3个增长主管的AI工作流案例分享@ElevenLabs 增长主管 Luke Harries

https://www.youtube.com/watch?v=5Byg-9K8JnM

这段视频介绍了 ElevenLabs 增长主管 Luke Harries 如何利用人工智能流程自动化工作。

案例一：

利用 AI 生成案例研究和营销素材

• 应用场景： ElevenLabs 利用 AI 工作流来自动化和加速客户案例研究和相关营销素材（如推文、领英帖子）的生成。这不仅用于新功能或产品的发布流程，也用于创建营销内容。
• 痛点： 传统的发布流程（包括确定价值主张、核心信息、目标受众，然后撰写博客文章、X 帖子等）耗时冗长。即使制作出了案例研究等素材，后续的分发和推广也容易被遗忘或延迟，导致生产效率下降。
• 使用流程：与客户进行案例研究访谈。使用 Granola 工具记录并转录访谈。Granola 自动生成对话摘要和转录文本，并可能自动补充客户背景信息。将 Granola 生成的摘要和原始转录文本粘贴到定制的 ChatGPT（ElevenLabs 的文案编辑 GPT）中。该 GPT 预先输入了公司的品牌声调指南和优秀案例示例。向 GPT 发出指令，要求生成案例研究文章或推文串。GPT 根据输入文本和预设指令生成案例研究文章（包含易于快速浏览的标题）和推文串（包含媒体素材的占位符）。为了优化结果，优先修改 GPT 的底层 Prompt（指令），而不是直接编辑输出文本。可以设置 Zapier 等自动化工具，在销售机会关闭后自动发送 Calendly 链接给客户，预约案例访谈。
• 价值： 该流程非常快速，能够将短暂的访谈（例如 3 分钟的对话）迅速转化为完善的案例研究和推文。它简化了营销素材的制作，并且由于自动化了部分后续步骤，确保了内容生产引擎持续运转。通过这种方式，可以在短时间内每月产出多达 5 个案例研究。

案例二：

利用 AI 进行网站内容本地化

• 应用场景： 将网站内容（如主页、核心页面、博客文章）快速、高质量地翻译成多种语言，以满足不同国家和地区用户的需求。
• 痛点： 传统的本地化方法成本高昂（需要昂贵的工具和翻译机构费用），速度慢（需要等待数天才能收到翻译件），并且由于机构选择往往基于成本而非质量，以及工具缺乏编辑 AI Prompt 的能力，翻译质量难以保证。此外，将工具与现有的 CMS 和代码库集成也需要大量的工程工作。管理多个软件供应商和机构带来的不断升级和推销也是一个麻烦。
• 使用流程：
  1. 淘汰昂贵的本地化工具和翻译机构。
  2. 自行搭建一个轻量级的服务或脚本（最初由市场人员使用 Cursor 在一天内完成主要部分）。
  3. 设置 GitHub Action，使其在代码库中翻译键（如 en.json 文件）发生变化时触发。可以使用 Cursor Rule 来辅助提取代码中的字符串。
  4. GitHub Action 将待翻译的字符串发送给 LLM（如 ChatGPT）。
  5. 为每种语言使用特定的 Prompt 文件，详细说明该语言所需的品牌声调、翻译风格、关键词等。
  6. LLM 根据 Prompt 和输入文本生成翻译结果。
  7. 将翻译后的字符串保存回代码库（如 JSON 文件）或 CMS。
  8. 对于敏感内容（如定价页面），由团队成员进行快速人工校对。如发现问题，修改底层 Prompt 以提升后续翻译质量，而不是直接修改已有的翻译文本。
• 价值： 每年节省了 40,000 美元的本地化工具费用，并立即取消了超过 100,000 美元的机构成本。翻译速度从数天缩短到即时完成。翻译质量得到了提高。使得公司能够翻译更多内容，例如之前未计划本地化的每篇博客文章。维护成本极低，目前几乎没有。

案例三：

通过 MCP 连接 AI 与 WhatsApp

• 应用场景： 利用MCP的框架，将 AI 助手（如 Claude）连接到个人的 WhatsApp 消息和群组，以便 AI 能够查询信息、总结对话，并可能发送消息或语音笔记。这是一个更广泛愿景的一部分，即构建与关键沟通渠道（如 WhatsApp、日历、电子邮件）集成的个人 AI 助手。
• 痛点： 当前的 AI 工具无法访问个人通信数据，例如 WhatsApp 消息，这使得它们难以提供真正基于个人背景的辅助。人类难以跟上各种 WhatsApp 群组中的大量消息。从大型 WhatsApp 群组中提取趋势或有价值的想法非常耗时。
• 使用流程：
• 运行开源且非官方的 WhatsApp MCP 代码。
• 扫描二维码进行连接（类似 WhatsApp Web）。
• MCP 将所有现有消息下载到本地 SQLite 数据库。
• 运行时，MCP 会接收新消息，并将其添加到本地数据库。
• 所有数据都存储在本地，不上传到云端。
• 将 AI 代理（例如桌面版 Claude）连接到本地运行的 MCP 服务器。
• AI 可以使用 MCP 暴露的工具，通过自然语言查询消息数据库（例如：“最近收到了哪些 WhatsApp 消息？”、“总结消息中关于 ElevenLabs 的想法”）。
• AI 还可以使用 MCP 工具执行操作，例如发送消息或生成语音笔记（如果连接了 ElevenLabs 等其他 MCP）。
• 这使得用户可以在 AI 聊天界面中直接使用自然语言与 WhatsApp 数据和功能进行交互。
• 价值： 使得 AI 能够访问和处理个人的 WhatsApp 数据。能够快速总结大量群组消息。为从对话中识别趋势或见解提供了潜在优势。能够将不同的 AI 工具（如处理消息的 AI 和生成语音的 AI）串联起来使用。这个案例的价值更多体现在增强了 AI 处理个人通信数据的能力和效率，而非具体的金钱节省，但可以间接带来时间节省。