Experiment: schrijft AI Twitter beter dan mensen?

Experiment: schrijft AI Twitter beter dan mensen?

Iedereen praat en tweet over AI. Je hebt het waarschijnlijk al allemaal gehoord: AI kan je helpen beter te schrijven. AI kan je helpen sneller te tweeten. AI zal naar je werk komen (laten we die theorie gewoon laten vallen – AI is een hulpmiddel, geen vervanging).

Maar kan AI ervoor zorgen dat uw sociale handtekeningen beter presteren?

Als drukke social media marketeer ben ik dol op alles wat belooft het proces voor het maken van content te vereenvoudigen en te versnellen. Maar we wilden weten of het gebruik van AI daadwerkelijk invloed heeft op de betrokkenheid en het bereik, vooral op Twitter.

Hebben door mensen geschreven handtekeningen meer betrokkenheid en bereik dan door AI geschreven handtekeningen? Straft het Twitter-algoritme tweets geschreven door AI? Ik deed een experiment om erachter te komen.

Hypothese: door mensen geschreven Twitter-onderschriften krijgen meer aandacht en bereik dan door AI geschreven onderschriften.

Onze weloverwogen gok is dat door mensen geschreven Twitter-bijschriften meer betrokkenheid en bereik zullen krijgen dan die geschreven door AI.

Twitter is een gespreksplatform. Mensen houden van tweets met een duidelijke stem, en Twitter-gebruikers maken graag contact met andere mensen. We vermoeden dat mensen zich niet aangetrokken voelen tot een tweet die niet klinkt alsof hij van een persoon komt.

Maar zullen mensen echt weten of een tweet door AI is geschreven of niet? En zo ja, hoe zal dit het bereik en de betrokkenheid beïnvloeden?

Dat zoeken we uit.

Methodologie

Om te testen of door mensen geschreven Twitter-onderschriften meer betrokkenheid en bereik genereren dan door AI geschreven onderschriften, deelde ik drie reeksen tweets op mijn persoonlijke Twitter-account . Elke set tweets gebruikte hetzelfde formaat, zodat ze eerlijk konden worden vergeleken.

Voor dit experiment plaatste ik twee tweets met alleen tekst, twee tweets met links en twee tweets met afbeeldingen.

Om AI-gegenereerde tweets samen te stellen, gebruikte ik Lately, een tool die lange inhoud omvormt tot hapklare sociale bijschriften.

(Bonus: u kunt de Lately-app verbinden met Hootsuite om uw berichten rechtstreeks op uw Hootsuite-dashboard te verfijnen, plannen en automatisch te plaatsen)

Bron

Om aan de slag te gaan, verzendt u een stuk inhoud, zoals een blogpost of podcast, naar de generator.

Bron

Vervolgens wordt de inhoud geparseerd en bijschriften gemaakt om te bekijken en te bewerken. Eenmaal bewerkt, kunt u ze rechtstreeks naar Hootsuite verzenden voor planning.

Enkele dingen om te onthouden over de laatste tijd en andere tools voor het maken van AI-content: eerst moet je het trainen. Om ervoor te zorgen dat AI-tools inhoud kunnen genereren die het meest op u of uw merk lijkt, moeten ze uw stem, inhoud en publiek begrijpen. Daarom vraagt ​​Lately je om het lange deel in te dienen voordat het ondertiteling kan genereren.

Een ander ding om op te merken over door AI gegenereerde inhoud is dat deze nog steeds door een mens moet worden bewerkt.

Zodra Lately tweets genereert op basis van de inhoud die je hebt ingediend, kun je ze bewerken voor geluid, duidelijkheid en context. Gebruikt deze ideeën onlangs om de volgende keer betere inhoud te maken. Hoe meer u het gebruikt, hoe meer het zal lijken op wat uw merk daadwerkelijk zal publiceren.

Nadat ik de menselijke bijschriften had gemaakt, gebruikte ik de Hootsuite Lately-integratie om vergelijkbare tweets te maken met dezelfde lange stukken inhoud. Vervolgens heb ik ze geschetst in Hootsuite en de voorgestelde tijdfunctie gebruikt om ze in te plannen.

Resultaten

Ik testte de prestaties van elke tweet ongeveer 24 uur nadat deze was gepost (Twitter’s levenscyclus gaat snel). Dit zijn de resultaten:

Ik heb het betrokkenheidspercentage voor elke tweet verzameld om te begrijpen hoe ze werken. Hieronder zal ik voor elk van hen specifieke indicatoren bespreken.

Tweet #1: tweet met alleen tekst

Omdat ik de Lately AI-tool voor dit experiment gebruik, moest ik me concentreren op het herformuleren van lange stukken inhoud voor deze bijschriften.

Hier is de eerste tweet die ik voor dit experiment schreef. In deze tweet parafraseerde ik een citaat uit een artikel over het karwei van een freelancer.

En hier zijn de resultaten van deze tweet, volgens Hootsuite Analytics. Het betrokkenheidspercentage was 14,14% met in totaal 28 interacties en 198 vertoningen.

Qua stijl is dit voor mij een normale tweet. Ik ben dol op het toevoegen van stem door middel van sterretjes en ik gebruik graag haakjes in mijn e-mails. Uitspraken tussen haakjes (uitspraken die iets verduidelijken of verduidelijken en die meestal tussen haakjes staan) zijn een geweldige manier om aanvullende informatie over te brengen en meer context te bieden (zie wat ik daar deed?). Zinnen tussen haakjes voegen ook gewoon een extra menselijk element toe, als je het mij vraagt.

Dit alles om te zeggen is dat toen de AI een soortgelijke tweet uit hetzelfde artikel genereerde, ik deze niet heb bewerkt om mijn gebruikelijke menselijke details toe te voegen, omdat ik wilde zien hoe het op zichzelf zou werken.

Hier zijn de resultaten van de door AI gegenereerde handtekening. Het betrokkenheidspercentage was 4,06% met slechts 5 interacties en 123 vertoningen.

Voor deze eerste vergelijking van tweets deed een door mensen geschreven onderschrift het beter. Komt het door de ontbrekende haakjes? Misschien, maar waarschijnlijk niet.

Er zijn verschillende factoren die de effectiviteit van deze tweet kunnen hebben beïnvloed, dus laten we het opnieuw proberen met een ander type tweet.

Tweet #2: Tweet met een link

Voor mijn volgende vergelijking wilde ik zien hoe een tweet met een link zou presteren. Ik parafraseerde een artikel dat ik schreef over de soorten loopbaantrajecten voor mensen die werkzaam zijn in contentmarketing (met name freelance en interne functies).

Hier is een tweet die ik schreef:

Met alle baanonzekerheden waar velen de laatste tijd mee te maken hebben gehad, lijkt dit artikel dat ik voor @superpathco schreef een tijdige herinnering.

Freelancen mag geen alles-of-niets-beslissing zijn! Veel van de mensen die ik voor dit artikel sprak, doen het ernaast of tussen banen door. https://t.co/EI8rePLBuS

— Sam Lauron (@Sam_Lauron) 8 februari 2023

En hier zijn de resultaten van deze tweet. Het betrokkenheidspercentage was 8,47% met 32 ​​interacties en 378 vertoningen.

Deze tweet bevatte een link naar een artikel en een vermelding van het merk waarvoor ik het schreef. Deze tweet had meer bereik dan mijn vorige tweet en ik vermoed dat het komt doordat het merk dat ik noemde het heeft geretweet. Ik controleerde de ingebouwde analyse van Twitter op aanvullende statistieken en deze tweet ontving 21 gedetailleerde onthullingen en vijf klikken op links. Interessant!

Voor een door AI geschreven onderschrift heb ik onlangs hetzelfde artikel geparafraseerd en er een tweet voor gemaakt. Het bevatte ook een link en een vermelding (die ik moest toevoegen), maar ik veranderde niets in de tekst die het genereerde.

“Het is leuk om te weten dat freelancen bestaat voor het geval mijn carrière me ooit weer op dit pad brengt!” @superpathco

https://t.co/dEeb63G7IB

— Sam Lauron (@Sam_Lauron) 16 februari 2023

Hier zijn de definitieve resultaten van deze tweet. Het genereerde een betrokkenheidspercentage van 7,5% met slechts 6 interacties en 80 vertoningen. Ik heb ook Twitter-analyses voor deze tweet gecontroleerd en deze ontving één gedetailleerde openbaarmaking en twee klikken op links.

Mijn door mensen geschreven tweet presteerde in deze ronde beter dan de door AI gegenereerde tweet. Hoewel het betrokkenheidspercentage ongeveer hetzelfde was, kreeg de tweet die ik schreef vier keer zoveel vertoningen, waarschijnlijk omdat hij werd geretweet.

Zou een door AI gegenereerd bijschrift beter werken als het ook werd geretweet? Misschien. Zou hij meer klikken op links krijgen als hij meer bereik had? Misschien. Maar je zou ook kunnen zeggen dat er niet zo vaak op werd geretweet of erop werd geklikt omdat de kop zelf niet zo boeiend was.

Laten we nog een test doen.

Tweet #3: Visuele Link Tweet

Voor mijn laatste tweetvergelijking wilde ik iets visueels toevoegen om te zien hoe dit de betrokkenheid en het bereik beïnvloedde. Ter vergelijking gebruikte ik twee artikelen die ik voor Hootsuite schreef. (Nogmaals, aangezien ik Lately gebruik voor dit experiment, hadden de tweets gebaseerd moeten zijn op een lang stuk inhoud.)

Ze hebben elk een vergelijkbare miniatuurafbeelding en verschijnen hetzelfde in de feed. Bovendien behandelen beide artikelen een soortgelijk onderwerp – sociale toegankelijkheid – zodat hun inhoud eerlijk kan worden vergeleken.

Hier is de eerste tweet die ik heb gedeeld met het bijschrift dat ik heb geschreven.

Als je de afgelopen jaren in sociale media hebt gewerkt, weet je dat digitale toegankelijkheid en inclusie topprioriteiten zijn.

In mijn laatste bericht voor @hootsuite leg ik uit waarom alt-tekst op Facebook een manier is om je inhoud toegankelijker en beter vindbaar te maken. https://t.co/huQ5AksuCg

— Sam Lauron (@Sam_Lauron) 9 februari 2023

En hier is hoe het werd gedaan:

Deze tweet genereerde een betrokkenheidspercentage van 5,71% met in totaal 8 interacties en 140 vertoningen. Het kreeg een paar likes en één reactie. Volgens de eigen analyses van Twitter ontving deze tweet ook één klik op een link en vijf details.

Ik heb onlangs een tweet gemaakt voor een ander artikel dat ik schreef over een soortgelijk onderwerp over automatische ondertiteling van TikTok. Ik moet opmerken dat de AI het artikel parafraseerde voor het eerste deel van de tweet, maar ik moest een tweede regel toevoegen voor wat context en een vermelding opnemen, zoals in mijn eerste tweet.

Wil je dat meer mensen naar je TikTok-video’s kijken? Maak de kijkervaring zo toegankelijk en plezierig mogelijk door automatische ondertiteling toe te voegen.

Lees meer over automatische handtekeningen in mijn eerste artikel voor @hootsuite: https://t.co/JhSjH0TQ0g.

— Sam Lauron (@Sam_Lauron) 13 februari 2023

Dit zijn de resultaten van deze tweet:

Al met al werkte deze tweet niet. Het had bijna geen bereik of betrokkenheid – geen vind-ik-leuks, geen reacties, geen retweets, geen klikken op links. Maar het kreeg verschillende detailuitbreidingen.

Nogmaals, een door mensen geschreven tweet presteerde beter dan door AI gegenereerde tekst.

Wat betekenen de resultaten?

Uiteindelijk presteerden al mijn door mensen geschreven tweets beter dan door AI geschreven onderschriften. Toegegeven, ik heb niet veel volgers op mijn persoonlijke Twitter-account, dus geen van deze cijfers is al te spannend. Maar ik denk dat ze (op zeer kleine schaal) aantonen dat meer menselijke tweets beter resoneren op het platform.

Hier zijn enkele van mijn bevindingen van dit experiment:

Ondertitels geschreven door kunstmatige intelligentie kunnen tijd besparen

Eerlijk gezegd ben ik misschien een schrijver, maar het kost me veel tijd om een ​​tweet te schrijven, vooral een die een lang artikel parafraseert. Ik was verbaasd over hoe snel de AI-tool ondertitels kon bedenken, zelfs als ze nog niet klaar waren om te worden gepubliceerd.

Of je nu van nature goed bent in schrijven of niet, elke week creatieve bijschriften bedenken kost tijd en energie van je andere taken, zoals strategieën bedenken of contact leggen met je volgers. Dus als het jouw taak is om op een bepaalde dag of week tientallen sociale bijschriften te schrijven, kan het gebruik van een AI-tool je veel tijd besparen.

Een tool als Lately is vooral handig als je Twitter gebruikt om lange content zoals blogposts te delen. Deze tool kan tientallen ondertitels uit één stuk maken, wat betekent dat je binnen enkele minuten een Twitter-ondertitelingstaak voor een maand kunt maken.

AI-geschreven letters hebben nog steeds menselijk contact nodig

Omdat de laatste tijd tientallen bijschriften genereerde voor elk artikel dat ik het gaf, waren er veel bijschriften die de lijst niet haalden. Sommigen van hen waren redelijk, maar andere waren gewoon verwarrend en vereisten veel bewerking.

Als je een ondertitelingstool gebruikt, moet je deze nog steeds bekijken en bewerken, in ieder geval in het begin, vooral voor het toevoegen van stem.

AI-tools begrijpen meestal niet de volledige context van een tweet en herkennen de stem van uw merk niet meteen. De meeste AI-tools moeten worden getraind om beter te begrijpen wat u wilt dat ze doen en om de juiste toon voor uw merk te zetten. Het kan enige tijd duren voordat deze tools aanslaan, maar hoe meer u ze gebruikt en aanpast wat ze schrijven, hoe beter ze zich aanpassen.

Hoe direct beïnvloeden AI-geschreven ondertitels het bereik? De jury is er nog niet uit. In mijn experiment hadden al mijn door mensen geschreven bijschriften een groter bereik dan door AI geschreven bijschriften, maar dit kan zijn omdat de inhoud zelf meer resoneerde. Het is moeilijk te zeggen of het platform wist dat de door AI geschreven tweets daadwerkelijk door AI waren geschreven. Maar als ik moest raden, zou ik zeggen dat Twitter je niet straft voor het gebruik van AI om je ondertitels te schrijven.

Uiteindelijk, als je AI gaat gebruiken om je Twitter-bijschriften te schrijven, beschouw ze dan meer als een startpunt. Je zult je sociale ervaring moeten gebruiken om ze aantrekkelijk en klaar voor publicatie te maken, maar je zult ze veel sneller kunnen verwijderen dan wanneer je helemaal opnieuw zou beginnen.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *