Đặt nó ở cao trào của cảnh ăn vặt, ngay khi đồ ăn được lấy đi, rồi nối tiếp bằng Awkward Moment cho cảnh reaction và giữ trò đùa về đồ ăn làm trung tâm của video edit.
Về âm thanh này
Đây là một đoạn vocal ngắn khoảng mười giây xoay quanh điệp khúc sum sum sum lặp đi lặp lại, với một câu hát cứ quay lại cùng một cụm từ. Âm thanh nhẹ nhàng, ngớ ngẩn và hơi gây nghiện, kiểu âm thanh khiến khoảnh khắc ăn vặt hay ăn uống trở nên buồn cười hơn chỉ nhờ lặp lại chính nó. Nó xuất hiện như một sự chen ngang nhanh gọn và vui vẻ.