勝手な考察ですけど。外で影を操作してる人が脚立を使わなかった理由は玄関開けられるまでの時間差を考慮して
直ぐにその位置から逃げるためには棒か何かの先端に似たような影ができるような素材をつけ（例えばニット帽のようなもの）軽く左右に振ってその場からすぐに見切れない所まで退避するためじゃないのか？動画の３分５１秒あたりの不自然な合図のような音は外の人間に玄関開けるよという合図じゃないの？