คนคนเดียวทำคอนเทนต์ อัปเดตทุกวันไม่ขาด ตอนนี้โพสต์บทความยาวๆไปแล้วกว่าสิบเรื่อง เฉลี่ยวิวเรื่องละ 120,000 ครั้ง มีผู้ติดตามเพิ่มสะสม 9,000+ อัตราการบันทึก (bookmark rate) คงที่ 0.5-1% นั่นคือทุกๆ 100 คนที่เห็น มี 1 คนที่คิดว่าคอนเทนต์นี้ควรเก็บไว้ดูทีหลัง
ไม่ใช่เพราะเขียนเก่ง แต่เป็นเพราะเบื้องหลังมีระบบผลิตคอนเทนต์ AI ทำงานอยู่ ตั้งแต่เลือกหัวข้อ หาวัตถุดิบ ร่างบทความ วาดภาพประกอบ ไปจนถึงตรวจสอบข้อมูล ทุกขั้นตอนทำโดย AI แค่เราเป็นคนตัดสินใจ
ต้นแบบของระบบนี้มาจาก workflow ของ Claude Code ที่ @dontbesilent แชร์公開ไว้ เขาใช้วิธีนี้โพสต์คอนเทนต์ 13,000 ชิ้นต่อปี ทำพร้อมกัน 7 แพลตฟอร์ม และได้ผู้ติดตามปีละ 700,000 คน ผมเอามาปรับเปลี่ยนเยอะมากตามความต้องการสำหรับบทความยาวบน X โพสต์นี้แชร์เวอร์ชันที่ผมใช้อยู่ตอนนี้หลังปรับแล้ว
แนวคิดหลัก
@dontbesilent เคยพูดถึงประเด็นพื้นฐานมาก: คนส่วนใหญ่ใช้ AI ทำคอนเทนต์แบบกระจัดกระจาย พอมีไอเดียก็ถาม AI แล้วก็โพสต์คำตอบ ลืมมันไป พอมีไอเดียอีกก็เริ่มจากศูนย์ใหม่ทุกที
วิธีแก้ของเขาคือทำให้กระบวนการทั้งหมดเป็นวงจรปิด: ไอเดียเข้าไปในคลังหัวข้อ → AI ค้นหาคลังวัตถุดิบหาองค์ประกอบที่ใช้ซ้ำได้ → เขียนโดยใช้เฟรมเวิร์กที่พิสูจน์แล้ว → เผยแพร่ → ตรวจสอบข้อมูล → สกัดรูปแบบที่ได้ผลกลับเข้าไปใน方法论 ทุกครั้งที่สร้างสรรค์ก็เพิ่มอะไรบางอย่างเข้าสู่ระบบ แทนที่จะเริ่มจากศูนย์ทุกครั้ง
ผมใช้ตรรกะนี้ตรงๆ ด้านล่างเป็นเวอร์ชันที่ผมปรับแล้ว
ฐานความรู้สี่ชั้น
ผมใช้ Obsidian จัดการคอนเทนต์ และใช้ Claude Code ดำเนินการ ระบบแบ่งเป็นสี่ชั้น
ชั้นแรก: คลังข้อมูลภาษา (Corpus)
ปัญหาที่ใหญ่ที่สุดของ AI ในการเขียนไม่ใช่ว่าเขียนไม่ดี แต่เป็นว่าไม่เหมือนคุณ ผู้อ่านบทความยาวอ่านทุกคำ ถ้ากลิ่น "AI" แรงเกินไปก็จะรู้สึกไม่เข้าท่า
ผมเลย保存ทุกอย่างที่ผมเคยพูด ทั้งทวีต มุมมองที่คุยในแชท WeChat บันทึกเสียง ความคิดกระจัดกระจายที่จดไว้ แล้วก็สกัดคู่มือสไตล์การเขียนออกมาจากมัน: ผมชอบบอกข้อสรุปก่อนแล้วค่อยให้เหตุผล ชอบใช้ตัวเลขมากกว่าคำคุณศัพท์ ชอบใช้ตรรกะจากอุตสาหกรรมอื่นมาอธิบายเรื่องปัจจุบัน และไม่ใช้ "น้ำซุป鸡汤" (คำปลอบใจแบบหวานๆ) ปิดท้าย
AI อ่านคู่มือนี้ก่อนร่างทุกครั้ง ฉะนั้นร่างแรกจะเหมือนผม至少 70-80% พอเขียนเสร็จก็รันเช็ค "ลดกลิ่น AI" เพื่อเน้นสำนวนที่ดูเป็นกลไกเกินไปให้ผมแก้
มันตรวจจับอะไรได้บ้าง? นี่คือข้อผิดพลาดทั่วไป:
- คำ buzz ทางการตลาด: empowerment, closed-loop, connecting, underlying logic — เจอให้ลบทิ้ง
- การพูดแทนผู้อ่าน: "คุณอาจคิดว่า..." "หลายคนคงถามว่า..." — รู้ได้ไงว่าคนอื่นคิดอะไร?
- น้ำเสียงแบบสอน: "จำไว้" "คุณต้อง" "核心只有一个句子" — ผมกำลังคุย ไม่ได้สอนหนังสือ
- ข้อมูลสมมติ: "90% ของคนไม่รู้" — เอา 90% มาจากไหน?
- ประโยคสั้นเดี่ยวเพื่อสร้างอารมณ์: หนึ่งประโยค. หนึ่งคำ. ย่อหน้า. — นี่คือ "กลิ่น AI" ที่สุด
- สโลแกนหรือ黄金คำพูดตัวหนา: คนที่เก่งจริงๆ ล้วน... — ลบทิ้ง
กฎเหล่านี้เก็บไว้ในระบบ AI รันอัตโนมัติหลังร่างแรก และทำเครื่องหมายเป็นสีแดงที่จุดที่เจอ สองขั้นตอนนี้ทำให้ "ความเป็นมนุษย์" ในบทความยาวดีขึ้นอย่างเห็นได้ชัด
ชั้นที่สอง: คลังวัตถุดิบ (Material Library)
การแยกส่วนบัญชีที่คล้ายกัน 47 บัญชี ข้อมูลจากคอนเทนต์กว่า 1,100 ชิ้น การวิเคราะห์โครงสร้างบทความไวรัล และแนวคิดและคำพูดที่ใช้ซ้ำได้
ก่อนเขียนบทความใหม่ AI จะเปิดคลังวัตถุดิบก่อน: ใครเคยเขียนเรื่องคล้ายกัน แบบไหนได้ข้อมูลดี โครงสร้าง โครงสร้างไหนที่ผู้อ่านยอม保存 มันไม่ใช่การลอก แต่เป็นการเลือกเส้นทางจากข้อมูลของคนอื่น
หลังจากแยกส่วน 47 บัญชี ก็เจอข้อค้นพบที่ส่งผลโดยตรงต่อกลยุทธ์หัวข้อของผม:
- คอนเทนต์ที่มียอดวิว 1M+ มีแค่ 5 ประเภท: สอนเครื่องมือจำเป็น วิทยาศาสตร์สุขภาพ การแพทย์ AI + หาเงิน วิเคราะห์ตัวตน และรวม resources ประเภทอื่นแทบไม่ถึงล้าน
- อัตราการบันทึกและการเข้าถึงไม่จำเป็นต้องสัมพันธ์กันในทางบวก บางบทความเข้าถึงปานกลางแต่บันทึกสูง แสดงว่ามีคุณค่าระยะยาว — ควรเขียนซ้ำ
- การเติบโตของผู้ติดตามและการเข้าถึงก็ไม่จำเป็นต้องสัมพันธ์กันในทางบวก โพสต์แนวตัวตน (persona) เข้าถึง 119K ได้ผู้ติดตาม 156 คน ขณะที่สอนเครื่องมือเข้าถึง 77K ได้แค่ 25 คน แนวตัวตนทำให้คนอยากติดตามตัวบุคคล ส่วนแนวสอนทำให้คน保存แล้วจากไป
ชั้นที่สาม: Pipeline คอนเทนต์ (Content Pipeline)
คลังหัวข้อ → รอลงลึก → กำลังทำ → เผยแพร่แล้ว คลังมีหัวข้อที่พร้อมเขียนตลอดเวลาหลายสิบหัวข้อ และหัวข้อตัวเลือกที่ต้องหาวัตถุดิบเพิ่มอีก十来หัวข้อ ผมไม่เขียนตามอารมณ์ แต่เลือกจากคลังตามกลยุทธ์
หัวข้อหมุนเวียนผ่านหลายราง: โปรเจกต์实践 การแยกส่วนเส้นทางหาเงินด้วย AI ธุรกิจระดับล่าง门槛ต่ำ และแนวโน้มパラไดม์ AI ใหม่ แต่ละรางมีความเข้มข้นต่างกัน — สอนเครื่องมือハードコ어ได้วิวสูงสุด แนะนำตัวตนทำให้ผู้ติดตามโตเร็ว ตรวจสอบข้อมูลมีกลุ่มคนดูแคบแต่อัตราบันทึกดี ผมเลือกหัวข้อตามเป้าหมายปัจจุบัน: สอนเพื่อวิว แนะนำตัวตนเพื่อผู้ติดตาม ตรวจสอบเพื่อคุณค่าระยะยาว
ชั้นที่สี่: 方法论 (Methodology)
หัวข้อแบบไหนได้ผล หัวเรื่องแบบไหนไวรัล โครงสร้างแบบไหนมีอัตราบันทึกสูง — ทั้งหมดสกัดจากข้อมูลการเผยแพร่ของตัวเอง
หัวข้อเป็นส่วนที่量化ได้ง่ายที่สุด หลังจาก十多บทความยาว หัวข้อที่ทำผลงานดีมีรูปแบบหลักๆ สี่แบบ:
เช็คก่อนโพสต์: มีตัวเลขเฉพาะไหม? มี标签ตัวตนไหม? มีการเปรียบเทียบไหม? ผู้อ่านรู้ไหมว่าจะได้อะไรหลังจากอ่านหัวข้อ? ยิ่งตรงมาก ข้อมูลยิ่งดี
ภาพประกอบ
ภาพประกอบสำหรับบทความยาวบน X สำคัญมาก ในฟีด ลำดับความสนใจของผู้ใช้คือ HERO image > หัวข้อ > เนื้อหา ถ้าภาพไม่ดี ไม่มีใครคลิกไม่ว่าหัวข้อจะดีแค่ไหน
หลักการของผม: HERO image, หัวข้อ, และ hook สามอย่างนี้ไม่ควร重复ข้อมูล HERO image บอกได้ทันทีว่า "คอนเทนต์นี้เป็นประเภทไหน" หัวข้อให้จุดยึดข้อมูลเพื่อให้คนหยุดดู และย่อหน้าแรกของเนื้อหาขยายรายละเอียด สามอย่างสื่อข้อมูลสามระดับ
ภาพประกอบมีสองสไตล์ เลือกอัตโนมัติตามประเภทคอนเทนต์:
บทความสอนใช้ infographic — พื้นหลังขาว ฟองตกแต่งสีอ่อน การ์ดมุมโค้ง ไอคอนแบน หัวข้อ中文ใหญ่ ดูเหมือน hero banner ของเว็บ SaaS สะอาดตา ส่วนบทความแสดงความคิดเห็นใช้โปสเตอร์แนวคิด — ตัวหนังสือใหญ่เป็นกรอบ ตัวละครและข้อความ交织กัน ดูเหมือนโปสเตอร์นิทรรศการ ไม่ใช่ PPT
บทความยาวแต่ละเรื่องได้ปกหนึ่งภาพ บวก infographic ภายในสองสามภาพ AI สร้าง prompt ตามเนื้อหาบทความ เรียก GPT Image 2 API สร้างภาพ จากนั้นผมโหลดและ crop ตามสัดส่วนที่ต้องการ เมื่อก่อนใช้ Canva ครึ่งชั่วโมง ตอนนี้ใช้ 10 นาทีได้สามภาพ
ข้อมูลบทความยาว
นี่คือตัวอย่างที่โดดเด่น:
วิวเฉลี่ยประมาณ 120,000 อัตราบันทึก 0.5-1% โพสต์ทำนายดวงด้วย AI มีอัตราบันทึกสูงสุด 1.01% — จุดรวม AI + หาเงิน + ข้อมูลไม่สมมาตร ทำให้ผู้อ่าน保存อย่างกระตือรือร้นที่สุด
รูปแบบที่เติบโตจากข้อมูล
"การสร้างกฎจากข้อมูล" เป็นแนวคิดหลักของ dontbesilent นี่คือรูปแบบเฉพาะที่ได้จากข้อมูลบทความยาวบน X ของผม:
หัวข้อต้องมีตัวเลขเฉพาะ "ทำเงิน 100k ใน 4 เดือน" "$155 vs $15" "ROI 452%" — บทความยาวที่สำเร็จทั้งหมดมีตัวเลขแข็ง ตัวเลขเป็นสิ่งที่ทำให้คนหยุดในฟีดได้ง่ายที่สุด
AI ต้องเป็น主角 บทความสอน AI วิวมากกว่า 100,000 เสมอ ขณะที่คอนเทนต์ลงทุนล้วนแทบไม่เกิน 50,000 คนมาที่บัญชีนี้เพื่อดู "วิธีใช้ AI" ไม่ใช่ "วิธีเทรดหุ้น"
"ช่วยให้คุณประหยัดเวลา" คือตรรกะเบื้องหลังของไวรัล รวบรวมบัญชีสาธารณะ, บทนำ Codex, ฝึกภาพประกอบ — จุดร่วมของบทความยาวที่ไวรัลทั้งหมดคือ "ฉันลองแล้ว เจอหลุม จัดระเบียบให้คุณ แค่ทำตาม"
สูตรไวรัล: สอนハードコ어หรือประสบการณ์จริง + จุดยึดข้อมูลเฉพาะ + เส้นทางที่ทำซ้ำได้ ไม่มีหัวข้อไวรัลที่เป็น概念นามธรรม ทุกอันมีโครงสร้าง "ฉันทำ X ผลลัพธ์คือ Y" — แชร์ประสบการณ์บวกข้อมูล ไม่ใช่สอน
กฎเหล่านี้ถูกอัปเดตทุกครั้งที่โพสต์บทความใหม่ ระบบแก้ไขตัวเองได้
คุณใช้ได้ทันที
dbskill ของ dontbesilent (มากกว่า 4000 stars บน GitHub) เป็นจุดเริ่มต้นที่ดี คุณก็ทำแบบที่ผมทำ: เอาแนวคิดหลักของเขามาปรับตามความต้องการตัวเอง
ไม่ต้องทำให้ถูกต้องในครั้งเดียว เริ่มจากสร้างคลังหัวข้อและคลังวัตถุดิบ รันสองสัปดาห์ แล้วให้ข้อมูลบอกคุณว่าควรปรับไปทางไหน
