تولید محتوا با هوش مصنوعی: داده‌ها، مزایا و ۳ کاربرد اصلی

یک تبلیغ کاملاً ساخته‌شده با هوش مصنوعی در فینال NBA پخش شد و در شبکه X حدود ۳٫۳ میلیون بازدید گرفت. سازنده‌اش فیلمنامه را با Gemini نوشته بود، ویدیوها را با Veo-3 ساخته بود و کلیپ‌ها را در CapCut تدوین کرده بود. کل بودجه فقط ۲٬۰۰۰ دلار بود. این ماجرا نشان می‌دهد تولید محتوا با هوش مصنوعی دیگر آزمایشی نیست. در این مقاله، بر اساس گزارش هاب‌اسپات (HubSpot)، می‌بینیم بازاریاب‌ها در چه کارهایی از هوش مصنوعی استفاده می‌کنند، چه مزیت‌ها و خطرهایی دارد و شما چطور می‌توانید درستش را اجرا کنید.

چرا تولید محتوا با هوش مصنوعی به نقطه عطف رسیده است؟

نویسنده مقاله هاب‌اسپات، لیپسا داس، می‌گوید آن تبلیغ او را به این نتیجه رسانده که به نقطه عطف رسیده‌ایم. به نظر او هر بازاریاب محتوا باید همین حالا به هوش مصنوعی توجه کند.

داده‌های این مقاله از نظرسنجی «وضعیت هوش مصنوعی» هاب‌اسپات آمده است. طبق منبع، در این نظرسنجی بیش از ۱٬۵۰۰ بازاریاب آمریکایی شرکت کرده‌اند. در ادامه عددها را مرور می‌کنیم و هر جا لازم بود، برای بازار ایران توضیح می‌دهم.

وضعیت امروز: بازاریاب‌ها چقدر از هوش مصنوعی استفاده می‌کنند؟

طبق گزارش هاب‌اسپات، حدود دو‌سوم بازاریاب‌ها می‌گویند در کارشان از هوش مصنوعی استفاده می‌کنند. سال قبل این عدد ۷۴٪ بود. هاب‌اسپات می‌گوید این افت به تفاوت نمونه برمی‌گردد: امسال پاسخ‌دهنده‌ها از سراسر دنیا بودند، اما پارسال فقط آمریکایی‌ها. در آمریکا عدد نسبت به سال قبل ثابت مانده است.

چند نکته دیگر از این گزارش:

• ۸۹٪ از کاربران هوش مصنوعی می‌گویند استفاده‌شان بیشتر شده، چون هوش مصنوعی به ابزارهایی که از قبل داشتند اضافه شده است.
• تولید محتوای تصویری و ویدیویی با ۳۸٪ در حال رشد است، ولی هنوز از متن عقب‌تر است.
• تحلیل داده ۳۶٪، ایده‌پردازی ۳۴٪ و یادگیری مهارت ۳۳٪ است.
• کارهای اداری کمتر رایج‌اند: یادداشت‌برداری جلسه ۲۶٪ و ارتباطات داخلی ۱۴٪.

پس بازاریاب‌ها هوش مصنوعی را بیشتر برای تولید محتوا می‌خواهند، نه برای کارهای داخلی سازمان.

فناوری هم جلو رفته است

مدل‌هایی مثل GPT-4 و Claude 3.5 حالا در استدلال و نوشتن خوب شده‌اند. «ایجنت‌های هوش مصنوعی» (AI agent) یعنی برنامه‌هایی که خودشان چند کار پشت‌سرهم انجام می‌دهند، هم قوی‌تر شده‌اند. فناوری‌هایی مثل MCP هم به مدل‌ها و ایجنت‌ها اجازه می‌دهد اطلاعات را با هم رد‌وبدل کنند.

قانون‌گذاری هم در راه است

هوش مصنوعی در دقت و سوگیری شهرت خوبی ندارد. طبق منبع، استخدام با هوش مصنوعی می‌تواند تبعیض سنی داشته باشد و گاهی حتی به صاحب‌کسب‌وکار توصیه‌ای خلاف قانون می‌دهد. نویسنده می‌گوید بیش از ۷۰ کشور سیاست‌ها و چارچوب‌هایی برای هوش مصنوعی مسئولانه دارند. «قانون هوش مصنوعی» اتحادیه اروپا (AI Act) هم که در منبع «پیشنهادی» توصیف شده، می‌خواهد کاربردهای پرخطر، از جمله در مارکتینگ، را کنترل کند.

بیشتر بازاریاب‌هایی که نویسنده با آن‌ها حرف زده، هم از امکانات هوش مصنوعی هیجان‌زده‌اند و هم نگران شغلشان و فشار دائمی برای یادگیری مهارت جدید.

مزایا و معایب تولید محتوا با هوش مصنوعی

مزیت: سرعت و صرفه‌جویی در هزینه

با هوش مصنوعی تیم‌ها کوچک‌تر و چابک‌تر شده‌اند. یک نفر با مدل مناسب و پرامپت (دستوری که به هوش مصنوعی می‌دهید) خوب می‌تواند کاری را انجام دهد که قبلاً یک تیم خلاق و چند هفته زمان می‌خواست. ۵۵٪ بازاریاب‌های نظرسنجی، صرفه‌جویی در زمان را دلیل اصلی استفاده‌شان می‌دانند. ۶۵٪ هم می‌گویند هوش مصنوعی وقتشان را آزاد می‌کند تا روی بخش‌های خلاق‌تر کار تمرکز کنند.

شرکت‌ها هم دنبال خودکارسازی هستند. مدیرعامل Shopify (پلتفرم فروشگاه‌ساز آنلاین) در یادداشتی داخلی نوشته است: «قبل از درخواست نیروی جدید و منابع بیشتر، تیم‌ها باید نشان دهند چرا نمی‌توانند کارشان را با هوش مصنوعی انجام دهند.» بیش از ۶۶٪ بازاریاب‌ها هم قصد دارند ابزار داخلی خودشان را بسازند و انتظار دارند هزینه‌ها نسبت به ابزارهای بیرونی ۴۵٪ کمتر شود.

ضعف: کیفیت و اصالت

محتوای هوش مصنوعی اغلب بیش از حد رباتی است یا مطالبی از خودش می‌سازد. در نظرسنجی هاب‌اسپات:

• ۴۳٪ می‌گویند هوش مصنوعی گاهی اطلاعات نادرست می‌دهد.
• ۳۴٪ می‌گویند سوگیری دارد.
• ۳۰٪ می‌گویند محتوایش مبهم و سطحی است.

البته تجربه شما به مدل، شیوه پرامپت‌نویسی و موضوع بستگی دارد. نویسنده می‌گوید هوش مصنوعی برای ایمیل اطلاع‌رسانی داخلی تیم معمولاً خوب عمل می‌کند. اما درباره تازه‌ترین پیشرفت‌های علم داده ممکن است چیزهایی از خودش بسازد. او دیده که نسخه‌های نرم‌افزار را قاطی می‌کند، آمار گزارش‌ها را اشتباه می‌آورد و به منابع قدیمی ارجاع می‌دهد. مولدهای ویدیو مثل Veo-3 هم اغلب زیرنویس را غلط می‌نویسند.

الکسه کانینگهام از هاب‌اسپات می‌گوید هوش مصنوعی برای کمک به ماست، اما مرجع حقیقت نیست. فقط شروع کار را سریع می‌کند و تیم همیشه کار را بازبینی می‌کند.

مزیت: شخصی‌سازی در مقیاس بزرگ

ویدیوی شخصی‌سازی‌شده به‌جای پیام سرد، محتوای پویا بر اساس سلیقه قبلی کاربر، پیشنهاد لحظه‌ای. انجام دستی این‌ها وقتی هزاران بازدیدکننده دارید عملاً ممکن نیست، ولی هوش مصنوعی می‌تواند.

تیم جذب مشتری هاب‌اسپات از هوش مصنوعی برای بررسی هزاران مشتری و ارسال پیشنهاد محتوای شخصی‌سازی‌شده استفاده کرد. نمونه‌اش شرکتی بود که کلدبرو (قهوه سرد) تولید می‌کرد، منابع اینفلوئنسر مارکتینگ دانلود کرده بود و به برنامه‌ریزی محتوا برای عرضه‌های فصلی هم علاقه نشان داده بود. سیستم به‌جای منبع عمومی، یک دوره محتوامارکتینگ با متنی متناسب با او پیشنهاد داد: «هر جرعه را به داستانی تبدیل کنید که جذب کند و بفروشد.»

ضعف: مسائل اخلاقی و حریم خصوصی

مدل‌های هوش مصنوعی با حجم عظیمی داده آموزش می‌بینند که بعضی‌شان منبع مشکوکی دارند. نویسنده از شکایت‌هایی گفته که علیه مدل‌هایی مطرح شده که داده خصوصی کاربران را بدون رضایت جمع کرده‌اند. هنرمندان هم از شرکت‌های هوش مصنوعی به‌خاطر آموزش روی آثار دارای کپی‌رایت شکایت کرده‌اند. وقتی دیپ‌فیک و مطالعه‌موردی ساختگی هم ساختنی است، مشتری سخت می‌تواند بفهمد چه چیزی واقعی است.

مقررات مثل GDPR (قانون حفاظت از داده‌های اتحادیه اروپا) و CCPA (قانون حریم خصوصی مصرف‌کننده کالیفرنیا) قواعد سخت‌گیرانه‌ای دارند. با این حال، به گفته منبع، جنگ بر سر اخلاق و حریم خصوصی هنوز تمام نشده است.

مزیت: تحلیل و پژوهش

با مدل‌هایی مثل deep research شرکت OpenAI و GPT-4، هوش مصنوعی در پژوهش و تحلیل داده قوی شده است. نویسنده چند ابزار هوش مصنوعی برای اکسل را آزمایش کرده و از نحوه کار ChatGPT با داده‌های پیچیده تعجب کرده است. او داده‌های چند ماه یوتیوب را بارگذاری کرد و ChatGPT الگوها و قالب‌های محتوایی را پیدا کرد که خودش ندیده بود. هوش مصنوعی همچنین به تحلیل و بهبود عملکرد محتوا در کمپین‌ها کمک می‌کند.

ضعف: وابستگی بیشتر به فناوری

نویسنده به پژوهشی از MIT اشاره می‌کند. از دانشجوها خواسته شد مقاله بنویسند؛ بعضی اجازه داشتند از ChatGPT استفاده کنند و بعضی نه. نتیجه کمی نگران‌کننده بود. گروه ChatGPT کمترین درگیری مغزی را داشت و کمی بعد از نوشتن، به‌سختی متن خودش را به یاد می‌آورد. تا مقاله سوم هم کاملاً تسلیم شد و فقط خروجی ChatGPT را کپی‌پیست کرد.

این یعنی هوش مصنوعی می‌تواند به عصای دست تبدیل شود. اما این به معنای کنار گذاشتن آن نیست. در همان پژوهش، دانشجوهایی که اول خودشان نوشتند و بعد با هوش مصنوعی متن را بهتر کردند، از هر دو گروه دیگر عملکرد بهتری داشتند. درس کار این است: هوش مصنوعی را برای تقویت فرایند خلاقانه‌تان به کار ببرید، نه جایگزینی‌اش. نویسنده خودش اول پیش‌نویس یا استراتژی محتوا را آماده می‌کند و بعد برای صیقل دادن سراغ هوش مصنوعی می‌رود. بعضی پروژه‌ها را هم کاملاً بدون آن انجام می‌دهد.

سه کاربرد اصلی هوش مصنوعی در تولید محتوا

طبق گزارش ۲۰۲۵ هاب‌اسپات، بازاریاب‌ها بیش از همه از هوش مصنوعی در این سه مورد استفاده می‌کنند.

۱. ایمیل و خبرنامه (۵۱٪)

نویسنده ایمیل را سخت‌ترین قالب محتوا می‌داند. هر نفر روزانه ده‌ها یا صدها ایمیل می‌گیرد و یک کلمه اشتباه می‌تواند شما را به پوشه اسپم یا تبلیغات بفرستد. حتی در صندوق اصلی هم چند ثانیه بیشتر فرصت ندارید. به همین دلیل ۵۱٪ بازاریاب‌ها برای ایمیل و خبرنامه از هوش مصنوعی کمک می‌گیرند. سه کاربرد اصلی:

• استراتژی ایمیل: مشخصات مشتری ایده‌آل را به هوش مصنوعی بدهید و از او بخواهید پیام‌ها و تیترهایی را حدس بزند که احتمالاً روی آن‌ها کلیک می‌کند. نویسنده همچنین برای ایده «لید مگنت» (هدیه رایگان در ازای اطلاعات تماس) و توالی ایمیل‌ها از آن استفاده می‌کند.
• شخصی‌سازی: شخصی‌سازی سنتی یعنی بخش‌بندی مخاطبان و عوض کردن نام یا عنوان شغلی. با هوش مصنوعی می‌شود شخصی‌سازی یک‌به‌یک را در مقیاس بالا انجام داد. تیم جذب مشتری هاب‌اسپات با تحلیل رفتار کاربران و داده‌های سایت، تبدیل (conversion) را ۸۲٪ بالا برد.
• تست A/B: یعنی دو نسخه از یک پیام را به دو گروه نشان بدهید و ببینید کدام بهتر جواب می‌دهد. این کار طولانی و خسته‌کننده است و راحت می‌شود در تحلیل گیر کرد. هوش مصنوعی بخش سنگینش را می‌تواند بردارد: تحلیل لحظه‌ای داده، بهبود مداوم تست‌ها و سنجش نتیجه.

نویسنده می‌گوید ابزارهایی مثل AI Email Writer هاب‌اسپات برای ساخت چند نسخه از ایمیل و تست A/B به او کمک می‌کنند.

۲. محتوای شبکه‌های اجتماعی (۴۹٪ متنی، ۴۷٪ ویدیو و صوت)

۴۹٪ بازاریاب‌ها برای محتوای متنی شبکه‌های اجتماعی و ۴۷٪ برای تولید ویدیو و صوت از هوش مصنوعی استفاده می‌کنند. نویسنده تعجب می‌کند که این مورد اول نیست. او در حوزه شبکه‌های اجتماعی کار می‌کند و می‌گوید در همه صنایع روند را می‌بیند. فید او پر است از اینفلوئنسرهایی که با آواتار (شخصیت دیجیتال) هوش مصنوعی ویدیو می‌سازند.

او خودش هوش مصنوعی را دستیار می‌داند. یکی از مشتری‌هایش یک CustomGPT ساخته که روی سال‌ها پست‌های خودش آموزش دیده. کار نویسنده این است که پژوهش‌های تازه را به آن بدهد و خروجی را از نظر روانی و دقت ویرایش کند. سه حوزه کاربرد:

• تولید محتوا: ایده، پژوهش سنگین، پیش‌نویس و حتی تصویر و ویدیوی واقع‌گرایانه. ابزارهای پیشنهادی نویسنده: ChatGPT برای تحلیل، Sora برای تصویر، Claude برای نوشتن، Veo-3 برای ویدیو و HeyGen برای آواتار.
• خودکارسازی کمپین: انتشار و زمان‌بندی روی چند پلتفرم خسته‌کننده است. ابزارهای زمان‌بندی هوش مصنوعی این بار را برمی‌دارند. نرم‌افزار n8n هم برای بازتولید محتوا و انتشار روی پلتفرم‌های مختلف محبوب است.
• تحلیل: الگوی بین قالب‌ها، نوع محتوا و ساعت انتشار را پیدا کنید و دنبال «هوک»های ویروسی بگردید. بعد آنچه جواب داده را در فرایند تولید تقویت کنید.

نویسنده با اسپنسر تاهیل، مشاور هوش مصنوعی در Growth Alliance، هم صحبت کرده است. او با زنجیره‌ای از پرامپت‌ها، متن جلسه‌ها را به پست لینکدین هم‌سبک برند تبدیل می‌کند. پرامپت‌ها اول «پروفایل صدا» می‌سازند: الگوهای ارتباطی و ترجیحات زبانی او. بعد خروجی نهایی را با آن تنظیم می‌کنند. اسپنسر می‌گوید حدود ۹۵٪ از پیش‌نویس اول قابل استفاده است و هر هفته ساعت‌ها صرفه‌جویی می‌کند.

۳. محتوای بلند: مقاله و پست وبلاگ (۴۶٪)

محتوای بلند و باکیفیت می‌تواند سرنخ فروش بیاورد، اعتبار بسازد و مخاطب را پرورش بدهد. اما نوشتنش زمان زیادی می‌برد. ۴۶٪ بازاریاب‌ها برای نوشتن مقاله از هوش مصنوعی استفاده می‌کنند. دو کاربرد اصلی:

• بهره‌وری: ساخت طرح کلی مقاله، پژوهش، پیش‌نویس، پیدا کردن شکاف‌های منطقی و فشرده‌سازی متن. نویسنده می‌گوید بزرگ‌ترین مزیت این است که لازم نیست به صفحه خالی خیره شود.
• بهینه‌سازی محتوا: با تحلیل می‌فهمید چه محتوایی برایتان جواب می‌دهد. تحلیل‌های هاب‌اسپات نشان داد خوانندگان مقاله‌های دارای مطالعه موردی و مثال واقعی را بیشتر می‌پسندند. نویسنده این عناصر را بیشتر اضافه کرد و تعامل بالا رفت.

داریا بولاتوویچ، استراتژیست محتوا در TripRobotics، می‌گوید قبلاً هر مقاله یک هفته کاری وقت می‌گرفت: ۳ تا ۴ روز پژوهش، یک‌ونیم روز نوشتن و زمان بیشتر برای ویرایش و سئو. حالا با GPT-4 همان کیفیت را در یک‌ونیم روز تحویل می‌دهد و این مقاله‌ها در یک حوزه بسیار رقابتی ترافیک ثابتی می‌آورند.

سه اصل برای استفاده درست از هوش مصنوعی در مارکتینگ

۱. هوش مصنوعی را هم‌تیمی خودتان بدانید

نویسنده هوش مصنوعی را مثل کارآموز می‌بیند. همان‌طور که کسب‌وکارتان را به یک عضو جدید نمی‌سپارید، بدون زمینه هم انتظار نتیجه حرفه‌ای از هوش مصنوعی نداشته باشید. او برای هر پروژه «سند آشنایی» می‌سازد: اهداف کسب‌وکار، استراتژی، پروژه‌های جاری و انتظاراتش. او از هوش مصنوعی برای ویرایش پیش‌نویس، ایده تصویر و استخراج بینش از داده کمک می‌گیرد. می‌شود هر ساعت کار سپرد و ویرایش را در چند ثانیه گرفت. اما مثل هم‌تیمی انسانی، خروجی به ورودی بستگی دارد.

۲. ویرایش، ویرایش، ویرایش

پیش‌نویس هوش مصنوعی فقط نقطه شروع است. متن نهایی باید صدای منحصربه‌فرد برند و بینش واقعی شما را نشان بدهد. نویسنده برای یگانه کردن محتوا این‌ها را اضافه می‌کند:

• نظر شخصی درباره موضوع
• داده‌های داخلی شرکت و مطالب محصول
• نقل‌قول از مصاحبه با متخصصان (SME)
• آزمایش واقعی محصول و ابزار
• پشت‌صحنه و داستان عرضه محصول
• عکس و اسکرین‌شات
• راستی‌آزمایی دقیق

۳. کارهای درست را برای خودکارسازی انتخاب کنید

هوش مصنوعی می‌تواند بخش بزرگی از تولید محتوا را خودکار کند، اما سؤال این است که باید بکند یا نه. جواب یکسانی وجود ندارد و به اولویت‌ها، فرایند فعلی و هدفتان بستگی دارد.

نویسنده برای محتوای شخصی خودش از هوش مصنوعی استفاده نمی‌کند. چون هنوز کتابخانه‌ای از محتوای موفق ندارد که هوش مصنوعی روی آن بنا کند. حتی خودش مطمئن نیست صدایش چیست. معمولاً پیش‌نویس را خودش می‌نویسد و بعد از هوش مصنوعی می‌خواهد متن را صیقل بدهد. وقتی ایده‌اش تمام می‌شود هم سراغ آن می‌رود. در مقابل، بازاریابی مثل جس کوک از Vector سیستمی برای خودکارسازی محتوای مبتنی بر چهره بنیان‌گذار ساخته است. اگر شرکت سئو هستید، بهتر است فرایندهای هوش مصنوعی را حول تحقیق کلمه کلیدی و ممیزی بسازید. اگر در تولید محتوای تخصصی و رهبری فکری کار می‌کنید، پژوهش را خودکار کنید ولی بینش را انسانی نگه دارید. وسوسه خودکارسازی همه چیز را کنار بگذارید و روی کارهایی تمرکز کنید که واقعاً نتیجه می‌دهند.

نکات کاربردی برای کسب‌وکارها

این بخش تحلیل و توصیه خود ما برای مخاطب ایرانی است، نه بخشی از داده‌های منبع.

• کانال را با بازار خودتان تطبیق دهید. ایمیل در منبع کاربرد اول است. در بسیاری از کسب‌وکارهای ایرانی کانال‌های اصلی ارتباط با مشتری اینستاگرام، تلگرام، پیامک و دایرکت‌اند. همان ایده‌ها را آن‌جا اجرا کنید: چند نسخه از یک پیام بنویسید، روی بخش‌های کوچک مخاطب تست کنید و نسخه برنده را نگه دارید.
• خروجی فارسی را حتماً بررسی کنید. کیفیت مدل‌ها در فارسی ممکن است با انگلیسی فرق کند. لحن، اصطلاحات و نگارش را خودتان یا ویراستار بازبینی کند، مخصوصاً قبل از انتشار.
• دانش کسب‌وکار خودتان را وارد کنید. مثل «سند آشنایی» که نویسنده می‌سازد، لحن برند، مشتری هدف، محصولات و نمونه محتوای موفق قبلی را به هوش مصنوعی بدهید. این کار تفاوت بین محتوای عمومی و محتوای هم‌صدا با برند را می‌سازد.
• با یک کار کوچک شروع کنید. مثلاً ایده‌پردازی کپشن اینستاگرام یا ساخت چند تیتر برای تست. اگر جواب داد، سراغ کار بعدی بروید.
• برای هر ابزار فقط به آنچه در دسترس‌تان است تکیه کنید. مهم‌تر از اسم ابزار، فرایند است: پیش‌نویس سریع، ویرایش انسانی، تحلیل نتیجه.
• اصالت را حفظ کنید. مثال واقعی از مشتری‌ها، عکس و تجربه خودتان چیزی است که هوش مصنوعی نمی‌تواند بسازد و مخاطب را نگه می‌دارد.

چک‌لیست اجرایی

• یک کار تکراری و کم‌ریسک در تولید محتوایتان انتخاب کنید.
• سند کوتاهی از لحن برند، مخاطب هدف و اهدافتان بنویسید و در هر پرامپت بدهید.
• خروجی را همیشه ویرایش و راستی‌آزمایی کنید، به‌ویژه عددها و نام‌ها.
• یک نمونه واقعی، تجربه یا داده داخلی به هر محتوا اضافه کنید.
• نتیجه را اندازه بگیرید و فقط روی آنچه جواب داده سرمایه‌گذاری کنید.
• اول پیش‌نویس یا طرح کلی را خودتان بنویسید، بعد از هوش مصنوعی برای بهتر کردنش کمک بگیرید.

پرسش‌های متداول

تولید محتوا با هوش مصنوعی بیشتر در چه قالبی استفاده می‌شود؟

طبق گزارش هاب‌اسپات، ایمیل و خبرنامه با ۵۱٪ در صدر است. بعد از آن محتوای متنی شبکه‌های اجتماعی با ۴۹٪، ویدیو و صوت با ۴۷٪ و محتوای بلند مثل مقاله با ۴۶٪ قرار دارند.

بزرگ‌ترین خطر استفاده از هوش مصنوعی در محتوا چیست؟

نگرانی اصلی بازاریاب‌ها دقت است. ۴۳٪ می‌گویند هوش مصنوعی گاهی اطلاعات نادرست تولید می‌کند. ۳۴٪ از سوگیری و ۳۰٪ از سطحی بودن محتوا نگرانند. بازبینی انسانی بهترین راه کم کردن این خطر است.

آیا باید همه کارهای محتوا را به هوش مصنوعی بسپاریم؟

خیر. نویسنده توصیه می‌کند فقط کارهایی را خودکار کنید که واقعاً برایتان نتیجه می‌آورند. پژوهش MIT هم نشان داد کسانی که اول خودشان نوشتند و بعد با هوش مصنوعی متن را بهتر کردند، بهتر از بقیه عمل کردند.

جمع‌بندی

تولید محتوا با هوش مصنوعی سرعت می‌دهد، هزینه را پایین می‌آورد و شخصی‌سازی و تحلیل را ممکن می‌کند. اما دقت، اصالت و وابستگی بیش از حد هنوز نگرانی‌های جدی‌اند. راه درست این است که هوش مصنوعی را هم‌تیمی بدانید، هر خروجی را ویرایش کنید و فقط کارهایی را به آن بسپارید که واقعاً مهم‌اند. اگر می‌خواهید شروع کنید، با یک کار کوچک آغاز کنید، نتیجه را بسنجید و آرام‌آرام توسعه بدهید. منبع این مقاله، گزارش و وبلاگ هاب‌اسپات است.