SKONTAKTUJ SIĘ Z NAMI
AI świetnie przyspiesza pisanie, ale równie skutecznie potrafi przyspieszyć produkcję treści, których nikt nie potrzebuje. Jeżeli dostanie ogólny temat i polecenie „napisz ekspercki artykuł”, najczęściej stworzy poprawny tekst oparty na najbardziej oczywistych informacjach. Problem w tym, że podobny tekst może stworzyć każdej firmie z tej samej branży.
Najlepsze efekty pojawiają się wtedy, kiedy AI nie jest źródłem wiedzy, tylko narzędziem do pracy na wiedzy, którą mu dostarczamy. Dane od klientów, rozmowy ze sprzedażą, przykłady z projektów, badania, komentarze ekspertów i doświadczenie firmy są znacznie ważniejsze niż najbardziej rozbudowany prompt.
AI warto wykorzystywać szerzej niż tylko do napisania pierwszego draftu. Research, porządkowanie informacji, szukanie luk w argumentacji, wariantowanie nagłówków, skracanie tekstu czy przerabianie artykułu na posty to zadania, w których potrafi oszczędzić naprawdę dużo czasu. Ostateczna odpowiedzialność za to, co marka publikuje, nadal powinna jednak należeć do człowieka.
Prawdopodobnie każdy, kto w ostatnich latach korzystał z ChatGPT albo innego modelu językowego do pisania tekstów marketingowych, choć raz przeżył ten sam moment. Wpisujesz temat, prosisz o artykuł, czekasz kilkadziesiąt sekund i dostajesz kilka tysięcy znaków napisanych całkiem poprawnym polskim.
Są nagłówki. Jest wstęp. Są korzyści. Jest podsumowanie. Czasami nawet CTA.
Tylko po przeczytaniu całości trudno odpowiedzieć na pytanie, czego właściwie się dowiedzieliśmy.
Tekst jest poprawny, ale mógłby znaleźć się na stronie producenta oprogramowania, firmy szkoleniowej, banku albo lokalnego sklepu. Wystarczyłoby podmienić kilka rzeczowników.
I właśnie to nazywam marketingową watą.
Nie chodzi o to, że AI pisze źle. Wręcz przeciwnie. Współczesne modele potrafią pisać bardzo sprawnie. Problem pojawia się wtedy, kiedy prosimy je o stworzenie treści bez dostarczenia materiału, z którego miałoby powstać coś naprawdę naszego.
„Napisz mi artykuł o…” to prawdopodobnie za mało
Można oczywiście wpisać do modelu: „Napisz ekspercki artykuł o najczęstszych błędach w marketingu B2B”.
Dostaniemy tekst.
Prawdopodobnie przeczytamy o braku strategii, nieznajomości grupy docelowej, niespójnej komunikacji, niewłaściwym mierzeniu efektów i potrzebie regularnej optymalizacji działań.
Czy coś z tego jest nieprawdą? Raczej nie.
Czy właśnie dlatego podobne zdania można znaleźć na tysiącach stron? Tak.
Model językowy jest bardzo dobry w generowaniu odpowiedzi, które pasują do wzorców obecnych w danych i kontekście, który dostał. Jeśli więc dostanie bardzo ogólne zadanie, bez informacji o firmie, odbiorcy, stanowisku autora i prawdziwych doświadczeniach, najbardziej naturalnym wynikiem będzie tekst równie ogólny.
Paweł Tkaczyk zwraca uwagę na podobny problem: AI dobrze radzi sobie z zadaniami mającymi jasny wzorzec, pierwszymi szkicami, wariantowaniem czy redakcją, natomiast dużo gorzej wypada tam, gdzie potrzebny jest autentyczny punkt widzenia autora albo oryginalna perspektywa.
Dlatego problem z przeciętnym contentem rzadko zaczyna się od modelu.
Częściej zaczyna się od briefu.
Zanim poprosisz AI o tekst, odpowiedz sobie, co masz do powiedzenia
To jest etap, który bardzo łatwo ominąć, bo AI daje kuszącą możliwość rozpoczęcia pracy od końca. Zamiast zebrać informacje, ustalić tezę i znaleźć przykłady, można po prostu poprosić o gotowy artykuł.
Tyle że wtedy strategię treści również zaczyna wymyślać model.
Wyobraźmy sobie artykuł firmy zajmującej się Google Ads o tym, dlaczego kampanie nie sprzedają. Do AI możemy wysłać tylko temat. Możemy też wcześniej zebrać od specjalisty pięć kont, na których kampanie miały problem, sprawdzić, co je łączyło, dopytać dział sprzedaży o jakość leadów i dopiero na tej podstawie stworzyć materiał.
W pierwszej wersji model prawdopodobnie opisze typowe błędy w Google Ads.
W drugiej może powstać tekst zawierający zdanie w rodzaju:
„W czterech z pięciu analizowanych przez nas kont problemem nie była konfiguracja kampanii. Reklama dowoziła ruch, ale oferta była droższa od konkurencji i nie dawała klientowi żadnego powodu, żeby kupić właśnie tutaj”.
To jest różnica pomiędzy treścią wygenerowaną na temat a treścią, która rzeczywiście coś wnosi.
AI może bardzo dobrze pomóc w opracowaniu drugiej wersji. Nie wymyśli jednak za firmę jej doświadczenia.
Najlepszy prompt nie zastąpi dobrego wsadu
Wokół promptowania powstała już osobna gałąź internetu i można czasami odnieść wrażenie, że wystarczy znaleźć odpowiednio skomplikowaną komendę, żeby ChatGPT zaczął pisać jak świetny strateg, copywriter i ekspert branżowy jednocześnie.
Dobry prompt oczywiście pomaga.
Powinien określać odbiorcę, cel komunikacji, kontekst marki, format, ton, wiedzę, z której model może korzystać, oraz ograniczenia. Warto traktować go bardziej jak brief dla copywritera niż magiczną formułę. Tkaczyk również zwraca uwagę, że polecenie w rodzaju „napisz post o moim produkcie” nie mówi modelowi, do kogo właściwie pisze, jakie są obawy tej osoby ani na jakim etapie decyzji zakupowej się znajduje.
Jeszcze ważniejsze jest jednak to, co do tego briefu dołączymy.
Jeżeli przekazujemy AI:
transkrypcję rozmowy z ekspertem, wyniki badania, informacje od handlowców, opinie klientów, fragment warsztatu strategicznego, dane z kampanii, przykłady dobrych tekstów marki i wiarygodne źródła,
to model ma z czego pracować.
Jeżeli przekazujemy wyłącznie hasło „napisz artykuł o fotowoltaice dla firm”, nawet bardzo dobry prompt nie stworzy wiedzy, której wcześniej tam nie było.
Smartbuzz słusznie proponuje podobny model pracy: najpierw dostarczenie danych i kontekstu biznesowego, później wykorzystanie AI do ich analizy, układania struktury i przygotowania draftu.
AI jest całkiem dobrym researcherem, ale nie powinno być jedynym źródłem
Jednym z miejsc, w których AI naprawdę potrafi przyspieszyć pracę, jest research.
Może pomóc uporządkować długi raport, porównać kilka źródeł, znaleźć sprzeczności między materiałami, zbudować pierwszą listę pytań do eksperta albo wskazać obszary, których brakuje w przygotowanym konspekcie.
Można wrzucić do niego wyniki ankiety klientów i poprosić o pogrupowanie powtarzających się problemów. Można dostarczyć kilkadziesiąt fraz SEO i poprosić o pogrupowanie ich według intencji. Można wreszcie dać mu kilka źródeł i poprosić o wskazanie informacji najważniejszych z punktu widzenia konkretnego odbiorcy.
To dużo lepszy sposób wykorzystania AI niż pytanie:
„Jakie są najnowsze statystyki dotyczące rynku X?”
Modele potrafią podawać nieprawdziwe informacje z bardzo przekonującą pewnością siebie. Mogą pomylić datę, autora badania, liczbę albo po prostu stworzyć źródło, które nie istnieje. Zarówno Widoczni, jak i Smartbuzz wskazują halucynacje oraz problemy z rzetelnością jako jedno z podstawowych ryzyk używania AI przy tworzeniu treści.
Dlatego w naszym procesie przyjąłbym prostą zasadę: AI może pomóc przeczytać źródła, ale nie może ich zastępować.
Jeśli tekst zawiera konkretną liczbę, zmianę prawną, statystykę albo informację o aktualnym działaniu platformy, sprawdzamy ją w źródle.
Najpierw teza, później tekst
To jedna z najprostszych metod ograniczania marketingowej waty.
Zanim powstanie artykuł, spróbuj jednym albo dwoma zdaniami odpowiedzieć na pytanie:
Co właściwie chcemy tym tekstem powiedzieć?
Nie: „Artykuł będzie o wykorzystaniu AI w marketingu”.
To temat.
Tezą może być: „AI nie powoduje, że firmy tworzą lepszy content. Powoduje, że szybciej tworzą taki content, jaki potrafiły przygotować wcześniej. Jeżeli proces był słaby, teraz po prostu będzie można produkować słabe treści na większą skalę”.
Od razu wiadomo, jaki artykuł z tego powstanie.
AI może później pomóc znaleźć kontrargumenty, przykłady, strukturę czy słabsze miejsca w rozumowaniu. Ale stanowisko powinno pochodzić od autora albo marki.
Właśnie tutaj widać jedną z największych różnic pomiędzy wykorzystaniem AI jako autora i jako asystenta. Asystent pomaga Ci lepiej powiedzieć to, co masz do powiedzenia. Autor musiałby najpierw zdecydować, co w ogóle warto powiedzieć.
Nie każ AI pisać wszystkiego za jednym razem
Kolejny błąd wynika trochę z wygody. Skoro model potrafi stworzyć dziesięć tysięcy znaków w kilka minut, dlaczego nie poprosić go od razu o cały artykuł?
Można.
Tylko później dostajemy tekst, który często wygląda tak, jakby każdy fragment był równie ważny. Kolejne sekcje mają podobną długość, argumenty są bezpieczne, a cała konstrukcja staje się bardzo przewidywalna.
Lepszy proces wygląda inaczej.
Najpierw research i materiały. Później teza. Następnie konspekt. Sprawdzamy, czy czegoś w nim nie brakuje i czy kolejność rzeczywiście ma sens. Dopiero później pracujemy nad konkretnymi fragmentami.
Smartbuzz rekomenduje podobne podejście: rozbicie zadania na etapy zamiast generowania całego materiału jednym poleceniem, rozpoczęcie od outline’u i dopiero późniejsze rozwijanie kolejnych sekcji.
Dzięki temu w każdym momencie można zatrzymać proces i powiedzieć: „Nie, ten fragment nic nie wnosi. Usuńmy go” albo „Tutaj mamy własny case i właśnie on powinien być osią tej części”.
AI przestaje wtedy dyktować konstrukcję tekstu. Pomaga ją realizować.
Daj AI próbki prawdziwego języka marki
Polecenie „pisz naturalnie i profesjonalnie” może oznaczać właściwie wszystko.
Znacznie skuteczniejsze jest pokazanie modelowi pięciu tekstów, po których ktoś z zespołu mówi: „Tak właśnie chcemy brzmieć”.
Wtedy można analizować długość zdań, sposób budowania argumentów, humor, słownictwo, rodzaj nagłówków, bezpośredniość czy to, jak często autor korzysta z przykładów.
Widoczni zwracają uwagę właśnie na konieczność zdefiniowania tonu komunikacji i dostarczania AI przykładowych treści marki. Jednocześnie nawet po takiej kalibracji rekomendują redakcję wygenerowanego tekstu przed publikacją.
Ważne jest przy tym jedno rozróżnienie.
Brand voice to nie lista pięciu przymiotników.
„Profesjonalny, ekspercki, przyjazny, dynamiczny i autentyczny” opisuje dzisiaj połowę internetu.
Znacznie bardziej użyteczna instrukcja brzmi na przykład: „Pisz do właściciela firmy jak ekspert, który zna temat od strony praktycznej. Nie tłumacz oczywistości. Możesz podważać popularne przekonania. Używaj konkretnych przykładów. Unikaj zwrotów typu ‘w dzisiejszym dynamicznym świecie’, ‘kluczowe znaczenie’ i ‘warto pamiętać’”.
Nagle AI wie dużo więcej.
Pierwszy draft z AI powinien być materiałem do redakcji, nie publikacji
To być może najważniejsza zasada całego procesu.
Jeśli model przygotował tekst w trzy minuty, to nie znaczy, że artykuł jest gotowy po trzech minutach.
Pierwszy draft pozwala ominąć pustą kartkę. Można na nim pracować, przenosić fragmenty, usuwać słabe sekcje, dodawać dane, zmieniać przykłady i wzmacniać argumenty. Widoczni wskazują przygotowywanie wersji roboczych jako jedno z dobrych zastosowań AI, ale od razu podkreślają potrzebę samodzielnego researchu i dodawania własnej wiedzy.
Dobrym ćwiczeniem redakcyjnym jest sprawdzenie każdego większego fragmentu za pomocą prostego pytania:
Czy konkurencja mogłaby opublikować dokładnie ten sam akapit?
Jeśli odpowiedź brzmi „tak”, prawdopodobnie brakuje tam czegoś naszego.
Może to być przykład. Konkretna liczba. Doświadczenie klienta. Wniosek z kampanii. Opinia eksperta. Nieoczywisty argument albo sytuacja, którą rzeczywiście obserwowaliśmy.
Nie każdy akapit musi być rewolucyjny, ale jeżeli cały artykuł mógłby po zmianie logo należeć do dowolnej firmy w branży, trudno oczekiwać, że będzie budował markę.
„Humanizacja” tekstu nie polega na dodaniu kilku potocznych słów
Wraz z rosnącą popularnością AI pojawiła się również cała kategoria promptów typu „humanize this text”.
Czasami działają. Najczęściej powierzchownie.
Model zamienia „istotne” na „ważne”, dodaje kilka pytań retorycznych, skraca zdania i wrzuca zwrot „prawda jest taka, że…”. Tekst zaczyna wyglądać mniej formalnie, ale nadal nie ma w nim żadnego człowieka.
Prawdziwa humanizacja bierze się raczej z rzeczy, których model sam nie zna: szczegółów, obserwacji, niedoskonałości, doświadczeń i opinii.
Jeśli copywriter prowadził sto kampanii Google Ads, może powiedzieć, który błąd rzeczywiście widuje co tydzień, a który funkcjonuje głównie w poradnikach.
Jeśli handlowiec rozmawia codziennie z klientami, wie, jak naprawdę nazywają swój problem. Często zupełnie inaczej niż firma na stronie internetowej.
Jeżeli właściciel biznesu popełnił kosztowny błąd przy wdrożeniu nowego produktu, ta historia jest ciekawsza niż pięć kolejnych „najlepszych praktyk”.
AI może pomóc to dobrze opisać. Nie może przeżyć tego za nas.
Wykorzystuj AI tam, gdzie człowiek naprawdę traci czas
Byłoby jednak błędem wyciągnąć z tego tekstu wniosek, że AI powinno siedzieć grzecznie w kącie i poprawiać przecinki.
Wręcz przeciwnie.
W wielu elementach procesu contentowego jest świetne.
Może przygotować dziesięć wersji tytułu, kiedy mamy już ustaloną tezę. Może skrócić długi wywiad i pogrupować wypowiedzi według tematów. Może znaleźć powtórzenia w artykule, zasugerować pytania, których nie zadaliśmy ekspertowi, albo przygotować trzy wersje CTA.
Dobrze radzi sobie również z przerabianiem gotowej, wartościowej treści na inne formaty. Z jednego artykułu można przygotować serię postów na LinkedIn, newsletter, scenariusz krótkiego wideo czy zestaw tematów do dalszych publikacji. Smartbuzz wskazuje właśnie repurposing i personalizację dystrybucji jako kolejne obszary, w których AI może znacząco skrócić czas pracy.
Tutaj skala jest ogromną zaletą.
Mamy jeden dobry materiał źródłowy, a AI pomaga wykorzystać go dziesięć razy.
To zupełnie inna sytuacja niż stworzenie dziesięciu artykułów bez żadnego materiału źródłowego.
Czy Google karze za teksty napisane z AI?
To pytanie nadal pojawia się zaskakująco często.
Sama obecność AI w procesie tworzenia treści nie jest dla Google problemem. W aktualnych wytycznych Google wprost wskazuje, że generatywna AI może być przydatna podczas researchu i porządkowania oryginalnej treści. Problem zaczyna się wtedy, gdy automatyzacja służy do masowej produkcji stron, które nie wnoszą wartości dla użytkownika.
Polityka dotycząca scaled content abuse obejmuje tworzenie dużej liczby nieoryginalnych stron przede wszystkim po to, żeby manipulować wynikami wyszukiwania. Co istotne, dla Google nie ma większego znaczenia, czy taką treść wyprodukował model, człowiek czy połączenie obu metod. Liczy się przede wszystkim jej wartość i cel powstania.
Google w swoich najnowszych wskazówkach dotyczących również wyników generatywnych sprowadza temat do bardzo prostego pytania: czy osoba odwiedzająca stronę będzie zadowolona, że na nią trafiła?
I to jest całkiem dobry test nie tylko dla SEO.
AI powinno siedzieć w procesie, a nie na miejscu autora
Najlepszy model pracy, jaki widzę dzisiaj, można opisać jako human-in-the-loop. Człowiek podejmuje decyzje, dostarcza wiedzę i ocenia wynik, a AI pomaga wykonywać poszczególne etapy szybciej.
Może to wyglądać tak: ekspert wskazuje problem → AI pomaga uporządkować research → człowiek wybiera tezę → AI proponuje strukturę → autor poprawia ją i dodaje własne materiały → AI przygotowuje pierwszy draft wybranych fragmentów → człowiek prowadzi redakcję → AI pomaga skrócić tekst, znaleźć powtórzenia i przygotować warianty nagłówków.
Smartbuzz opisuje podobną pętlę współpracy pomiędzy specjalistą, AI i copywriterem, podkreślając, że model potrzebuje danych i instrukcji dostarczanych przez człowieka.
W praktyce AI może być obecne prawie na każdym etapie.
Nie oznacza to, że powinno podejmować każdą decyzję.
Największą przewagą AI nie powinno być to, że możemy publikować więcej
To chyba najważniejszy paradoks.
Przez lata ograniczeniem content marketingu był koszt tworzenia treści. Dobry artykuł wymagał researchu, rozmowy z ekspertem, copywritera, redaktora i czasu. AI drastycznie obniżyło koszt stworzenia tekstu, który wygląda jak artykuł.
W efekcie internetu nie czeka niedobór treści.
Czeka go jeszcze większy nadmiar.
Jeżeli każda firma może w jeden dzień wygenerować trzydzieści tekstów odpowiadających na najbardziej oczywiste pytania klientów, samo posiadanie trzydziestu tekstów przestaje być przewagą.
Przewagą będzie posiadanie czegoś, czego nie da się wygenerować z ogólnego prompta: własnych danych, doświadczenia, ekspertów, rozpoznawalnego języka, ciekawego punktu widzenia i odwagi, żeby czasami napisać coś innego niż pięć pierwszych wyników Google.
Dlatego AI nie powinno służyć przede wszystkim do tego, żeby produkować więcej treści.
Powinno pozwolić nam szybciej pozbyć się pracy, która nie wymaga człowieka, żebyśmy mieli więcej czasu na tę część, która go wymaga.
Jeśli po wdrożeniu AI publikujesz dwa razy więcej, ale wszystko brzmi tak samo jak u konkurencji, zwiększyłeś produkcję. Niekoniecznie marketing.
Jeśli natomiast research zajmuje Ci dwie godziny zamiast sześciu, transkrypcję rozmowy z ekspertem analizujesz w kilka minut, a zaoszczędzony czas poświęcasz na dopracowanie argumentacji i przykładów, wtedy AI rzeczywiście poprawia proces.
I chyba właśnie tak warto o nim myśleć.
Nie jako o copywriterze, którego można zostawić samego z zadaniem, tylko jako o bardzo szybkim współpracowniku, który potrafi wykonać ogrom pracy, o ile ktoś po drugiej stronie wie, po co ta praca w ogóle jest wykonywana.
Jeśli chcesz wykorzystać AI w content marketingu, ale nie chcesz zamienić komunikacji swojej firmy w kolejną porcję poprawnych, podobnych do siebie tekstów, możemy pomóc Ci poukładać cały proces. W Panda Marketing łączymy strategię, wiedzę klientów i możliwości AI tak, żeby technologia przyspieszała pracę nad treściami, zamiast zastępować ich sens. Jeśli szukasz wsparcia w tworzeniu contentu i komunikacji marki, zapraszamy do współpracy.