超越炒作：AI 作家在 B2B 技術內容寫作方面存在的不足的 4 個領域
Posted: Tue Dec 03, 2024 8:56 am
Google 對 ChatGPT 感到抓狂（The Verge，2023 年 1 月）
ChatGPT 人工智慧炒作週期已達到頂峰，但即使是技術懷疑論者也不會預期會崩潰（CNBC，2023 年 2 月）
ChatGPT 的開發者如何建構的內幕（麻省理工學院評論，2023 年 3 月）
所有這些都是頭條新聞，反映出 ChatGPT 擁有有史以來最好的公共測試版。
搜尋引擎和社交媒體的每個角落都充斥著各種敘述——有些人更加炒作，bc 數據新加坡 有些人談論可能的改進，有些人告訴我們它已經如何搶走了人類的工作。
但是，儘管過去幾個月出現了許多ChatGPT 文字產生用例和應用程式（得益於出色的提示工程），但人工智慧創建長篇內容的可行性仍存在很大疑問——尤其是對於B2B 受眾而言。
人工智慧對長篇 B2B 技術內容有好處嗎？ （我們的研究試圖回答這個問題）
關於使用 AI 撰寫文章和部落格的爭論可以追溯到 2021 年第一季度，當時 GPT-3 AI 工具陸續推出。
2022 年 10 月（ChatGPT 推出之前），我們開始測試頂級 GPT-3 工具，以了解它們在 B2B 文章方面的表現如何。我們對主要技術主題（如雲端、數據分析、網路安全等）進行了測試，以下是我們觀察到的結果：
AI 作家對超過 55% 的文章的貢獻（就最終文章使用的文本而言）不到 50%。
20% 的技術性很強的文章中，只有不到 30% 的文字是由 AI 貢獻的。
令人驚訝的是，用 AI 建立清單文章並不容易——600 字的文章平均需要 2 個多小時的連續工作。事實上，操作指南和新聞文章花了 3 個多小時。
這是完整的研究報告。
當然，從某種意義上來說，這些結果可能有點偏差：
基於我們長達十年的 B2B 受眾寫作經驗，我們專注於創建面向消費者的高品質內容。因此，在考慮人工智慧輸出之前，我們對它們進行了仔細的審查和編輯。
我們測試了技術性和高技術性文章，這些文章在事實和概念準確性方面可能不屬於人工智慧的範圍。
但就是這樣。當我們談論面向消費者的內容時，沒有任何空間或藉口可以犧牲品質。那麼，問題就出現了──我們到底為什麼要使用人工智慧作家？
是因為人類作家不熟練嗎？（當然，事實並非如此）
是為了增加發佈內容的頻率嗎？
是為了降低內容創作成本嗎？
是為了提高生產力嗎？
.
然而，我們討論的是促銷寫作中的大量編輯。我們給予機器人的控制超出了所需的控制範圍，因為草稿將由它創建。所以，最終，產量還是會較差。這讓我們想到了先前提出的問題──我們到底為什麼要使用人工智慧作家？因為這個工作流程聽起來肯定效率不高。
對該品牌語音方面的反駁可能是人工智慧工具，它可以幫助保持語氣和語音的一致性——就像具有語氣檢測器和公司風格指南的 Grammarly Business 一樣。借助這些功能，企業可以固定術語和語氣，並據此調整內容。但話又說回來，這需要人類進行大量的盡職調查來設定一切。而且書寫是手工的。
3.有時限的內容
「新近度」是 B2B SaaS 領域的標誌。為什麼要走這麼遠去理解這一點呢？我們在本文中討論的主題就是一個很好的例子。
早在 2022 年 5 月，Rob Toews 在《福布斯》上撰文稱，“一波價值數十億美元的語言人工智慧新創公司即將到來。”可以肯定地說，它已經在這裡了。
2020年至2022年間，創投對生成式人工智慧的投資增加了425%。在 Y Combinator 2023 年第一批 183 家新創公司中，有 51 家是人工智慧新創公司，32 家明確涉足生成式人工智慧。
因此，人工智慧（特別是 GPT-3）現在正在為多種用例的應用程式提供支援。這些包括但不限於：
工作流程生產力
內容和文案
影像和視訊生成
文字轉語音
健康監測
虛擬協助
程式設計
空間的如此快速的演變要求所推出的內容：
具體概述了「不斷變化的」消費者痛點
提出產品作為這些問題的解決方案
使品牌與競爭對手區分開來
隨著產品格局的發展而發展
因此，此類內容的很大一部分是有時間限制的——即，它藉鑑了最近的市場評估、最高層主管在應對此類市場複雜性方面的經驗、對產品本身的評估以及行業的持續發展。這與 B2C 領域不同，在 B2C 領域，產品有一套描述。此描述與產品的下一個版本保持獨立。例如，當 iPhone 15 推出時，您無需調整 iPhone 14 的產品描述。
然而，在 B2B 世界中，即使是那些不像人工智慧那樣服務於激烈市場的產品或服務，也需要更嚴格的迭代和完善過程。因此，發布的內容需要有時間限制。
這是否意味著每一篇文章都應該完全建立在新近度的基礎上？絕對不是！例如，HubSpot 編譯的銷售、履歷、文案框架等模板，可以長期有效。
然而，你的內容策略的很大一部分很可能集中在最近的編織上以適應「相關性」。即使是最基本的文章——例如有關[行業]空間中[技術]的 XYZ 趨勢，也需要以 B2B 為中心關注新近度。
為什麼人工智慧不適合這裡？
一種解釋是人工智慧訓練所依據的資料集是過時的。例如，ChatGPT 從其知識庫中激發答案，該知識庫僅限於 2021 年。
即使資料語料庫是即時更新的，也可能會出現事實和概念上的差異。這可能是由於這些工具可使用的有關最新發展的數據量有限。此外，不可能取得統計數據或事實。人工智慧給出的統計數據很有可能是捏造和虛構的。
回到我們長達四個月的研究；在測試GPT-3人工智慧寫作工具的過程中，我們觀察到，如果沒有連續的干預，涉及時間元素的文章幾乎不可能被創作出來。這些幹預措施與：
調整人工智慧的發展方向
手動包含研究和統計數據以提供背景信息
確保產生的文字確實準確。
這些文章的範圍從探索技術發展到解釋未來最佳實踐的操作指南。
平均而言，我們只能讓人工智慧在我們幹預之前寫下接下來的 9-10 個字。
4、個性
「電腦從來都不是能夠解決人類關心的問題的理性工具；它們只是透過一種非常特殊、極其強大的符號操縱方法來建構人類經驗的裝置。 ——伊恩‧博格斯特，《大西洋月刊》。
「透過一種非常特殊、極其強大的符號操縱方法來建構人類經驗」——這也許是總結人格論證的最恰當、最簡潔的方式。
回到之前分享的有關低程式碼開發的範例，您是否注意到回應的標準化程度？現在，這種標準化對於定義仍然有效。但如果它涵蓋了你敘述的每個角落呢？
其一，它不會吸引人們的注意；它不會吸引他們。最重要的是，它不能公正地對待正在考慮的解決方案。
例如，我要求 ChatGPT 為一個主題創建四個介紹 - 每個介紹都遵循特定的語氣描述符（專業、樂觀、對話和權威）。雖然句子結構存在細微差別，但從情感角度來看，它們讀起來都是一樣的。會話式聽起來有點不同，但比會話式更隨意。
透過良好的營銷仍然可以銷售劣質產品。但當行銷不佳時，產品或服務再好也無濟於事。
在 B2B 領域，個性更加重要。您的受眾很可能已經了解了他們正在尋求的服務/產品。即使消息不靈通，他們至少也非常清楚如何兌現承諾，並了解他們尋求解決複雜問題的專業知識水平。從這個角度來看，你的敘述和自我表達的個性非常重要。這反映在為產品或服務的成功建構平台的長篇內容中。
ChatGPT 人工智慧炒作週期已達到頂峰，但即使是技術懷疑論者也不會預期會崩潰（CNBC，2023 年 2 月）
ChatGPT 的開發者如何建構的內幕（麻省理工學院評論，2023 年 3 月）
所有這些都是頭條新聞，反映出 ChatGPT 擁有有史以來最好的公共測試版。
搜尋引擎和社交媒體的每個角落都充斥著各種敘述——有些人更加炒作，bc 數據新加坡 有些人談論可能的改進，有些人告訴我們它已經如何搶走了人類的工作。
但是，儘管過去幾個月出現了許多ChatGPT 文字產生用例和應用程式（得益於出色的提示工程），但人工智慧創建長篇內容的可行性仍存在很大疑問——尤其是對於B2B 受眾而言。
人工智慧對長篇 B2B 技術內容有好處嗎？ （我們的研究試圖回答這個問題）
關於使用 AI 撰寫文章和部落格的爭論可以追溯到 2021 年第一季度，當時 GPT-3 AI 工具陸續推出。
2022 年 10 月（ChatGPT 推出之前），我們開始測試頂級 GPT-3 工具，以了解它們在 B2B 文章方面的表現如何。我們對主要技術主題（如雲端、數據分析、網路安全等）進行了測試，以下是我們觀察到的結果：
AI 作家對超過 55% 的文章的貢獻（就最終文章使用的文本而言）不到 50%。
20% 的技術性很強的文章中，只有不到 30% 的文字是由 AI 貢獻的。
令人驚訝的是，用 AI 建立清單文章並不容易——600 字的文章平均需要 2 個多小時的連續工作。事實上，操作指南和新聞文章花了 3 個多小時。
這是完整的研究報告。
當然，從某種意義上來說，這些結果可能有點偏差：
基於我們長達十年的 B2B 受眾寫作經驗，我們專注於創建面向消費者的高品質內容。因此，在考慮人工智慧輸出之前，我們對它們進行了仔細的審查和編輯。
我們測試了技術性和高技術性文章，這些文章在事實和概念準確性方面可能不屬於人工智慧的範圍。
但就是這樣。當我們談論面向消費者的內容時，沒有任何空間或藉口可以犧牲品質。那麼，問題就出現了──我們到底為什麼要使用人工智慧作家？
是因為人類作家不熟練嗎？（當然，事實並非如此）
是為了增加發佈內容的頻率嗎？
是為了降低內容創作成本嗎？
是為了提高生產力嗎？
.
然而，我們討論的是促銷寫作中的大量編輯。我們給予機器人的控制超出了所需的控制範圍，因為草稿將由它創建。所以，最終，產量還是會較差。這讓我們想到了先前提出的問題──我們到底為什麼要使用人工智慧作家？因為這個工作流程聽起來肯定效率不高。
對該品牌語音方面的反駁可能是人工智慧工具，它可以幫助保持語氣和語音的一致性——就像具有語氣檢測器和公司風格指南的 Grammarly Business 一樣。借助這些功能，企業可以固定術語和語氣，並據此調整內容。但話又說回來，這需要人類進行大量的盡職調查來設定一切。而且書寫是手工的。
3.有時限的內容
「新近度」是 B2B SaaS 領域的標誌。為什麼要走這麼遠去理解這一點呢？我們在本文中討論的主題就是一個很好的例子。
早在 2022 年 5 月，Rob Toews 在《福布斯》上撰文稱，“一波價值數十億美元的語言人工智慧新創公司即將到來。”可以肯定地說，它已經在這裡了。
2020年至2022年間，創投對生成式人工智慧的投資增加了425%。在 Y Combinator 2023 年第一批 183 家新創公司中，有 51 家是人工智慧新創公司，32 家明確涉足生成式人工智慧。
因此，人工智慧（特別是 GPT-3）現在正在為多種用例的應用程式提供支援。這些包括但不限於：
工作流程生產力
內容和文案
影像和視訊生成
文字轉語音
健康監測
虛擬協助
程式設計
空間的如此快速的演變要求所推出的內容：
具體概述了「不斷變化的」消費者痛點
提出產品作為這些問題的解決方案
使品牌與競爭對手區分開來
隨著產品格局的發展而發展
因此，此類內容的很大一部分是有時間限制的——即，它藉鑑了最近的市場評估、最高層主管在應對此類市場複雜性方面的經驗、對產品本身的評估以及行業的持續發展。這與 B2C 領域不同，在 B2C 領域，產品有一套描述。此描述與產品的下一個版本保持獨立。例如，當 iPhone 15 推出時，您無需調整 iPhone 14 的產品描述。
然而，在 B2B 世界中，即使是那些不像人工智慧那樣服務於激烈市場的產品或服務，也需要更嚴格的迭代和完善過程。因此，發布的內容需要有時間限制。
這是否意味著每一篇文章都應該完全建立在新近度的基礎上？絕對不是！例如，HubSpot 編譯的銷售、履歷、文案框架等模板，可以長期有效。
然而，你的內容策略的很大一部分很可能集中在最近的編織上以適應「相關性」。即使是最基本的文章——例如有關[行業]空間中[技術]的 XYZ 趨勢，也需要以 B2B 為中心關注新近度。
為什麼人工智慧不適合這裡？
一種解釋是人工智慧訓練所依據的資料集是過時的。例如，ChatGPT 從其知識庫中激發答案，該知識庫僅限於 2021 年。
即使資料語料庫是即時更新的，也可能會出現事實和概念上的差異。這可能是由於這些工具可使用的有關最新發展的數據量有限。此外，不可能取得統計數據或事實。人工智慧給出的統計數據很有可能是捏造和虛構的。
回到我們長達四個月的研究；在測試GPT-3人工智慧寫作工具的過程中，我們觀察到，如果沒有連續的干預，涉及時間元素的文章幾乎不可能被創作出來。這些幹預措施與：
調整人工智慧的發展方向
手動包含研究和統計數據以提供背景信息
確保產生的文字確實準確。
這些文章的範圍從探索技術發展到解釋未來最佳實踐的操作指南。
平均而言，我們只能讓人工智慧在我們幹預之前寫下接下來的 9-10 個字。
4、個性
「電腦從來都不是能夠解決人類關心的問題的理性工具；它們只是透過一種非常特殊、極其強大的符號操縱方法來建構人類經驗的裝置。 ——伊恩‧博格斯特，《大西洋月刊》。
「透過一種非常特殊、極其強大的符號操縱方法來建構人類經驗」——這也許是總結人格論證的最恰當、最簡潔的方式。
回到之前分享的有關低程式碼開發的範例，您是否注意到回應的標準化程度？現在，這種標準化對於定義仍然有效。但如果它涵蓋了你敘述的每個角落呢？
其一，它不會吸引人們的注意；它不會吸引他們。最重要的是，它不能公正地對待正在考慮的解決方案。
例如，我要求 ChatGPT 為一個主題創建四個介紹 - 每個介紹都遵循特定的語氣描述符（專業、樂觀、對話和權威）。雖然句子結構存在細微差別，但從情感角度來看，它們讀起來都是一樣的。會話式聽起來有點不同，但比會話式更隨意。
透過良好的營銷仍然可以銷售劣質產品。但當行銷不佳時，產品或服務再好也無濟於事。
在 B2B 領域，個性更加重要。您的受眾很可能已經了解了他們正在尋求的服務/產品。即使消息不靈通，他們至少也非常清楚如何兌現承諾，並了解他們尋求解決複雜問題的專業知識水平。從這個角度來看，你的敘述和自我表達的個性非常重要。這反映在為產品或服務的成功建構平台的長篇內容中。