Vad vi lärde oss av att bygga en content-motor i tre månader
Vi byggde en agentbaserad content-motor som producerar veckovisa nyhetsbrev åt en kund med 25 000 läsare. Här är vad som funkade och vad som inte gjorde det.
Alexander Galldin
Kapaciti
I december förra året bad en B2B-kund med en stor kundbas oss om hjälp. De ville köra ett veckovis nyhetsbrev men hade aldrig fått det att fungera. Skribenter slutade, ämnen torkade ut, prenumeranter slutade öppna. De ville prova en annan modell. Vi byggde en content-motor med agenter och människor i samklang.
Hur den är uppbyggd
Varje måndag morgon kör en research-agent. Den scannar kundens egna kanaler, branschnyheter, regulatoriska nyheter och relevanta sociala flöden. Den producerar en topplista över händelser och teman som verkar relevanta för läsarna.
En content-strateg, mänsklig, går igenom listan på en kvart och väljer huvudtema. Sedan kör en draft-agent med kundens röstprofil och producerar ett första utkast.
En redaktör, också mänsklig, redigerar i en till två timmar. Inte för att skriva om utan för att skarpa språket, lägga till personliga reflektioner och se till att rösten är rätt. Sista frågorna går genom en faktagranskningsagent som dubbelkollar siffror och citat.
Tisdag morgon går brevet ut.
Det som funkade direkt
Researchen blev bättre än den hade varit hos människor. En agent som scanner systematiskt missar mindre. Den kommer också med vinklar som en mänsklig skribent som läser samma källor varje vecka kan missa.
Tonkonsistensen blev högre än innan. Med en tydlig röstprofil och bra exempel håller draft-agenten en mer enhetlig nivå än växlande gästskribenter gjorde.
Det som inte funkade i början
De första utkasten var korrekta men tråkiga. De saknade åsikt och spets. Vi insåg att vi hade tränat agenten att vara säker istället för intressant. Vi gick tillbaka och byggde in en explicit instruktion: ta ställning, var beredd att irritera vissa läsare för att glädja andra.
Det förbättrade öppningsfrekvensen med fjorton procent på fyra veckor.
Det vi lärde oss om hybridmodeller
Den största insikten är att rätt fördelning är inte 0/100 eller 100/0 utan någonstans i mitten. För det här bolaget är det ungefär 70/30 där agenten gör forskning och första utkastet och en människa lägger på de sista 30 procenten av kvalitet.
Den fördelningen frigör tid utan att kompromissa med röst och förtroende. Skribenten har gått från fyrtio timmar i månaden på nyhetsbrev till åtta. Och brevet är bättre.
Tre saker vi tar med oss till nästa motor
Bygg in mänskliga checkpoints på rätt ställen, inte överallt. Investera tid i röstprofilen, det är det som skiljer generiskt från personligt. Mät rätt saker, öppningsfrekvens och svarstal är viktigare än bara antalet skickade brev.
En content-motor är inte en magisk maskin som producerar engagerande innehåll. Det är ett ramverk där människor och agenter kompletterar varandra. När det är rätt designat är det skalbart och förblir personligt.