AI Humanization

AI E-posta Taslaklarını İnsanlaştırma: E-posta Türüne Göre Bir Kılavuz

AI tarafından oluşturulan e-postalar şablon gibi okunur ve şablonlar gözden geçirilir. Ticket numaraları, sayılar ve ürün terimleri tam olarak yazıldığı gibi kalırken, ulaşım, iç güncellemeler, destek yanıtları ve takipleri insanlaştırmaya yönelik tür tür bir kılavuz.

5 min
Blog card for a guide on how to humanize AI email drafts across outreach, internal updates, support replies, and follow-ups

İkinci satıra gelindiğinde, okuyucular e-postayı kendinizin mi yazdığını yoksa AI mı kullandığınızı anlayacaktır. Sıcak, genel bir açılış, eşit ağırlıkta paragraflar, zamanınızı ayırdığınız için teşekkür ederek kapanış ve ardından ondan birazını istemek. Hepimizin ChatGPT taslaklarıyla dolu gelen kutularına sahip olmasının üzerinden iki yıl geçti. Şimdi bu tür şeylerin uzaktan geldiğini görüyoruz. Bunlar şablonlardır. Göz gezdiririz. Düzeltiriz. Göndermeden önce AI e-posta taslaklarını insancıllaştırırız. Modelin size kazandırdığı on dakikayı elinizde tutun. Size yanıtı kaybettiren ipuçlarını kaldırın.

Bu kılavuzda, profesyonellerin AI ile en sık yazdığı dört tür e-postayı size adım adım açıklıyoruz: dış iletişim, iç güncellemeler, müşteri destek yanıtları ve takipler. Hepsini nasıl düzelteceğimizi ele alıyoruz, çünkü hepsi kendi biçimlerinde başarısız olur. Sonunda, türünden bağımsız olarak her yeniden yazımın doğru yapması gereken iki şeyi de göstereceğiz: değişmeden kalması gereken adlar, rakamlar ve ürün terimleri, ve bazı iş yerlerinin artık gelen metinlerde çalıştırdığı AI dedektörleri.

AI Tarafından Üretilen E-postalar Neden Gözden Geçirilir

Bir aday mesajınızı sildiğinde hiçbir dedektör devrede değildir. Bu, yalnızca örüntü üzerinden gerçekleşir. Bir dil modelinin benzer uzunlukta cümleler kurduğundan, fiillerini yumuşattığından, "I hope this email finds you well" gibi nezaket ifadeleriyle başladığından ve her paragrafı eşit biçimde dengeleyerek cümlenin tek bir unsurunun odak noktası olmasına izin vermediğinden emin olabilirsiniz. Bir işe alım uzmanının, bir alıcının ya da günde kırk e-posta gören bir meslektaşın özümsediği şey tam da bu örüntüdür, bunu tarif edebilsinler ya da yalnızca hissedebilsinler.

İnsan yazımı e-postalarda sürtünme vardır. Dört kelimelik bir cümle. Bir modelin "significant growth" yazacağı yerde belirli bir sayı. Yalnızca konuşmanın içindeki birinin yapabileceği bir ara söz. AI tarafından üretilmiş bir e-postayı insancıllaştırdığınızda, o sürtünmeyi geri yüklersiniz: çeşitli cümle ritmi, doğrudan bir açılış ve en az bir kişinin sürece dahil olduğunu kanıtlayan bir ayrıntı.

İnsanlaştırıcı araç, bu işin ritim kısmını otomatikleştirir. Buna TextPulse denir. Kelime dağarcığınız korunur, ancak kadans değişir, böylece yazınız makine yapımı bir dil gibi duyulmaz. Bu sayede, amaçladığınız şekilde okunur, fakat artık bir robotun yazdığı gibi gelmez. Ayrıntı kısmı sizde kalır ve aşağıdaki bölümler bunun her e-posta türü için nerede önemli olduğunu gösterir.

Ulaşım E-postaları: Satışı Belirleyen Şey Özgüllüktür

AI tarafından taslaklanan soğuk ulaşım, genellik nedeniyle başarısız olur. Model, segmentteki herhangi bir şirkete gidebilecek bir mesaj yazar ve alıcılar bunu saniyeler içinde anlayabilir, çünkü bu hafta aynı iskelet üzerine kurulmuş üç başka mesaj daha almışlardır. Burada insanlaştırmanın iki parçası vardır ve yeniden yazım daha küçük olanıdır.

Tonla başlayın. Ulaşım için güven veren, sade bir üslup en iyisidir, modelden otomatik olarak gelen övgüyü bırakın, ("Son zamanlardaki... çalışmalarınızdan gerçekten etkilendim") ve ilk cümlede alıcının gerçekliğine odaklanın. Taslağı profesyonel yazım modunda, orta yoğunlukta insanlaştırıcıdan geçirin, tekdüze ritmi bozacak kadar yüksek, ürün adlarınızın ve temel ifadenizin sabit kalacağı kadar düşük.

Sonra hiçbir yeniden yazımın sağlayamayacağı tek şeyi ekleyin, kendi bulduğunuz somut bir ayrıntı. Finansman turu, iş ilanı, geçen ay yayımladıkları özellik. Tek bir özgül satır, yanıt oranları için her türlü ciladan daha fazlasını yapar, çünkü bu, modelin bir başkası için asla yazamayacağı e-posta kısmıdır.

Konu satırları da aynı muameleyi hak eder. Modeller, bir kişinin gerçek konu hakkında altı sade kelime yazacağı yerde, başlık biçimli duyurular üretir ("Ekibiniz İçin Yeni Verimliliklerin Kilidini Açmak"). Konu satırını kendiniz, küçük harfli normal cümle tarzında yeniden yazın ve insanlaştırılmış gövdenin argümanı taşımasına izin verin.

İç Güncellemeler: Töreni Kısaltın, Sayıları Koruyun

AI tarafından taslaklanan durum güncellemeleri şişirilmiş halde gelir. Üç satırlık bir mesaja bir yönetici özeti, bir "temel öne çıkanlar" bölümü ve özeti yeniden ifade eden bir kapanış paragrafı eklenir. Meslektaşlar sayıları, engelleri ve talebi, bu sırayla isterler ve bunları kaydırmadan bulmak isterler.

Bu taslakları, müşteriyle yüz yüze kullanılan çalışmalardan daha sade bir düzeyde insanlaştırın. İç e-posta, parçalı cümlelere ve madde işaretlerine izin verir, ancak yeniden yazım sırasında 40 percent dönüşüm oranının sessizce "güçlü dönüşüm performansı" haline gelmesine izin vermez. TextPulse, her insanlaştırma boyunca adları, tarihleri ve rakamları aynen korur, böylece haftalık bir güncellemedeki ölçütler, ekibinizin gerçekten bildirdiği ölçütler olarak kalır.

Geliştirmeye değer bir alışkanlık: insanlaştırılmış güncellemeyi bir kez, yalnızca rakamlara bakarak, özgün metinle karşılaştırın. Tipik bir güncellemede yirmi saniye sürer ve "araç rakamları korur" ifadesini güvendiğiniz bir iddiadan, doğruladığınız bir olguya dönüştürür.

Kendi makalenizi insanlaştırın

AI destekli metninizi dönüştürün ve önemli kelimelere ya da atıflara dokunmadan, insan tarafından yazılmış gibi duyulmasını sağlayın.

Ücretsiz başlayın

Yapay Zeka Destek E-postaları Nasıl İnsanlaştırılır

Destek yanıtları, kelime başına en yüksek riski taşır. Hazır empati içeren bir yanıt alan öfkeli bir müşteri, ("Yaşadığınız herhangi bir rahatsızlık için içtenlikle özür dileriz") daha da öfkelenir, çünkü ifadenin kendisi, hiçbir insanın bileti okumadığını gösterir.

Yapay zeka destek e-postalarını insanlaştırmak için iki katman üzerinde çalışın. İlk olarak, dikkat edilmiş hissi veren bir sıcaklık gösterin. İlk cümlede gerçek sorunu, müşterinin kendi sözleriyle, adlandırın ve özrü daha sonraya bırakın. Tüm hazır yanıtların paylaştığı kalıp ritmi kırmak için, konuşma diline yakın bir düzeye ayarlanmış bir humanizer kullanın ve metnin bu müşteri için yazılmış gibi okunmasını sağlayın.

İkinci katman, kesinliktir. Bilet numaraları, sipariş kimlikleri, geri ödeme tutarları, tarihler ve politika ifadeleri, yeniden yazımdan tam olarak girdikleri gibi çıkmalıdır, çünkü yanlış geri ödeme rakamı içeren bir destek yanıtı ikinci bir bilet oluşturur. TextPulse içinde bu terimleri çalıştırmadan önce sabitleyebilirsiniz, sabitlenen terimler aynen korunur ve vurgulanmış olarak geri gelir, böylece bir temsilci yanıt içindeki tutarın sistemdeki tutarla eşleştiğini bir bakışta doğrulayabilir.

Takip Mesajları: Konuşma Dizisi Boyunca Tek Ses

Bir takip mesajı, ilk mesajdan farklı bir yazar gibi duyulduğunda oyunu ele verir. Bu, özgün metin sizin yazdığınız ve takip mesajı bir modelden geldiği zaman ya da ikisi farklı istemlerle ayrı oturumlarda üretildiği zaman olur.

İpliği tek bir sesle sürdürün. Bir dizideki her mesaj için aynı yazım kipini ve yoğunluğu kullanın, ayrıca ifadeleri bilinçli biçimde yeniden kullanın: "tartıştığımız pilot" ifadesine her seferinde aynı sözlerle atıfta bulunmak, bunun bir hafıza gibi okunmasını sağlar, hafıza da insan gibi okunur. TextPulse, üç satırlık bir takip mesajından tam bir ipliğe kadar her şeyi tek çalıştırmada işler, böylece tüm diziyi mesaj mesaj değil, birlikte insanlaştırabilirsiniz.

Bir iplik sessizleşirken resmiyeti artırma dürtüsüne direnin. Modeller, "nazik bir takip mesajı yaz" istemlerinde resmiyet yönünde kayar, insanlar ise daha kısa ve daha doğrudan olur. Açık bir kapanış içeren iki satırlık son takip mesajı ("Bunun için takip etmeyi bırakmalı mıyım?") her seferinde değer önerisi içeren dördüncü bir paragraftan daha iyi performans gösterir.

AI E-posta Taslaklarını İnsanlaştırma: Nelerin Korunması Gerekir ve Kim Kontrol Eder

E-posta türü ne olursa olsun, iki üretim kuralı geçerlidir. Birincisi, varlıklar taşıyıcı unsurlardır. Alıcı adları, şirket adları, rakamlar, tarihler ve ürün terminolojisi, sapma gösterdiklerinde hukuki, finansal veya ilişkiyle ilgili sonuçlar doğuran e-posta parçalarıdır, bu nedenle profesyonel çalışma için tasarlanmış bir insanlaştırıcı bunları varsayılan olarak aynen korur ve alanınıza özgü her şeyi ayrıca dondurmanıza izin verir. Kurumsal yazım modu ve terminoloji dondurma dahil tam iş akışı, iş için AI humanizer sayfasında açıklanmaktadır.

İkincisi, e-postanızın bir kısmı bir kişi okumadan önce yazılım tarafından taranır. Satın alma ekipleri tedarikçi tekliflerini AI detectors üzerinden geçirir, ajanslar gelen tanıtım mesajlarını tarar ve bazı işe alım ile satış platformları mesajları otomatik olarak puanlar. Hiçbir araç belirli bir detector sonucu vaat edemez ve bunu yapan herhangi bir araca güvenmemelisiniz. TextPulse, metnin kendisinden hesaplanan tahmini bir Human Score'u, okunabilirlik ve yeniden yazım derinliğiyle birlikte raporlar, böylece göndermeden önce bir taslağın hâlâ ne kadar makine kalıplı okunduğunu görebilirsiniz.

İnceleme adımı her şeyi bir araya getirir. İzlenen değişiklikler görünümü, humanization’ın yaptığı her eklemeyi ve silmeyi gösterir, bu da bir e-posta için on saniyelik bir okumadır. On saniye, sizin yazmışsınız gibi duyulan bir mesaj için makul bir bedeldir, çünkü alıcının açısından, siz yazdınız.

XLinkedInFacebook

Sıkça Sorulan Sorular

Evet. TextPulse için kayıt olmak, izlenen değişiklikler görünümü ve metrikler çubuğu ile ücretsiz bir insanlaştırma demosu sağlar ve kredi kartı gerekmez. Kendi ulaşım, destek yanıtları ve iç e-postalarınızı günlük olarak insanlaştırma, Pro ve Plus planlarına dahildir.

Moe

PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.

AI insanlaştırma hakkında güncel kalın

Akademik yazım, AI tespiti ve insanlaştırma hakkında ipuçlarını gelen kutunuza alın.

Spam yok. İstediğiniz zaman abonelikten çıkabilirsiniz.