چگونه پیش‌نویس‌های ایمیل AI را انسانی کنیم: راهنمایی بر اساس نوع ایمیل

تا خط دوم، خوانندگان خواهند دانست که آیا خودتان این ایمیل را نوشته‌اید یا از AI استفاده کرده‌اید. آغازگر گرم و کلی، بندهای با وزن یکسان، و پایان با تشکر از وقتی که گذاشته‌اید و سپس درخواست بخشی از آن. دو سال است که همه ما صندوق‌های ورودی پر از پیش‌نویس‌های ChatGPT را دیده‌ایم. اکنون این چیزها را از کیلومترها دورتر می‌بینیم. آن‌ها الگو هستند. ما سرسری می‌خوانیم. ما اصلاح می‌کنیم. پیش‌نویس‌های ایمیل AI را پیش از ارسال انسانی‌سازی می‌کنیم. آن ده دقیقه‌ای را که مدل برایتان صرفه‌جویی کرده نگه دارید. نشانه‌هایی را که پاسخ را از شما می‌گیرند حذف کنید.

در این راهنما، شما را با چهار نوع ایمیلی که حرفه‌ای‌ها بیش از همه با AI می‌نویسند آشنا می‌کنیم: ارتباط اولیه، به‌روزرسانی‌های داخلی، پاسخ‌های پشتیبانی مشتری، و پیگیری‌ها. توضیح می‌دهیم چگونه همه آن‌ها را اصلاح کنید، چون هر کدام به شیوه خودشان ناکام می‌مانند. در پایان، همچنین دو چیز را که هر بازنویسی باید صرف‌نظر از نوع آن درست انجام دهد نشان می‌دهیم: نام‌ها، اعداد و اصطلاحات محصول که باید بدون تغییر باقی بمانند، و آشکارسازهای AI که اکنون برخی محیط‌های کاری برای متن‌های ورودی اجرا می‌کنند.

چرا ایمیل‌های تولیدشده با AI سرسری خوانده می‌شوند

هیچ آشکارسازی در کار نیست وقتی یک مشتری بالقوه پیام شما را حذف می‌کند. این اتفاق صرفاً بر اساس الگو رخ می‌دهد. می‌توانید مطمئن باشید که یک مدل زبانی جمله‌هایی با طول مشابه می‌نویسد، فعل‌هایش را با احتیاط به کار می‌برد، با تعارف‌هایی مانند "I hope this email finds you well" آغاز می‌کند، و هر بند را به‌طور برابر متعادل می‌سازد، به‌گونه‌ای که هیچ عنصر واحدی از جمله نقطه اصلی نباشد. همین الگوست که یک استخدام‌کننده، یک خریدار، یا همکاری که روزی چهل ایمیل می‌بیند، آن را جذب کرده است، چه بتواند آن را توصیف کند و چه فقط آن را حس کند.

ایمیل‌های انسانی اصطکاک دارند. یک جمله چهارواژه‌ای. یک عدد مشخص جایی که یک مدل می‌نوشت "significant growth". یک توضیح جانبی که فقط کسی درون گفت‌وگو می‌توانست مطرح کند. وقتی یک ایمیل تولیدشده با AI را انسانی‌سازی می‌کنید، در واقع آن اصطکاک را بازمی‌گردانید: ریتم متنوع جمله‌ها, یک آغاز مستقیم، و دست‌کم یک جزئیات که ثابت کند یک انسان درگیر بوده است.

ابزار humanizer نیمه مربوط به ریتمِ این کار را خودکار می‌کند. نام آن TextPulse است. واژگان شما دست‌نخورده می‌ماند، اما آهنگ تغییر می‌کند تا نوشته شما شبیه زبانِ ساخته‌شده توسط ماشین به نظر نرسد. به این ترتیب، متن همان‌گونه که شما قصد داشتید خوانده می‌شود، اما دیگر چنین به نظر نمی‌رسد که یک ربات آن را نوشته باشد. نیمه مربوط به جزئیات با شما می‌ماند، و بخش‌های زیر نشان می‌دهند که این موضوع برای هر نوع ایمیل کجا اهمیت دارد.

ایمیل‌های outreach: مشخص‌بودن، عامل فروش است

outreach سردی که توسط AI پیش‌نویس می‌شود، در کلی‌بودن شکست می‌خورد. مدل پیامی می‌نویسد که می‌تواند برای هر شرکت در آن بخش ارسال شود، و گیرندگان ظرف چند ثانیه متوجه می‌شوند، زیرا این هفته سه پیام دیگر دریافت کرده‌اند که بر همان اسکلت ساخته شده‌اند. humanizing در اینجا دو بخش دارد، و بازنویسی بخش کوچک‌تر آن است.

با لحن آغاز کنید. برای outreach، سبک ساده و مطمئن بهترین است، چاپلوسی‌ای را که به‌طور خودکار از مدل می‌آید کنار بگذارید ("I was truly impressed by your recent...") و در نخستین جمله بر واقعیتِ گیرنده تمرکز کنید. پیش‌نویس را در حالت نوشتار حرفه‌ای و با شدت متوسط از humanizer عبور دهید: به اندازه‌ای بالا که ریتم یکنواخت را بشکند، و به اندازه‌ای پایین که نام محصولات و عبارت‌بندی‌های کلیدی شما ثابت بماند.

سپس تنها چیزی را اضافه کنید که هیچ بازنویسی‌ای نمی‌تواند فراهم کند: یک جزئیات عینی که خودتان یافته‌اید. دور تأمین مالی، آگهی شغلی، ویژگی‌ای که ماه گذشته منتشر کردند. یک خط مشخص، بیش از هر میزان پرداختگی، نرخ پاسخ را افزایش می‌دهد، زیرا تنها بخشی از ایمیل است که یک مدل هرگز نمی‌توانست برای شخص دیگری نوشته باشد.

خطوط موضوعی نیز شایسته همین برخورد هستند. مدل‌ها اعلان‌هایی با حروف بزرگ در سبک title-case تولید می‌کنند ("Unlocking New Efficiencies for Your Team")، در حالی که یک انسان شش واژه ساده درباره موضوع واقعی می‌نویسد. خط موضوع را خودتان، در سبک جمله‌ایِ معمول و با حروف کوچک، بازنویسی کنید، و بگذارید بدنه humanized استدلال را حمل کند.

به‌روزرسانی‌های داخلی: تشریفات را حذف کنید، اعداد را نگه دارید

به‌روزرسانی‌های وضعیت که توسط AI پیش‌نویس می‌شوند، با متنِ اضافی می‌رسند. یک پیام سه‌خطی به خلاصه اجرایی، بخشی با عنوان "key highlights"، و یک بند پایانی که خلاصه را تکرار می‌کند، تبدیل می‌شود. همکاران اعداد، موانع و درخواست را می‌خواهند، به همان ترتیب، و می‌خواهند بدون اسکرول کردن آن‌ها را پیدا کنند.

این پیش‌نویس‌ها را با لحنی ساده‌تر از کارهای رو به مشتری انسانی‌سازی کنید. ایمیل داخلی با جمله‌های ناقص و فهرست‌های گلوله‌ای کنار می‌آید، اما این را نمی‌پذیرد که یک رقم تبدیل 40 percent بی‌صدا در بازنویسی به «عملکرد قوی در تبدیل» تبدیل شود. TextPulse نام‌ها، تاریخ‌ها و ارقام را در هر مرحله انسانی‌سازی به‌صورت لفظ‌به‌لفظ حفظ می‌کند، بنابراین شاخص‌ها در یک به‌روزرسانی هفتگی همان شاخص‌هایی می‌مانند که تیم شما واقعاً گزارش کرده است.

یک عادت ارزشمند برای شکل دادن: نسخه انسانی‌شده را یک‌بار، فقط از نظر اعداد، با متن اصلی مقایسه کنید. این کار در یک به‌روزرسانی معمولی بیست ثانیه طول می‌کشد و «ابزار ارقام را حفظ می‌کند» را از ادعایی که به آن اعتماد دارید به واقعیتی که خودتان بررسی کرده‌اید تبدیل می‌کند.

چگونه ایمیل‌های پشتیبانی AI را انسانی‌سازی کنیم

پاسخ‌های پشتیبانی از نظر هر واژه بیشترین اهمیت را دارند. مشتری خشمگینی که همدردی کلیشه‌ای دریافت می‌کند, («ما صمیمانه بابت هرگونه ناراحتی که این موضوع ممکن است برای شما ایجاد کرده باشد عذرخواهی می‌کنیم») خشمگین‌تر می‌شود، زیرا خودِ این عبارت نشان می‌دهد که هیچ انسانی تیکت را نخوانده است.

برای انسانی‌سازی ایمیل‌های پشتیبانی AI روی دو لایه کار کنید. نخست، گرمایی نشان دهید که حس توجه داشته باشد. مشکل واقعی را در جمله اول نام ببرید, با واژه‌های خود مشتری, و تا بعداً عذرخواهی نکنید. از یک humanizer با لحن محاوره‌ای استفاده کنید تا ریتم یکنواخت و کلیشه‌ای همه پاسخ‌های آماده را بشکند و متن طوری خوانده شود که گویی برای همین مشتری نوشته شده است.

لایه دوم دقت است. شماره‌های تیکت، شناسه‌های سفارش، مبالغ بازپرداخت، تاریخ‌ها و عبارت‌بندی سیاست باید دقیقاً همان‌طور که وارد بازنویسی شده‌اند از آن خارج شوند، زیرا یک پاسخ پشتیبانی با رقم نادرستِ بازپرداخت، تیکت دومی ایجاد می‌کند. در TextPulse می‌توانید این اصطلاحات را پیش از اجرا ثابت کنید؛ اصطلاحات ثابت‌شده به‌صورت لفظ‌به‌لفظ حفظ می‌شوند و با هایلایت برمی‌گردند، بنابراین یک کارشناس می‌تواند در یک نگاه تأیید کند که مبلغ در پاسخ با مبلغ در سیستم مطابقت دارد.

پیگیری‌ها: یک صدا در سراسر رشته

پیگیری زمانی لو می‌رود که شبیه نوشته‌نویس متفاوتی از پیام اول به نظر برسد. این اتفاق هر وقت متن اصلی از خود شما بوده و پیام پیگیری از یک مدل آمده باشد، یا وقتی این دو در نشست‌های جداگانه و از پرامپت‌های متفاوت تولید شده باشند، رخ می‌دهد.

رشته را با یک صدا نگه دارید. برای هر پیام در یک زنجیره، همان شیوه نوشتن و همان شدت را به کار ببرید و عبارت‌پردازی را عمداً بازاستفاده کنید: اشاره به "the pilot we discussed" با همان واژه‌ها در هر بار، مانند حافظه خوانده می‌شود، و حافظه مانند انسانی بودن خوانده می‌شود. TextPulse هر چیزی را از یک پیگیری سه‌خطی تا یک رشته کامل در یک اجرا مدیریت می‌کند، بنابراین می‌توانید کل توالی را یکجا انسانی‌سازی کنید، نه پیام به پیام.

در برابر وسوسه افزایش رسمیت وقتی یک رشته ساکت می‌شود مقاومت کنید. مدل‌ها زیرِ اعلان‌های "write a polite follow-up" به سمت رسمیت می‌لغزند، اما انسان‌ها کوتاه‌تر و مستقیم‌تر می‌شوند. یک پیگیری نهایی دوخطی با پایان‌بندی روشن ("Should I stop following up on this?") هر بار از یک پاراگراف چهارمِ ارزش پیشنهادی بهتر عمل می‌کند.

پیش‌نویس‌های ایمیل AI را انسانی‌سازی کنید: چه چیزهایی باید حفظ شوند، و چه کسی بررسی می‌کند

هر نوع ایمیلی که باشد، دو قاعده تولید برقرار است. نخست، موجودیت‌ها باربر هستند. نام گیرنده، نام شرکت، ارقام، تاریخ‌ها، و اصطلاحات محصول بخش‌هایی از یک ایمیل هستند که وقتی دچار تغییر می‌شوند پیامدهای حقوقی، مالی، یا رابطه‌ای ایجاد می‌کنند، بنابراین یک humanizer که برای کار حرفه‌ای ساخته شده است آن‌ها را به طور خودکار و لفظ به لفظ حفظ می‌کند و به شما اجازه می‌دهد هر چیز دامنه‌محور را نیز در بالا فریز کنید. گردش‌کار کامل، از جمله Corporate writing mode و terminology freezing، در صفحه AI humanizer for business توضیح داده شده است.

دوم، بخشی از ایمیل شما پیش از آنکه یک نفر آن را بخواند توسط نرم‌افزار غربال می‌شود. تیم‌های تدارکات پیشنهادهای فروشندگان را از طریق AI detectors اجرا می‌کنند، آژانس‌ها پیشنهادهای ورودی را غربال می‌کنند، و برخی پلتفرم‌های استخدام و فروش پیام‌ها را به طور خودکار امتیازدهی می‌کنند. هیچ ابزاری نمی‌تواند یک حکم مشخص از detector را تضمین کند، و باید به هر ابزاری که چنین ادعایی دارد بی‌اعتماد باشید. TextPulse یک Human Score تخمینی را گزارش می‌کند که از خود متن محاسبه شده است، همراه با خوانایی و عمق بازنویسی، تا بتوانید پیش از ارسال ببینید یک پیش‌نویس هنوز تا چه اندازه مانند الگوهای ماشینی خوانده می‌شود.

مرحله بازبینی همه چیز را به هم پیوند می‌دهد. نمای تغییرات ردیابی‌شده هر درج و حذفی را که humanization انجام داده است نشان می‌دهد، که برای یک ایمیل، خواندن آن ده ثانیه طول می‌کشد. ده ثانیه بهای منصفانه‌ای برای پیامی است که طوری به نظر می‌رسد که انگار خودتان آن را نوشته‌اید، زیرا از دید گیرنده، همین‌طور هم بوده است.