektyw — i pokazuje kandydatki zamiast suwaka. Wybór staje się porównaniem garści użytecznych klatek zamiast przekopywania tysiąca bezużytecznych. Propozycje tytułów pochodzą z tego samego źródła co wideo: z Twojego scenariusza. A ponieważ scenariusz jest zapisywany obok nagrania, obie rzeczy działają także wtedy, gdy otwierasz ujęcie po tygodniu — nie tylko zaraz po nagraniu. Osąd pozostaje Twój; szukanie przestaje być Twoją pracą.
Tytuły pisane z pamięci dryfują w stronę wideo, które miało powstać — większego, mglistszego i o stopień bardziej nadętego niż to, co naprawdę padło. Uczciwym źródłem jest scenariusz czytany do kamery. Gdzieś w jego pierwszym akapicie siedzi obietnica, której wideo naprawdę dotrzymuje, we własnym rejestrze, a tytuł wzięty stamtąd ma dwie ciche przewagi. Pasuje do pierwszych sekund wideo, czyli chwili, w której widz decyduje, czy tytuł skłamał — clickbait to dokładnie tytuł, którego otwarcie nie honoruje. I zwykle zawiera słowa, którymi ludzie szukają, bo rzecz była tłumaczona słowami, których ludzie używają. Powiedz, co wideo pokazuje, słowami, które w nim padają, a intrygę zostaw miniaturze. Jedno z dwojga może obiecać odrobinę za dużo — nigdy oba.