अधिकतर मार्केटिंग टीमों को यह दर्द पता होता है: एक अच्छा वेबिनार YouTube कट, LinkedIn कैरोसेल, तीन X थ्रेड, एक न्यूज़लेटर टीज़र और एक ब्लॉग पोस्ट बन जाता है — और शुक्रवार तक किसी को याद नहीं रहता कि किस वर्ज़न में क्या कहा गया था। इसका समाधान ज़्यादा लोग नहीं हैं। यह एक छोटा-सा कंटेंट रीपर्पज़िंग एजेंट है जो आपके लंबे स्रोत को देखता है, हर सेगमेंट को वर्गीकृत करता है, और तैयार ड्राफ्ट उन चैनलों पर भेजता है जिनके लिए वे उपयुक्त हैं। आप इसे एक सप्ताहांत में तैयार कर सकते हैं, और इसके लिए आपको मशीन लर्निंग टीम की ज़रूरत नहीं है।
शुरुआत एक ऐसे स्रोत से करें जिसे आप पहले से भरोसेमंद तरीके से बनाते हैं — एक साप्ताहिक पॉडकास्ट, रिकॉर्ड की गई ग्राहक कॉल, एक लंबा ब्लॉग ड्राफ्ट — और एक ऐसे गंतव्य से जिसे आप सबसे पहले भरना चाहते हैं, जैसे LinkedIn पोस्ट या न्यूज़लेटर। पहले ही दिन हर चीज़ को ऑटोमेट करने के आग्रह का विरोध करना ही सबसे बड़ा संकेतक है कि प्रोजेक्ट सफल होगा या नहीं। एक केंद्रित एजेंट जो एक पॉडकास्ट को तीन LinkedIn पोस्ट में बदलता है, उस फैले हुए पाइपलाइन से बेहतर है जो कुछ भी नहीं बनाती।
इसके बाद, सेगमेंटेशन स्टेप बनाएं। ऑडियो और वीडियो में पहले ट्रांसक्राइब करना सबसे अच्छा रहता है, फिर ट्रांसक्रिप्ट को प्राकृतिक विरामों और विषय परिवर्तन के आधार पर विभाजित करें। टेक्स्ट के लिए, हेडिंग के आधार पर या 500 से 800 टोकन की एक साधारण स्लाइडिंग विंडो के आधार पर टुकड़े करें। उद्देश्य डाउनस्ट्रीम प्रॉम्प्ट्स को एक आत्म-निहित विचार देना है, न कि संदर्भ से बाहर निकाला गया एक पैराग्राफ। साफ़ सेगमेंटेशन के बिना, सबसे अच्छा मॉडल भी भ्रम पैदा कर सकता है और आपका ब्रांड वॉइस पहले महीने के भीतर ही भटकने लगता है।
फिर आता है रीपर्पज़िंग प्रॉम्प्ट, जहाँ ज़्यादातर वीकेंड बिल्ड्स चुपचाप असफल हो जाते हैं। एक ही बड़ा निर्देश न लिखें जो एक साथ LinkedIn पोस्ट, ट्वीट थ्रेड और न्यूज़लेटर मांगे। आउटपुट के हर प्रकार के लिए अलग प्रॉम्प्ट लिखें, और हर एक को आपके वास्तविक पिछले कंटेंट के कुछ छोटे उदाहरणों पर आधारित करें। आमतौर पर हर फ़ॉर्मेट के लिए दो या तीन उदाहरण टोन, लंबाई और संरचना को स्थिर करने के लिए पर्याप्त होते हैं। सिस्टम प्रॉम्प्ट को वर्ज़न-कंट्रोल में रखें और उसमें किए गए बदलावों को प्रोडक्ट बदलावों की तरह संभालें — diffed, reviewed, और revertible।
इसे पूरा मानने से पहले, दो ऐसे सुरक्षा उपाय जोड़ें जिनमें दिखावा कम और उपयोगिता ज़्यादा हो। पहला, एक मानव-अनुमोदन क्यू। एक आत्मविश्वास से भरा मॉडल भी कभी-कभी कोई उद्धरण बना सकता है, किसी आँकड़े को गलत व्यक्ति के नाम से जोड़ सकता है, या गलत हुक चुन सकता है। हर आउटपुट तब तक ड्राफ्ट स्थिति में रहना चाहिए जब तक कोई व्यक्ति उसे मंज़ूरी न दे। दूसरा, एक फ़ीडबैक लूप जो रिकॉर्ड करे कि कौन-से ड्राफ्ट प्रकाशित हुए, संपादित हुए, या हटाए गए। कुछ हफ़्तों के बाद आपके पास एक लेबल किया हुआ सेट होगा जिसका उपयोग आप प्रॉम्प्ट्स को और सख़्त बनाने, कमजोर फ़ॉर्मैट्स को हटाने, और एजेंट के सबसे खराब आउटपुट्स को रिटायर करने में कर सकते हैं।
सबसे छोटे संस्करण को शिप करें जो एंड-टू-एंड चलता हो, फिर वास्तविक उपयोग डेटा के आधार पर उसे सुधारते रहें। एक महीने के भीतर आपके पास एक ऐसा पाइपलाइन होगा जो एक ही स्रोत कंटेंट को लेकर उसे एक हफ़्ते भर के चैनल-रेडी ड्राफ्ट्स में बदल देता है — जहाँ ज़रूरत हो वहाँ एक इंसान लूप में मौजूद होता है। अगर आप तेज़ शुरुआत चाहते हैं, तो हमारे कंटेंट ऑटोमेशन प्लेटफ़ॉर्म में बिल्कुल इसी वर्कफ़्लो के लिए एक स्टार्टर्स टेम्पलेट शामिल है, जिसमें सेगमेंटेशन, प्रॉम्प्ट लाइब्रेरी और अनुमोदन क्यू पहले से एक साथ जोड़े गए हैं ताकि आप साइनअप से लेकर पहले प्रकाशित ड्राफ्ट तक सप्ताहांत खत्म होने से पहले पहुँच सकें।