Câu hỏi hữu ích về AI trong kinh doanh affiliate không phải là liệu nó có hiệu quả hay không. Mà là những công việc cụ thể nào nó làm tốt hơn bạn, những công việc nào nó làm kém hơn, và làm sao để phân biệt được hai điều đó trước khi bạn xây dựng cả một quy trình dựa trên câu trả lời sai.
Ba việc AI thực sự làm tốt
Soạn nháp. Không phải viết, mà là soạn nháp. Giá trị nằm ở việc loại bỏ trang giấy trắng, và điều đó khá đáng kể: bản nháp đầu tiên cho một email theo dõi, một trang đích, hay nội dung chú thích cho cả tháng. Kết quả trả về hiếm khi gửi đi được ngay, nhưng gần như luôn là điểm khởi đầu tốt hơn so với việc ngồi nhìn con trỏ nhấp nháy.
Tóm tắt. Biến một chuỗi hội thoại dài hoặc một tập ghi chú thành ba điều thực sự quan trọng. Đây gần như là một bài toán đã có lời giải, và nó vẫn chưa được tận dụng hết, chỉ vì nó không hào nhoáng.
Nhận diện xu hướng trên số lượng lớn. Đây là điều mà hầu hết mọi người bỏ lỡ. Khi bạn có bốn trăm khách tiềm năng, không ai đọc hết được tất cả. Một mô hình có thể làm điều đó, và có thể cho bạn biết rằng mười một người đã hỏi cùng một vấn đề trong tháng này, hoặc rằng khách tiềm năng từ một nguồn nào đó đều im lặng ở cùng một điểm. Đó là một năng lực thực sự mới, chứ không chỉ là phiên bản nhanh hơn của việc bạn vốn đã làm.
Nơi AI còn yếu
Quyết định ai là người quan trọng. Việc chấm điểm khách tiềm năng chỉ hiệu quả khi có số lượng lớn và một định nghĩa nhất quán về "tốt". Với vài chục khách tiềm năng, bạn đã biết ai đang "nóng", và một mô hình đưa ra ý kiến khác sẽ bị gạt bỏ rồi bị bỏ qua.
Bất cứ điều gì cần ghi nhớ một cuộc trò chuyện thực tế. Trừ khi hệ thống thực sự có lịch sử trò chuyện của bạn, một email theo dõi do AI soạn sẽ tự tin nói ngược lại điều bạn đã nói tuần trước. Đây là kiểu sai sót khiến bạn mất giao dịch, và đó là vấn đề về dữ liệu chứ không phải vấn đề về mô hình.
Viết bản cuối cùng. Hướng dẫn chính thức của Google về nội dung do AI tạo ra khá nhất quán và hợp lý: họ quan tâm liệu nội dung có hữu ích và nguyên bản hay không, chứ không phải nó được tạo ra bằng cách nào. Kết quả từ mô hình chưa qua chỉnh sửa thường không đạt được điều đó, không phải vì nó do máy viết, mà vì nó nói những gì ai cũng đã nói. Giá trị được tạo ra chính là ở bước chỉnh sửa.
Quy trình làm việc hiệu quả
Khuôn mẫu vẫn đúng với hầu hết các công cụ này là:
- Mô hình tạo ra một bản nháp dựa trên bối cảnh của bạn.
- Bạn chỉnh sửa nó, việc này chỉ tốn một phần nhỏ thời gian so với tự viết.
- Bạn phê duyệt trước khi bất cứ thứ gì được gửi đi.
Phê duyệt không phải là một thủ tục hình thức. Một hệ thống gửi đi mà không cần phê duyệt cuối cùng sẽ gửi thứ gì đó mâu thuẫn với một cuộc trò chuyện thực tế, và chi phí khắc phục sẽ lớn hơn nhiều so với những gì tự động hóa tiết kiệm được.
Bối cảnh thực sự thay đổi điều gì
Khoảng cách giữa một tính năng AI gây ấn tượng trong bản demo và một tính năng hữu ích vào một ngày thứ Ba bình thường gần như luôn nằm ở bối cảnh.
Một mô hình được yêu cầu viết email theo dõi mà không có gì để dựa vào sẽ viết ra một email theo dõi chung chung. Cùng mô hình đó, khi được cho biết người này đến từ một chiến dịch cụ thể, đã hỏi về giá, và chưa trả lời trong năm ngày, sẽ viết ra thứ gì đó đáng để gửi đi.
Bối cảnh đó nằm trong CRM. Đó là lý do vì sao các tính năng AI được gắn thêm vào một công cụ viết độc lập thường gây thất vọng, trong khi cùng năng lực đó khi nằm trong hệ thống chứa dữ liệu khách tiềm năng lại không như vậy: đó là cùng một mô hình nhưng với một bản tóm tắt tốt hơn. Các giao diện AI của Prala được xây dựng theo nguyên tắc đó, soạn nháp dựa trên pipeline chứ không phải dựa trên một câu lệnh trống.
Một điểm khởi đầu hợp lý
Hãy chọn công việc mà bạn ghét nhất, liên quan đến việc viết những thứ tương tự nhau lặp đi lặp lại. Với hầu hết người làm affiliate, đó là tin nhắn tiếp cận đầu tiên hoặc chú thích nội dung cho cả tháng.
Hãy thử trong hai tuần. Giữ lại những gì bạn thực sự đã gửi so với những gì được tạo ra, và xem xét sự khác biệt. Nếu chỉnh sửa của bạn chỉ mang tính bề mặt, hãy giao thêm công việc đó cho AI. Nếu bạn phải viết lại từ đầu, mô hình chưa có đủ bối cảnh, và cần sửa ở khâu trước đó chứ không phải ở mô hình.
Đánh giá một tuyên bố trước khi mua
Các tính năng AI được bán kèm bản demo, và bản demo thì luôn được dàn dựng. Ba câu hỏi sau có thể vạch trần phần lớn trong số đó.
Nó loại bỏ được điều gì? Một câu trả lời tốt phải cụ thể: một trang giấy trắng, một công việc phải đọc, một giờ định dạng lại. Một câu trả lời mơ hồ về "insight" hay "trí tuệ" thường có nghĩa là chưa ai xác định được công việc cụ thể.
Nó biết những gì? Một tính năng soạn email theo dõi mà chỉ biết tên của khách tiềm năng sẽ viết ra thứ gì đó chung chung. Một tính năng biết nguồn, tin nhắn cuối cùng và giai đoạn trong pipeline thì sẽ không như vậy. Hãy hỏi dữ liệu nào được đưa tới mô hình, vì chỉ riêng sự khác biệt đó đã giải thích phần lớn khoảng cách giữa những bản demo ấn tượng và những ngày thứ Ba đáng thất vọng.
Điều gì xảy ra khi nó sai? Mọi thứ mang tính tạo sinh đều sai đôi lúc. Câu hỏi là liệu thiết kế có tính đến điều đó không. Một bản nháp mà bạn xem lại thì sẽ thất bại một cách an toàn. Một tin nhắn được gửi tự động thì không.
Thử nghiệm hai tuần cho bạn biết điều gì đó
Các đợt dùng thử của nhà cung cấp thường được dành để khám phá tính năng. Một quy trình hữu ích hơn:
Chọn một công việc. Thực hiện theo cả hai cách trong hai tuần: kết quả của mô hình, và những gì bạn thực sự đã gửi. Giữ lại cả hai.
Cuối kỳ, hãy đọc lại từng cặp. Nếu chỉnh sửa của bạn chỉ mang tính bề mặt, hãy giao hẳn công việc đó cho AI. Nếu bạn phải viết lại từ đầu, mô hình thiếu bối cảnh, và cách khắc phục là cung cấp thêm bối cảnh chứ không phải thử một mô hình khác. Nếu bạn ngừng dùng nó vào ngày thứ tư, thì công việc đó không phải là nút thắt cổ chai như bạn nghĩ.
Quy trình đó không tốn gì cả và trả lời được câu hỏi mà danh sách tính năng không thể trả lời.
Nơi câu trả lời trung thực vẫn là "tự bạn làm"
Cuộc trò chuyện đầu tiên với một khách tiềm năng đang nóng. Không phải vì một mô hình không thể viết ra thứ gì đó tạm ổn, mà vì đây là thời điểm mà nhận định riêng của bạn về người này chính là toàn bộ giá trị.
Bất cứ điều gì mà sai sót sẽ tốn kém và khó phát hiện. Tóm tắt một cuộc gọi thì ổn; sai sót ở đó dễ nhận ra. Nhưng suy đoán ý người khác rồi hành động theo đó thì không.
Quan điểm thực sự của bạn. Lý do khiến ai đó theo dõi một người làm affiliate cụ thể thường là vì góc nhìn của người đó. Một mô hình sẽ tạo ra phiên bản đồng thuận của bất kỳ chủ đề nào, vì đó là những gì nó được huấn luyện, và phiên bản đồng thuận chính xác là thứ mà không ai cần thêm một bản sao nữa. Hướng dẫn của Google về nội dung AI cũng dẫn đến cùng một kết luận từ một hướng khác: họ quan tâm liệu nội dung có thực sự hữu ích và nguyên bản hay không, chứ không phải nó được tạo ra như thế nào.
Khuôn mẫu chung của cả ba điều trên là như nhau. Hãy giao những công việc lặp đi lặp lại và có thể kiểm chứng được. Giữ lại những công việc cần đến nhận định, và dùng số giờ tiết kiệm được để làm nhiều hơn điều đó.
Lưu lại những gì bạn đã đưa cho AI
Có một thói quen phân biệt những người đạt kết quả ổn định với những người có chất lượng đầu ra dao động thất thường theo từng tuần: họ lưu lại các câu lệnh (prompt) của mình.
Một câu lệnh đã tạo ra một tin nhắn đầu tiên tốt là một tài sản. Nếu được lưu ở nơi bạn có thể tìm lại, kèm ghi chú về điều gì đã khiến nó hiệu quả, nó sẽ trở thành điểm khởi đầu cho hai mươi lần tiếp theo, thay vì thứ bạn phải dựng lại từ trí nhớ mỗi lần. Hầu hết mọi người viết lại cùng một chỉ dẫn từ đầu mỗi tuần rồi tự hỏi vì sao kết quả lại không nhất quán.
Điều tương tự cũng áp dụng theo chiều ngược lại. Khi có thứ gì đó trả về sai mà bạn phải sửa, hãy thêm phần sửa đó vào câu lệnh. Sau một tháng, điều này sẽ trở thành một tài liệu ngắn gọn mã hóa cách bạn muốn doanh nghiệp của mình thể hiện, và nó có giá trị hơn nhiều so với bất kỳ kết quả đơn lẻ nào mà mô hình từng tạo ra.
Câu hỏi về việc công khai
Việc có nên nói rằng AI đã giúp viết một nội dung hay không là chủ đề được nhắc đến liên tục, và câu trả lời thực tế hẹp hơn so với những gì cuộc tranh luận gợi ý.
Không ai kỳ vọng việc công khai trên một email liên hệ lần đầu, cũng như họ không kỳ vọng điều đó với một mẫu có sẵn. Điều mà mọi người thực sự phản đối là một tin nhắn giả vờ là một ghi chú cá nhân trong khi rõ ràng không phải vậy — dấu hiệu nhận biết là tính cụ thể, và sự thiếu vắng nó mới là điều khiến người ta thấy thiếu trung thực, chứ không phải công cụ được dùng.
Nơi điều này thực sự quan trọng là bất cứ điều gì được trình bày như trải nghiệm trực tiếp: một bài đánh giá, một lời giới thiệu, một tuyên bố rằng bạn đã dùng qua thứ gì đó. Đừng để một mô hình viết những nội dung đó, vì nó sẽ bịa ra trải nghiệm, và đó là vấn đề uy tín mà không khoản lợi ích hiệu quả nào bù đắp được.
Common questions
AI thực sự có thể làm gì cho người làm tiếp thị liên kết?
Soạn thảo, tóm tắt, và nhận ra các quy luật trong nhiều hồ sơ hơn mức bạn có thời gian đọc. Ba việc đó bao trùm hầu hết giá trị thực sự. AI yếu hơn nhiều trong việc quyết định nên liên hệ với ai và bất cứ điều gì đòi hỏi biết những gì đã được nói tuần trước, trừ khi bạn cung cấp bối cảnh đó.
AI có viết được nội dung lên top tìm kiếm không?
AI sẽ viết được nội dung. Việc nội dung có lên top hay không phụ thuộc vào việc nó có nói điều gì mà một người không thể tìm thấy ở nơi khác hay không. AI là công cụ mạnh cho bản nháp đầu tiên và yếu cho bản hoàn thiện cuối cùng, đây là vấn đề về quy trình làm việc nhiều hơn là vấn đề về chất lượng.
Có an toàn khi để AI liên hệ trực tiếp với khách hàng tiềm năng không?
Soạn thảo tin nhắn thì được, gửi đi mà không xem lại cho người đã từng phản hồi thì không. Kiểu thất bại không phải là văn phong ngượng nghịu, mà là mâu thuẫn với điều bạn đã nói trong một cuộc trò chuyện thực tế.
Làm sao để biết một tính năng AI có đáng dùng không?
Hãy hỏi nó loại bỏ được điều gì. Nếu nó loại bỏ một trang giấy trắng hoặc một nhiệm vụ đọc, thì nó có khả năng hữu ích. Nếu nó tuyên bố loại bỏ được sự phán đoán, hãy hoài nghi và đối chiếu kết quả của nó với phán đoán của chính bạn trong hai tuần.