多數人接到「做一個新頁面」的任務，直覺反應常常一樣，都是放一支影片上去，畫面比較豐富，使用者應該會多留意一下。這個假設聽起來合理，但可靠度沒那麼高，Nielsen Norman Group 針對影片易用性做的研究發現，使用者一遇到頁面上的影片，並沒有固定的反應模式：有人立刻點開看，有人先讀旁邊的文字才回頭看，也有人完全沒興趣點開，同一個人碰到不同任務時的反應甚至也不一樣。
換句話說，「頁面上放了影片」跟「使用者真的看完、吸收了那支影片」，中間隔著一大段落差，而這段落差，才是決定一支影片有沒有效的關鍵。影片不是不好，只是它只在特定任務、特定情境下才真的比文字有效；把它當成放上去就加分隨手擺著，反而可能拖慢頁面，甚至讓使用者更快關掉分頁離開。
影片打開了，不等於被看完
深入這個問題前，先戳破一個常被忽略的前提。使用者遇到頁面上的影片，並不存在單一的標準反應。Nielsen Norman Group 在對多個網站做可用性測試後發現，有人一看到影片就立刻點開，有人選擇先讀旁邊的文字，讀完才回頭看影片，也有不少人從頭到尾都沒有點開的意願，同一支影片放在同一個頁面，不同使用者的第一個動作可以完全相反。
這件事對做頁面規劃的人來說很關鍵，因為它推翻了一個常見的預設：「只要放了影片，使用者就會看。」事實剛好相反，影片會不會被打開，取決於使用者當下的任務、耐性，還有他對這個頁面原本的期待，不是影片本身放上去就能決定的。英國政府的官方內容設計規範 GOV.UK 也提出相同的觀察，一個頁面上的影片通常只有一小部分使用者真的會點開來看，規範因此建議在動手拍片之前，先想清楚同一件事能不能直接用文字講明白。
除了願不願意點開，影片還有另一層更基本的風險，它可能根本播不出來。可用性測試裡反覆出現的狀況包括影片載入失敗、緩衝停滯，或是點了播放鍵卻沒有反應，這些都不是罕見的意外，而是影片這種媒介本身比文字更容易碰到的技術摩擦。文字幾乎不會壞掉，一段文字只要頁面載入了就在那裡；影片卻要仰賴額外的檔案下載、播放器初始化、網路狀況配合，任何一個環節出錯，使用者得到的就是一個空白的黑框，而不是原本要傳達的內容。
把這兩件事放在一起看，結論很清楚：「頁面上有沒有放影片」跟「使用者有沒有被打開、看完、吸收裡面的內容」，是兩個完全不同的問題。放上一支影片本身不保證任何效果，它只是多提供了一個管道，使用者用不用得上，還要看後面幾個條件夠不夠。
資訊型任務裡，文字的掃讀速度贏過影片的循序播放
多數人打開一個網頁，不是要「欣賞內容」，而是要「找答案」，這是網路使用者最常見的任務型態，也是文字在資訊型頁面上占優勢的根本原因。文字支援跳著看、抓關鍵詞、幾秒鐘內判斷這頁有沒有自己要的東西；影片卻是循序媒介，使用者得從頭等到答案出現，中途沒辦法確認接下來的內容跟自己有沒有關係。
Nielsen Norman Group 直接點出這個落差。影片最大的缺點，就是強迫使用者依照播放順序被動接收內容，使用者得耐著性子照播放順序消化，卻不知道接下來出現的內容跟自己有沒有關係；而且看完一支影片花的時間，通常比讀完等量的文字資訊還長，因為影片不支援大多數使用者瀏覽網路資訊時採用的快速掃讀。
這個快速掃讀不是憑空的說法。Jakob Nielsen 在 2006 年用眼動追蹤設備錄下 232 位使用者瀏覽數千個網頁的畫面後，整理出一個具體的行為模式，俗稱 F 型掃讀。使用者先橫向掃過內容區的上段，接著往下移動，做第二次較短的橫向掃視，最後才垂直掃過內容左側，只挑幾個吸引注意的詞往下看。整個過程強調的是快，通篇逐字閱讀反而是少數。
這也是為什麼小標與段落的第一個詞特別重要。使用者的視線往下掃到第三個字之後，注意力就會明顯下滑，如果一段話或一個小標把最沒資訊量的字擺在最前面，使用者根本來不及看到重點就已經跳過去了。文字內容能靠調整詞序去配合這種掃讀行為，影片卻沒辦法，它是一條時間軸，使用者沒辦法用眼睛跳到自己要的那一秒，只能靠進度條用力拖，體驗遠不如掃讀文字直觀。
影片拖慢載入是行動網路上的真實成本
從效能角度看，「反正現在網路都很快，放影片沒差」這個說法禁不起檢驗。影片檔案的體積遠大於文字，下載與解碼都要花額外的時間與流量。Google 的官方效能文件 web.dev 把這一點寫進具體指標當中，<video> 元素的 poster 屬性，也就是影片還沒播放前顯示的代表縮圖，會被視為 LCP（最大內容繪製，Largest Contentful Paint，Core Web Vitals 三項核心指標之一）的候選元素。一支放錯位置或沒優化的影片，連縮圖都可能直接拖垮這個頁面在核心網頁體驗上的分數。
web.dev 同時引用 HTTP Archive 的資料，指出網路上大約 20% 的影片帶有自動播放屬性，代表有相當比例的頁面一載入就默默開始下載並播放影片，使用者根本還沒決定要不要看，流量已經先燒掉了。這個成本在行動網路上格外真實，GOV.UK 的規範也明確把「行動網路上載入更慢、耗用更多流量」列為影片相對文字的具體缺點，直接點名這對用手機瀏覽的使用者尤其是個問題。
如果影片是嵌入別人平台的內容，像 YouTube 或 Vimeo，代價又更高一層。這類第三方嵌入播放器本身要載入額外的程式碼與資源，web.dev 引用的實測數據顯示，中位數網站因為嵌入第三方影片，主執行緒被封鎖的時間超過 1.7 秒。主執行緒被長時間占用，會直接影響與下一個繪製互動（INP，Interaction to Next Paint）這項使用者體驗指標，使用者點了按鈕或切了頁籤之後，畫面回應會變得明顯遲鈍。
要避免這個成本，做法不是乾脆不放影片，而是把載入時機延後。先給一張輕量的 poster 縮圖，搭配 Intersection Observer 或原生的 loading=lazy，讓影片真正進入使用者的可視範圍才開始下載，而不是頁面一開就默默把整支影片的流量吃光。
自動播放沒換到注意力，換到的是靜音與暫停鍵
「首頁放一支會自動播放的影片，比較能抓住使用者注意力」是另一個常見的迷思，而研究觀察到的第一反應剛好相反。Nielsen Norman Group 的研究指出，使用者到達一個網頁時，並不樂見自己在毫無預期、也沒同意的情況下，被自動播放的影片或聲音打斷；當影片自動開始播放，多數使用者的第一個直覺動作，不是停下來看，而是找靜音鍵或暫停鍵。
這不只是使用者的個人習慣問題，而是被寫進國際網頁無障礙標準裡的明文規定。W3C 的 WCAG（Web Content Accessibility Guidelines）2.2.2「Pause, Stop, Hide」這項準則（Level A，WCAG 2.1 與 2.2 都適用）要求，任何自動開始播放、持續超過 5 秒、又與頁面其他內容並存的動態或閃爍內容，除非這個動態本身是任務裡不可或缺的一部分，否則都必須提供使用者暫停、停止或隱藏的機制；自動更新的內容也適用同一條規定。等於是把自動播放的動態內容對使用者是一種干擾這件事，寫進了國際規範，而不是留給網站設計者自由心證的美學選擇。
還有一層落差經常被忽略。使用者點進一個連結時，心裡預期看到的通常是文字與圖片組成的頁面，不是一支影片，尤其不是一支還沒點擊播放鍵就自己動起來的影片。這種預期的落差，會讓使用者對頁面的第一印象從「這裡有我要的資訊」變成「這裡有東西在打擾我」，不管影片內容本身做得多用心，光是這個開場就先扣了分。
影片的維護速度跟不上搜尋引擎、AI 的判讀需求
把時間拉長來看，文字與影片在維護這件事上的差距更明顯。文字改一個字、調整一段順序，幾乎是即時的；影片只要有一句話講錯、一個數字過時，往往得重新剪輯、重新配音、重新上傳，成本跟時間都不成比例。GOV.UK 的規範直接把這一點寫成影片的正式缺點，影片比文字更難更新，內容一旦過時，很容易變成網站上一支持續存在、卻早已不準確的舊資訊。
還有一件事更需要留意，純影片格式對搜尋引擎與 AI 摘要工具天生不友善。搜尋引擎與 AI 助理讀取網頁時，主要依賴的還是文字內容；一支沒有逐字稿、沒有字幕的影片，機器只能靠檔案名稱、標題這類有限的中繼資料去猜測畫面裡在講什麼，幾乎沒辦法真正理解影片裡的實質內容。這代表如果一頁重要資訊只用影片呈現，不只使用者可能因為不想看而錯過，搜尋引擎與 AI 助理也同樣讀不到。
解法其實不難，替影片準備逐字稿或字幕。GOV.UK 把逐字稿的作用寫得很明確，一份逐字稿同時做兩件事，讓使用者可以用掃讀或標註的方式取得內容，不必重播整支影片才找得到某句話；也讓搜尋引擎與 AI 助理能夠透過逐字稿裡的文字，找到並理解影片裡的內容。換句話說，逐字稿把影片重新變成一份機器讀得懂、也能被引用的文字資產。
字幕的需求也不像多數人以為的那樣小眾。Nielsen Norman Group 觀察自家教學影片頻道的數據發現，有 26% 的觀看是打開字幕看的，遠遠超出聽障使用者這個族群的比例，說明看字幕早就是一個廣泛存在的使用習慣，不是可有可無的無障礙加分項。
示範和複雜陌生的任務讓影片真正贏過文字
前面幾段一直在講文字在資訊查找型任務裡的優勢，但這不代表影片一無是處。當任務換成示範一個動作該怎麼做，或是解釋一個使用者完全陌生、步驟又多又長的流程，影片反而是效率更高的媒介，這一點必須老實承認，不是各打五十大板了事。
Nielsen Norman Group 針對教學型內容做過一項實測研究，找來 8 位受測者觀察他們面對圖文教學與教學影片時的實際選擇，整理出三種行為模式：只讀文字就完成任務、先略讀文字再回頭看影片、或是一開始就直接跳去看影片。研究發現，當內容描述的是一個長、多步驟的流程，或是主題本身陌生又複雜，使用者更容易在某個時間點轉向影片；而且隨著閱讀文字所需的心力增加，影片的吸引力也跟著上升。就連本來偏好文字的使用者，一旦被文字說明搞得一頭霧水，也會把影片當成最後手段。
這個現象背後有個很直覺的原因，有些內容真的很難只靠文字講清楚。一塊布怎麼垂墜、一個繩結怎麼打、一台機器操作起來的手感是什麼，這類牽涉到動作、節奏、觸感的內容，用文字轉述天生就吃虧，使用者讀著讀著容易失去耐性，而看一遍影片示範，往往比讀三段文字說明還快理解。這正是影片這種媒介真正該被用在的地方，不是拿來裝飾頁面，而是拿來處理文字轉述不了的內容。
決定的關鍵是任務本身，不是媒介的天生優劣
這麼看下來，「影片比較好」或「文字比較好」本身就是一個假問題。真正該問的，不是哪種媒介天生比較強，而是這個頁面在幫使用者完成什麼任務，資訊查找型任務，文字通常更快、更好掃讀；示範或陌生複雜型任務，影片通常更有效率。判斷任務屬於哪一種，決定了這個頁面該優先用哪種媒介呈現。
Nielsen Norman Group 對這個議題的收束立場也呼應這個判斷邏輯：影片內容真正有幫助，前提是使用者能控制它、理解裡面在講什麼，而且有另一種方式可以取得同樣的資訊。換句話說，影片該是補充或替代的其中一個選項，不該是取得資訊的唯一管道。
先問這個頁面解決的是資訊型任務還是示範型任務
把任務類型當成規劃頁面時第一個要回答的問題。使用者打開這個頁面，是想在幾秒鐘內確認一件事，像是這項服務多少錢、這個功能有沒有支援某個情境，還是想學會一個他從沒做過的動作或流程，像是操作一台設備、組裝一個物件？前者屬於資訊查找型任務，文字通常比影片更快讓使用者拿到答案；後者屬於示範或陌生複雜型任務，影片的優勢才真正發揮出來。
這個判斷不是憑感覺，而是有前一節整理的研究發現當依據：任務越長、步驟越多、主題對使用者越陌生，使用者就越可能轉向影片；反過來，任務單純、答案簡短明確，文字的掃讀優勢就壓過影片的循序播放。規劃一個新頁面之前，先老實回答這個問題，比先決定要不要拍一支影片更重要。
真的要放影片，文字備援比拍片本身更重要
如果判斷下來這個頁面真的適合放影片，接下來真正重要的不是把影片拍得更好看，而是有沒有把文字備援準備好。前面提到的兩份規範不約而同指向同一個做法。影片裡的關鍵資訊，同時要有一份文字版本存在於頁面上，而且是使用者不用播放影片就看得到的文字，不是聊備一格塞在角落的一行小字。
逐字稿是這份文字備援最基本的形式，它讓不想看、看不到，或是搜尋引擎與 AI 助理讀不到影片內容的使用者，都還能拿到同一份資訊。把這件事做好，比影片本身剪得多精緻更影響這支影片實際發揮的效果，因為再好看的影片，只要少了這份文字備援，就等於把一群原本可以觸及的使用者關在門外。
下次規劃頁面前，與其先問要不要放影片，不如先問使用者打開這頁是想確認一件事，還是想學會一件事。答案是前者，把力氣放在把文字寫清楚、掃讀友善；答案是後者，影片才真正派得上用場，而且別忘了同時留一份看得到的文字內容。媒介本身沒有天生的優劣，選對的關鍵，一直都是任務本身。