你能僅使用人工智慧來經營社群媒體帳號嗎？
最近請了一段時間假，想藉此機會回答這個問題。
你看，持續推出新內容是很困難的，但當談到我在社群媒體上分享的內容以及分享方式時，我有點純粹主義者。 我們之前在解決這個問題時甚至已經介紹過這一點 Buffer Content 團隊如何使用 AI 在我們的創作過程中。
但我想，為了科學，我應該做這個實驗並回答創作者可能非常好奇的人工智慧問題之一：LinkedIn 上的人工智慧內容表現如何？
我做了什麼以及實驗參數
我專注於一週的時間，透過 Buffer 安排所有內容。 這種方法使我能夠分析人工智慧生成的內容的性能，這是我使用 LinkedIn 提供的統計數據進行的。
在這個實驗中，我專門將精力集中在 LinkedIn 上，我一直在其中 建立我的個人品牌在2023年11月6日至11月12日的一週時間內，我使用LinkedIn的平台分析來追蹤和編譯AI編寫內容的表現數據。
為了產生帖子，我使用了三個前導 人工智慧工具 為了不顯得有偏見—— Buffer的AI助手, 克勞德·艾爾和 聊天GPT。 此外，這些工具特別為我提供了創建達到我所希望的一定品質水平的內容的最佳機會。
為了確保實驗參數的嚴格，100%的內容都是人工智慧根據各種提示產生的。 唯一的例外是出版前的一些輕微校對。
我給每個人分配了在一定天數內起草內容的任務：
- Buffer 的 AI 助理 – 三天的 LinkedIn 帖子
- Claude AI – 兩天的 LinkedIn 帖子
- ChatGPT – 兩天的 LinkedIn 帖子
雖然我試圖確保每個工具在分配給我的日子裡創建一定數量的內容，但我混合使用了所有工具來完善內容。 因此，我認為沒有一種工具更好，但所有工具的一個共同點是我提供的上下文越多，我獲得的內容就越好。
在提示方面，我為 AI 工具提供了：
- 我專門為我的目標受眾和訊息傳遞目標製作的原始提示。
- Mike Cardona 分享的現有高效能內容提示 90 天內容庫 迅速的。
- 我之前為 Buffer 的助手創建的提示（這些通常在我們的 社群媒體通訊）。
我確保所有提示都反映了我的 內容支柱 個人品牌建立、職涯發展和人工智慧，這樣我就可以繼續堅持品牌。
雖然這個實驗沒有真正的科學或數據驅動的基礎（我真的只是想看看我的觀眾是否會注意到），但以下是我為自己設定的一些界限：
- 所有內容必須完全由人工智慧產生——只能手動校對
- 我可以無限地調整提示以獲得更好的結果，但僅此而已
- 我可以參與評論
- 所有內容都是 安排在緩衝區 （*眨眼*）並使用我們的新標籤功能進行排序。
這些界限幫助我強迫自己擺脫完美主義，這讓我能夠 節省時間並快速工作。 但這也限制了我可以在內容中投入的創造力和個人觀點，這是純人工智慧內容的主要限制。
這些受控參數的目標是測試如果觀眾從我的帳戶中收到完全由人工智慧編寫的一周內容，並且在人類監督最少的情況下會如何反應。 這是結果。
結果
現在，我需要分享我的一件事：我的數據分析能力不是最強的。 所以在實驗的這個階段我也不得不轉向人工智慧。
內容表現的前期分析
以下是 2023 年 11 月 6 日至 12 日人工智慧產生內容的結果。
- 該週的總展示次數：9,624
- 平均每日展示次數：1,375
- 該週的總參與次數：151
- 平均每日參與次數：22
總的來說，雖然參與率可能會更高，但人工智慧撰寫的貼文表現良好，我所有的反對意見更多是關於內容的品質。
展示次數和總參與度表明，在最少監督的情況下自動編寫的內容的參與受眾。 長期監控可以洞察真實的效能趨勢。 但在我關注的那一周，這些貼文取得了可靠的指標。
現在，讓我們更深入地研究數據。
印象和參與度
在為期 7 天的實驗中，人工智慧生成的內容獲得了顯著的可見度，總計 9,624 次展示，透過按讚、評論和註冊為參與的分享產生了 151 次用戶互動。
平均每天，可細分為：
- 1,375 次展示
- 22 次約會
與我在 LinkedIn 上的整體平均值相比，本週的可見度和回應指數大幅過高：
- 11 月 6 日至 12 日的平均展示次數比前 3 個月期間的典型一週高出約 11%。
- 11 月 6 日至 12 日的平均參與度比平常一周高出 75% 以上。
基於此，我們可以假設人工智慧產生的內容在純粹的覆蓋範圍和基於歷史基線增加的量而產生的原始互動方面產生了共鳴。
從每週的總體水平來看，獲得近 10,000 次展示表明了有意義的發現規模。 雖然我希望參與度更高（不是嗎），但每天超過 150 次操作或近 25 次操作是一個強烈的基線反應，表明人工智能生成的帖子引起了我的受眾的興趣。
參與率
我們也可以透過參與率（也稱為互動與印象的比率）來檢查使用者行為。
在 7 天的時間裡，這些貼文的平均參與率達到了 1.57%，該比率是根據產生的 151 次總參與次數除以 9,624 次總展示次數得出的。
分解每日參與率提供了額外的背景資訊：
- 表現最佳日：11 月 6 日，利率為 3.5%
- 表現最差的一天：11 月 12 日，利率為 1%
- 剩餘天數在百分之一到百分之三之間
表現最好的一天是周一，最差的一天是周日，因此下降趨勢並不令人擔憂，並且與 對 LinkedIn 內容表現的期望。
從這個分析中，我可以看出，在本週早些時候安排貼文可能會更好地提高參與度。
實際內容表現
現在，從整週的平均值和總和來看，本週內容表現的一個主要注意事項是，可操作的建議直接幫助讀者在某些方面取得顯著更好的表現。
深入挖掘後，11 月 6 日以來最受關注的貼文涵蓋了可操作的線上寫作技巧，結果顯示 60 次用戶互動，1,699 次展示，參與率為 3.5%。
相比之下，11 月12 日的表現較差的帖子更多是概念性/哲學性的，作為人工智能品牌基礎知識的概述，並且在967 次瀏覽中只看到了10 次參與——比率為1%。
按主題分析最吸引人和最不吸引人的文章表明，我的觀眾似乎強烈喜歡立即適用的「操作方法」改進。 儘管具有資訊價值，但前瞻性思想領導力往往會壓倒或失去部分受眾。
這趨勢在整個星期反覆出現，實用技能培養內容的表現明顯優於複雜但較被動的消費內容。
明確的要點集中在小規模的戰術內容上，更好地吸引觀眾投資——合理地與他們的直接成長需求保持一致。
時間序列分析
我讓 ChatGPT 製作了一個圖表，繪製了一週內的每日印象。
此分析的一些關鍵觀察和要點：
- 高峰日：本周初的參與度顯著上升，週一和週二的互動程度最高。
- 周中趨勢：周中出現明顯下降，特別是在周三和周四，表明這些天的觀眾活動較少。
- 週末見解：儘管人們普遍認為週末不太利於參與，但我們週六的貼文表現相對較好，儘管週日有所下降。
什麼進展順利
那麼，讓我們來談談這個人工智慧內容實驗的好東西。 當我深入研究本週的數字和起伏時，一些很酷的事情確實脫穎而出。
首先，人工智慧在這裡透過提示和上下文共享來表演，帶有一點人情味。 這讓我重新審視了內容如何在沒有添加個人觀點的情況下落地。 令人驚訝的是，令人驚訝的是，事實證明 人工智慧可以生產東西 這不僅能吸引註意力，還能讓人們交談並參與其中。 很酷。
當我們將本週的數據與先前的數據進行比較時，很明顯人工智慧不僅僅是作為創意助理的一擊奇蹟。 我們談論的是持續的影響，吸引超越我們通常看到的觀點和互動。 然而，這不僅僅是隨機的運氣，而是以下幾件事的結合：
- 我對原創內容建立的信任對人工智慧內容的表現發揮了重要作用。 我通常不會一周中的每一天都發表文章，但當我這樣做時，我就會得到參與。 這是我與觀眾長期建立信任的結果。 我的建議：專注於建立這種信任。
- 透過內容支柱深入了解什麼可能會引起觀眾的共鳴。 我不只是選擇從人工智慧工具中獲得的隨機想法，我還確保完善內容，直到它符合我知道人們對我的期望。
現在，我們來談談話題。 最受歡迎的貼文直接針對讀者提供了實用的建議——如何提升創作者的寫作技巧。 最不受歡迎的文章採取了不同的、更廣泛的角度來討論個人品牌的人工智慧應用，最終對一般讀者來說更加概念化和抽象。 一些關鍵要點：
- 為讀者提供實際提示、技巧或建議的貼文比大局思考文章的參與度要高得多
- 幫助用戶取得進步的可操作內容比思想領導風格的想法更能引起共鳴
- 當旨在推動互動時，實用性高於哲學
這表明，將內容重點放在讀者可以立即應用的簡短、實用的要點上，將可靠地產生更高的參與。 而更具概念性或前瞻性的主題儘管在智力上很有趣，但可能會失去或淹沒一些用戶。
哪些事情進展不順利
提示人工智慧工具與其說是一門科學，不如說是一門藝術，這意味著沒有精確的方法讓它真正“聽起來像人類”，除非你幹預和編輯它生成的內容。
例如，當我分享一個提示時，第一個答案幾乎總是存在極大的缺陷。 一些常見的錯誤是重複和不必要的清單。 人工智慧工具還有一個奇怪的習慣，就是在奇怪的地方大寫——而我不會那樣寫。 我總是可以分享額外的提示，讓結果聽起來更接近我，但這並不完美。
結論
所以，是的，我 發佈人工智慧生成的內容 連續一周，沒有人注意到。 事實上，我的參與度保持不變，在某些情況下甚至更好。
我的下一步行動就是微調。 以下是我從這個實驗中採取的一些後續步驟：
- 我的內容支柱在遵循可行的建議路線時效果最佳，因此從現在開始我將在 LinkedIn 上優先考慮這些內容。
- 長篇內容是贏家——所有貼文都超過 350 個字，而且效能並沒有因為長度而受到影響。
- 這更多是個人的事情，但我總是會調整人工智慧的聲音和風格以匹配我的。 如果我沒有設定這樣的結構參數，那麼注意到我會刪除/更改的東西是很不舒服的。
如果你像我一樣，已經與受眾建立了信任，難以保持一致性，或者只是想要更多的方式來建立你的想法，那麼讓人工智慧來擴大你的影響力似乎是理所當然的。
