視聴時間の正確な予測は、ショートビデオ配信プラットフォームにおけるユーザー参加度の向上に不可欠であるが、多層次スケールにおける複雑な分布特性により、その実現は困難を伴う。実際の産業データを系統的に分析した結果、分布の観点から視聴時間予測における2つの重要な課題を明らかにした。すなわち、(1) 速スキップが著しく集中するため生じる粗粒度の歪み、(2) ユーザーと動画間の多様なインタラクションパターンに起因する細粒度の多様性である。これらの観察に基づき、本研究では視聴時間が指数分布と正規分布の混合（Exponential-Gaussian Mixture: EGM）に従うと仮定した。ここで、指数分布が歪みを、正規分布が多様性をそれぞれ特徴づけるものとする。それに基づき、EGM分布のパラメータ化を実現するため、隠れ表現エンコーダと混合パラメータ生成器という2つの主要モジュールから構成される、指数-正規混合ネットワーク（Exponential-Gaussian Mixture Network: EGMN）を提案する。本研究では、公開データセットを用いた広範なオフライン実験および小紅書アプリの産業的ショートビデオフィード環境におけるオンラインA/Bテストを通じて、EGMNが既存の最先端手法と比較して優れた性能を発揮することを検証した。特に、包括的な実験結果から、EGMNが粗粒度から細粒度に至るまで、あらゆるスケールにおいて優れた分布適合能力を有していることが明確に示された。