วิธีทำวิจัยด้วย AI สไตล์ประธาน Namba: ใช้ NotebookLM เจาะลึกข้อมูลลูกค้าให้จบใน 10 นาที

ประธานกรรมการ DeNA คุณ Tomoko Namba มีวิธีการค้นคว้าที่เธอมักจะทำก่อนพบใครเป็นครั้งแรก

เธอรวบรวมข้อมูลเกี่ยวกับบุคคลนั้นโดยใช้ AI ค้นหา จากนั้นนำข้อมูลทั้งหมดไปใส่ใน NotebookLM และตั้งคำถามระหว่างเดินทางไปทำงาน

แค่นั้นเอง

บอกตามตรง ตอนแรกที่ได้ยิน ฉันคิดว่า "เธอเป็นผู้บริหารระดับสูงของญี่ปุ่น คงต้องใช้เครื่องมือพิเศษอะไรสักอย่าง"

แต่พอได้ลองดูจริงๆ ฉันก็คิดผิด

เธอใช้เครื่องมือฟรีที่พวกเราทุกคนสามารถเริ่มใช้ได้ตั้งแต่วันนี้

ในบทความนี้ ฉันจะแบ่งปันบันทึกการจำลองวิธีการค้นคว้าของคุณ Namba โดยใช้ NotebookLM ในฐานะมือสมัครเล่น

แม้ว่า NotebookLM จะได้รับการปรับปรุงครั้งใหญ่ในวันที่ 8 มิถุนายน แต่ขั้นตอนนี้สามารถทำซ้ำได้ทั้งหมดภายในขอบเขตการใช้งานฟรี

เมื่อคุณอ่านจบ คุณจะมีขั้นตอนในการวิเคราะห์คู่ค้าทางธุรกิจของคุณอย่างละเอียดสำหรับการประชุมในวันพรุ่งนี้ภายในเวลาเพียง 30 นาที

สิ่งที่น่าทึ่งไม่ใช่ประสิทธิภาพของตัวเครื่องมือเอง

แต่เป็นการแบ่งหน้าที่: การแยก "การค้นหา" ออกจาก "การทำความเข้าใจ"

บทที่ 1: ความลับของวิธีการค้นคว้าของคุณ Namba คือการแยก "การค้นหา" และ "การทำความเข้าใจ" ออกจากกัน

ก่อนอื่น มาทำความเข้าใจกันก่อนว่าคุณ Namba กำลังทำอะไรอยู่

ที่มาคือคำพูดของเธอเองในงาน DeNA AI Day เมื่อเดือนกุมภาพันธ์ 2025

ขั้นตอนมีดังนี้:

1. ถาม AI ค้นหา Perplexity ว่า "บทความที่ต้องอ่านเกี่ยวกับบุคคลนี้มีอะไรบ้าง"
2. นำ URL ของบทความ วิดีโอ และโพสต์ X (Twitter) ทั้งหมดที่แนะนำมาใส่ใน NotebookLM
3. ในแท็กซี่ระหว่างทางไปประชุม ถาม NotebookLM เช่น "บุคคลนี้คิดอย่างไรเกี่ยวกับรัฐบาลทรัมป์"

ด้วยวิธีนี้ เธอจะซึมซับความสนใจและมุมมองของคนที่เธอจะพบเป็นครั้งแรกโดยใช้เวลาเดินทางเท่านั้น

สิ่งสำคัญตรงนี้คือการแบ่งบทบาทระหว่างเครื่องมือทั้งสอง

Perplexity คือ "นักรวบรวม" ที่หยิบบทความที่เกี่ยวข้องขึ้นมาจากมหาสมุทรอันกว้างใหญ่ของอินเทอร์เน็ต

NotebookLM คือ "นักอ่าน" ที่อ่านเฉพาะบทความที่รวบรวมมาและตอบเฉพาะจากบทความเหล่านั้น

ทำไมต้องแยกกัน? เพราะถ้าปล่อยให้ AI ตัวเดียวทำทุกอย่าง จะเกิดอาการหลอน (การโกหก) ปนเข้ามา

NotebookLM จะตอบจากเนื้อหาที่คุณให้มาเท่านั้น

นั่นคือเหตุผลที่มันสามารถแสดงให้คุณเห็นได้อย่างชัดเจนว่ามันเขียนไว้ตรงไหนในแหล่งที่มาโดยใช้การอ้างอิง ทำให้อาการหลอนเกิดขึ้นได้น้อยลง

มีเหตุผลที่ชัดเจนสำหรับการแบ่งหน้าที่นี้

ถ้าคุณขอให้ AI ค้นหา "สรุปทุกอย่าง" มันจะผสมข้อมูลจากทั่วอินเทอร์เน็ต ซึ่งอาจรวมถึงสิ่งที่บุคคลนั้นไม่เคยพูดจริงๆ

แต่ NotebookLM ไม่เคยออกนอกกรอบบทความที่คุณให้มา

ดังนั้น เฉพาะสิ่งที่บุคคลนั้น "พูดจริง" เท่านั้นที่ยังคงอยู่ในมือคุณ

สิ่งที่น่ากลัวที่สุดก่อนการประชุมทางธุรกิจคือการพูดคุยกับใครสักคนโดยอาศัยสมมติฐานที่ผิด

จุดแข็งของแนวทางสองขั้นตอนนี้คือการป้องกันสิ่งนั้นในเชิงโครงสร้าง

เมื่อฉันเข้าไปในวิสาหกิจขนาดกลางและขนาดย่อมในฐานะที่ปรึกษา AI นี่คือแนวคิดแรกที่ฉันสื่อสาร

หลายบริษัทเริ่มต้นด้วยการคิดว่า "จะใช้เครื่องมือไหนดี"

แต่สิ่งที่ได้ผลจริงคือการตัดสินใจล่วงหน้าว่า "จะมอบงานไหนให้ AI ทำ"

การค้นคว้า การสรุป และการร่างเอกสาร มอบให้ AI ทำ

การตัดสินใจขั้นสุดท้ายและการทำงานที่ต้องเผชิญหน้ากับผู้คน ยังคงเป็นหน้าที่ของมนุษย์

การแบ่งแยกที่ชัดเจนนี้มีประสิทธิภาพต่อผลลัพธ์มากกว่าการเพิ่มจำนวนเครื่องมือใหม่ๆ หลายเท่า

สิ่งที่คุณ Namba ทำนั้นท้ายที่สุดแล้วก็คือการแบ่งหน้าที่แบบเดียวกันนี้

นั่นคือภาพรวมของวิธีการ ต่อไป ฉันจะพูดถึงว่าทำไมการทำเช่นนี้กับ NotebookLM "ใหม่" ในตอนนี้จึงสมเหตุสมผล

บทที่ 2: ทำไมต้อง NotebookLM "ใหม่" ในตอนนี้? | สมองกลายเป็น Gemini 3.5 ในวันที่ 8 มิถุนายน

คุณ Namba พูดถึงการใช้งานนี้ในช่วงต้นปี 2025

ตั้งแต่นั้นมา NotebookLM ก็ได้พัฒนาไปเป็นอย่างอื่น

การเปลี่ยนแปลงครั้งใหญ่ที่สุดคือการอัปเดตในวันที่ 8 มิถุนายน 2026

Google อธิบายในบล็อกอย่างเป็นทางการว่า NotebookLM ตอนนี้ทำงานบน Gemini 3.5 ซึ่งเป็นรุ่นใหม่ของ Gemini และรากฐานที่เรียกว่า Antigravity

สิ่งนี้นำมาซึ่งวิวัฒนาการที่สำคัญสามประการ:

1. AI สามารถค้นหาและแนะนำแหล่งข้อมูลบนเว็บได้ด้วยตัวเอง แม้จากคำถามที่ไม่ชัดเจน
2. โน้ตบุ๊กแต่ละเครื่องมีสภาพแวดล้อมคลาวด์ที่สามารถเขียนและรันโค้ดเพื่อการวิเคราะห์ได้
3. ผลการค้นคว้าสามารถส่งออกในรูปแบบต่างๆ เช่น PDF, Word, Excel, PowerPoint และรูปภาพ

ตามการประเมินภายในของ Google ระบบที่ปรับปรุงใหม่มีประสิทธิภาพดีกว่ารุ่นก่อนหน้าโดยเฉลี่ยมากกว่า 65% ในหมวดหมู่หลัก

จากนี้ไป ฉันจะเขียนอย่างตรงไปตรงมาเพื่อหลีกเลี่ยงความเข้าใจผิด

ฟีเจอร์ใหม่เหล่านี้ตั้งแต่วันที่ 8 มิถุนายนกำลังให้บริการล่วงหน้าแก่แผน Ultra ระดับสูงสุด (เริ่มต้นที่ 14,500 เยน/เดือน) และผู้ใช้ Workspace Business บางส่วน

คำแถลงอย่างเป็นทางการระบุว่าพวกเขาจะค่อยๆ ขยายไปยังผู้ใช้รายอื่น

กล่าวอีกนัยหนึ่ง ไม่ใช่กรณีที่ "ทุกคนสามารถใช้ฟีเจอร์ใหม่ทั้งหมดนี้ได้ฟรีตั้งแต่วันนี้"

มันคงเป็นเรื่องโกหกถ้าจะบอกว่าคุณสามารถทำทุกอย่างที่นี่ได้ฟรี

อย่างไรก็ตาม นี่คือส่วนสำคัญ

วิธีการของคุณ Namba เดิมเป็นแบบ "รวบรวมแหล่งข้อมูลด้วยตัวเองด้วย Perplexity แล้วนำมาใส่"

คุณไม่ต้องรอการสำรวจอัตโนมัติในขั้นตอนที่ 1 ขั้นตอนนั้นสามารถทำซ้ำได้กับ NotebookLM ในปัจจุบัน

ยิ่งไปกว่านั้น ฟีเจอร์หลักของ "การตอบเฉพาะจากเนื้อหาที่ให้มาพร้อมการอ้างอิง" นั้นมีให้ใช้งานฟรีตั้งแต่แรกเริ่ม

ส่วนหลักนี้คือสิ่งที่จำเป็นสำหรับการค้นคว้าคู่ค้าทางธุรกิจ

แม้แต่ในเวอร์ชันฟรี NotebookLM ก็อนุญาตให้มีเนื้อหาได้สูงสุด 500,000 คำต่อแหล่งข้อมูล

500,000 คำ เทียบเท่ากับหนังสือปกอ่อน 4 หรือ 5 เล่ม

คุณสามารถใส่บทความและบทถอดความวิดีโอของบุคคลนั้นมากกว่า 10 รายการและยังมีพื้นที่เหลือเฟือ

นอกจากนี้ คุณสามารถใส่แหล่งข้อมูลได้สูงสุด 50 แหล่งในโน้ตบุ๊กเครื่องเดียว

ในขณะที่รอคอยฟีเจอร์เต็มรูปแบบที่ใช้สมองใหม่เมื่อมีการขยายการให้บริการ ก็เป็นเรื่องที่ใช้งานได้จริงที่จะลองทำตามขั้นตอนที่สามารถทำได้ฟรีก่อน

ตอนนี้เครื่องมือพร้อมแล้ว ฉันจะแสดงขั้นตอนที่แน่นอนที่ฉันใช้ในการจำลองสิ่งนี้ภายใน 30 นาที

บทที่ 3: ขั้นตอนทั้งหมดที่มือสมัครเล่นทำซ้ำได้ใน 10 นาที | การวิเคราะห์คู่ค้าทางธุรกิจ

จากนี้ไป เป็นบันทึกว่าฉันจำลองมันขึ้นมาโดยสมมติคู่ค้าทางธุรกิจขึ้นมา

ไม่มีขั้นตอนที่ต้องใช้ความชำนาญพิเศษ ฉันไม่ได้เขียนโค้ดใดๆ

1. รวบรวมบทความที่ต้องอ่านด้วย Perplexity

ขั้นแรก เปิด Perplexity แล้วถาม:

"กรุณาบอกบทความ บทสัมภาษณ์ และข้อมูลการบรรยายที่ต้องอ่านสำหรับคุณ/คุณ [ชื่อ] แห่ง [ชื่อบริษัท] ให้ฉันด้วย กรุณาใส่ URL แหล่งที่มาด้วย"

จากนั้น URL ของบทความและวิดีโอที่เกี่ยวข้องจะถูกส่งกลับมาพร้อมลิงก์แหล่งที่มา

อย่าเชื่อทุกอย่างที่เห็น ให้เลือกเฉพาะ URL ที่ดูเกี่ยวข้องเท่านั้น

2. นำ URL ไปใส่ใน NotebookLM ใหม่

จากนั้น สร้างโน้ตบุ๊กใหม่ใน NotebookLM และวาง URL ที่รวบรวมไว้จาก "เพิ่มแหล่งที่มา" ทางด้านซ้าย

สามารถป้อน URL หลายรายการพร้อมกันได้หากคั่นด้วยบรรทัดใหม่

วิดีโอ YouTube สามารถเพิ่มได้ตามที่เป็นอยู่ และโพสต์ X สามารถเพิ่มได้โดยการคัดลอกและวางข้อความ

นี่คือเคล็ดลับ:

ผสมแหล่งข้อมูลประเภทต่างๆ เช่น บทสัมภาษณ์ของบุคคลนั้น วิดีโอการบรรยาย และโพสต์ X ล่าสุด

คำแถลงอย่างเป็นทางการมักมีถ้อยคำที่ซ้ำซาก ในขณะที่โพสต์ X อาจเป็นชิ้นเป็นอัน

การผสมทั้งสองอย่างเข้าด้วยกัน คุณจะเห็นช่วงระหว่าง "จุดยืนสาธารณะและความรู้สึกที่แท้จริง" ของบุคคลนั้น

ทันทีที่คุณใส่เข้าไป สมองใหม่จะอ่านทุกอย่างและให้ข้อมูลสรุปทั่วไปภายในไม่กี่สิบวินาที

3. ทำความเข้าใจบุคคลนั้นให้ลึกซึ้งยิ่งขึ้นผ่านการแชท

นี่คือไฮไลท์ ในช่องแชทตรงกลาง ให้ถามคำถามที่จะเป็นประโยชน์สำหรับการประชุมทางธุรกิจ

นี่คือตัวอย่างพรอมต์:

1กรุณาทำหน้าที่เป็นผู้ช่วยที่ช่วยในการเตรียมการประชุม
2จากเนื้อหาที่อัปโหลดเท่านั้น กรุณาจัดระเบียบสิ่งต่อไปนี้:
3
41. หัวข้อที่บุคคลนี้พูดถึงซ้ำๆ เมื่อเร็วๆ นี้ (3 อันดับแรก)
52. ค่านิยมและเกณฑ์การตัดสินใจที่สำคัญ
63. หัวข้อที่ดูเหมือนอันตรายที่จะพูดถึง (กับระเบิด)
74. มุมที่มีแนวโน้มจะโดนใจในการประชุม (พร้อมกับข้อความสนับสนุน)
8
9สำหรับประเด็นที่ไม่ได้กล่าวถึงในเนื้อหา กรุณาระบุอย่างชัดเจนว่า "ไม่มีการกล่าวถึง"
10กรุณาเขียนการอนุมานเพื่อให้สามารถระบุได้อย่างชัดเจนว่าเป็นการอนุมาน

คำตอบที่กลับมาจะมีการอ้างอิงทั้งหมด เช่น "ส่วนไหนของแหล่งข้อมูลใด"

ตัวอย่างเช่น เมื่อฉันลอง มันตอบกลับมาว่า "บุคคลนี้ให้ความสำคัญกับแบรนด์ระยะยาวมากกว่าตัวเลขระยะสั้น พื้นฐานคือข้อความในช่วงกลางของวิดีโอการบรรยาย" พร้อมกับตำแหน่งของข้อความนั้น

ดังนั้น หากคุณสงสัยในประเด็นใด คุณสามารถคลิกที่การอ้างอิงนั้นและตรวจสอบบทความต้นฉบับได้ทันที

การสละเวลาเพิ่มเติมเพื่อดูข้อมูลปฐมภูมิด้วยตาของคุณเอง คุณยังสามารถสังเกตเห็นความเข้าใจผิดของ AI ได้อีกด้วย

4. ใส่ลงในบันทึกการประชุม

สุดท้าย ให้ถามว่า "กรุณาสรุปเนื้อหานี้เป็นบันทึกที่ฉันสามารถอ่านได้ภายใน 3 นาทีก่อนการประชุม"

ด้วยวิธีนี้ ความสนใจ ค่านิยม กับระเบิด และมุมที่โดนใจของบุคคลนั้นจะถูกสรุปไว้ในหน้าเดียว

จนถึงจุดนี้ ใช้เวลาประมาณ 10 นาที

มากกว่าครึ่งหนึ่งของเวลานั้นคือเวลาที่ใช้ในการเลือกบทความใน Perplexity การดำเนินการใน NotebookLM เองใช้เวลาไม่ถึง 5 นาที

แม้แต่สำหรับคนที่เพิ่งลองใช้ครั้งแรก ก็รู้สึกเหมือนเป็นสิ่งที่คุณสามารถทำได้ภายในเวลาเดินทางประมาณ 10 นาทีเมื่อคุณชินแล้ว

เมื่อวันก่อน เมื่อฉันแบ่งปันขั้นตอนนี้กับสมาชิกในซาลอนของฉัน พวกเขาดีใจมาก โดยบอกว่า "ความกังวลก่อนการประชุมลดลง"

ความสบายใจที่คุณมีเมื่อคุณพบใครสักคนในขณะที่รู้จักพวกเขาอยู่แล้วนั้นแตกต่างอย่างสิ้นเชิง

ฉันจะพูดตรงๆ ตรงนี้

กระบวนการ 10 นาทีนี้เป็นไปได้เพราะมีข้อมูลสาธารณะเกี่ยวกับบุคคลนั้นค่อนข้างมาก

ถ้าเป็นคู่ค้าที่แทบไม่มีบทความหรือโพสต์เลย เนื้อหาที่รวบรวมได้ก็จะน้อย และมันจะไม่ชัดเจนขนาดนี้

ในกรณีนั้น คุณไม่ควรพึ่งพา AI เพียงอย่างเดียว คุณต้องเพิ่มการค้นคว้าพื้นหลังผ่านผู้แนะนำหรือการสัมภาษณ์แบบเดิมๆ

และขอเล่าอีกอย่างหนึ่ง

สิ่งที่ AI สร้างขึ้นนั้นท้ายที่สุดแล้วคือสมมติฐานที่สร้างจากข้อมูลสาธารณะ

มันอันตรายที่จะเข้าประชุมด้วยสมมติฐานที่ตายตัว ดังนั้นให้ใช้มันด้วยความตั้งใจที่จะตรวจสอบในวันนั้น

นั่นคือขั้นตอนการจำลองสำหรับบุคคล ต่อไป ฉันจะพูดถึงวิธีทำให้สิ่งนี้เป็นอาวุธสำหรับการขายของบริษัท

บทที่ 4: วิธีทำให้มันใช้ได้ผลจริงสำหรับการประชุมของบริษัท | การสร้าง "โน้ตบุ๊กเฉพาะลูกค้า"

จนถึงตอนนี้ มันคือ "การเตรียมตัวสำหรับการประชุมครั้งเดียว"

จุดที่มันเริ่มใช้ได้ผลจริงสำหรับบริษัทคือเกินกว่านั้น

มันคือการใช้งานในการสร้างและบ่มเพาะ "โน้ตบุ๊กเฉพาะ" สำหรับลูกค้าแต่ละราย

วิธีการนั้นง่าย

สร้างโน้ตบุ๊กหนึ่งเครื่องที่อุทิศให้กับบริษัท A และเพิ่มไม่เพียงแต่บทความของบริษัท A เท่านั้น แต่ยังรวมถึงบันทึกการประชุมที่ผ่านมา ข้อเสนอ และการแลกเปลี่ยนอีเมลด้วย

จากนั้น โน้ตบุ๊กนั้นจะกลายเป็นผู้ช่วยเฉพาะที่รู้จักเฉพาะบริษัท A

ก่อนการประชุมครั้งต่อไป ถ้าคุณถาม "นโยบายที่เราตัดสินใจกับบริษัท A ครั้งที่แล้วคืออะไร" มันก็จะขึ้นมาทันที

ถ้าคุณถาม "ประเด็นไหนที่บริษัท A เคยแสดงความไม่เต็มใจในอดีต" มันจะบอกกับระเบิดให้คุณ

แม้ว่าผู้รับผิดชอบจะเปลี่ยนภายในบริษัท ถ้าคุณส่งมอบโน้ตบุ๊กนี้ ประวัติของคู่ค้าก็จะถูกส่งต่อตามเดิม

การทำให้เป็นส่วนตัวแบบ "มีเพียงคนนั้นเท่านั้นที่รู้จักลูกค้ารายนั้น" จะถูกแก้ไขด้วยโน้ตบุ๊กเครื่องเดียว

มีข้อควรระวังเพียงข้อเดียว

ถ้าคุณรวมเนื้อหาที่มีความลับของลูกค้า ให้ใช้บัญชีที่มีการจัดการ เช่น Workspace ของบริษัท แทนที่จะเป็นบัญชีส่วนตัวฟรี

ตราบใดที่คุณไม่ผิดพลาดในสถานที่ที่คุณใส่ไว้ สิ่งนี้จะกลายเป็นอาวุธที่ทรงพลัง

ขอเล่าถึงความล้มเหลวในอดีตของฉัน

ตอนที่ฉันทำงานขายที่บริษัทสตาร์ทอัพ ฉันเป็นคนประเภทที่ใช้ตัวเลขเป็นตัวผลักดัน

ฉันส่งข้อความเกือบ 300 ข้อความเพื่อหาลูกค้าใหม่ และฉันโชคดีถ้าได้คำตอบ 5 ข้อความ

ถึงจุดหนึ่ง ฉันหยุดผลักดันด้วยปริมาณและเริ่มส่งข้อความเดียวที่ปรับให้เหมาะกับแต่ละบริษัทหลังจากค้นคว้าทีละบริษัท

เมื่อฉันทำอย่างนั้น อัตราการตอบกลับก็เพิ่มขึ้นอย่างชัดเจน

มันเป็นช่วงเวลาที่ฉันรู้สึกได้จริงๆ ว่าคุณภาพของการค้นคว้าเชื่อมโยงโดยตรงกับผลลัพธ์

ตอนนี้ การค้นคว้าพื้นหลังเกี่ยวกับคู่ค้าที่เคยใช้เวลาหลายชั่วโมงในการทำงานด้วยตนเองนั้นสั้นลงเหลือ 10 นาทีด้วย AI

บอกตามตรง ฉันหวังว่าฉันจะมีสิ่งนี้ในตอนนั้น

คุณค่าของการค้นคว้าแต่ละบริษัทอย่างรอบคอบไม่ได้เปลี่ยนไป

สิ่งที่เปลี่ยนไปคือเวลาที่ใช้ในการค้นคว้าพื้นหลังนั้นเท่านั้น

ตอนนี้เราได้เชื่อมต่อการจำลองส่วนบุคคลเข้ากับการดำเนินงานของบริษัทแล้ว สุดท้ายนี้ ฉันจะจำกัดการดำเนินการที่คุณสามารถทำได้ตั้งแต่วันนี้ให้เหลือสามข้อ

บทที่ 5: 3 ขั้นตอนที่คุณทำได้วันนี้

เนื่องจากบทความนี้ยาวแล้ว ฉันจะจำกัดขั้นตอนแรกให้เหลือสามข้อ:

1. เลือกคู่ค้าทางธุรกิจสักหนึ่งราย → อย่าพยายามทำทุกอย่างพร้อมกัน แค่เลือกคนที่คุณจะพบในสัปดาห์หน้า
2. นำ URL ทั้งหมดที่รวบรวมด้วย Perplexity ไปใส่ใน NotebookLM → แยก "นักรวบรวม" และ "นักอ่าน" นี่คือแกนหลักของโมเดลของคุณ Namba
3. ทำความเข้าใจบุคคลนั้นให้ลึกซึ้งยิ่งขึ้นผ่านการแชทระหว่างเวลาเดินทาง → เพียงวางพรอมต์จากบทที่ 3 และถามเกี่ยวกับความสนใจและกับระเบิดของบุคคลนั้น

ในตอนแรก คำตอบที่ออกมาอาจจะรู้สึกไม่ตรงประเด็นนัก

แต่ถ้าคุณปรับปรุงคุณภาพของบทความที่คุณใส่เข้าไป คำตอบก็จะคมชัดขึ้นเรื่อยๆ

สิ่งสำคัญคือไม่ต้องมุ่งมั่นเพื่อความสมบูรณ์แบบในทันที แต่ให้ลองรันกระบวนการสำหรับคนๆ หนึ่งดูก่อน

มันเสียเวลาเปล่าจริงๆ ที่จะยังคงค้นคว้าพื้นหลังเกี่ยวกับคู่ค้าตั้งแต่เริ่มต้นทุกครั้งโดยไม่รู้จักการแบ่งหน้าที่นี้

ถ้าการค้นคว้าพื้นหลังหนึ่งชั่วโมงต่อการประชุมหนึ่งครั้งรวมกันเป็นหลายสิบเคสต่อปี เวลาหลายสิบชั่วโมงจะหายไปเพียงแค่นั้น

ขอบคุณที่ติดตามจนจบ

ใน Open Chat ของฉัน ฉันแจกพรอมต์ 200 รายการ, Gems 20 รายการ และทักษะ Claude 7 ข้อให้ฟรี

ฉันยังแจกจ่ายข้อมูลลับที่ฉันไม่เคยโพสต์บน X

กรุณาร่วมกับเราได้จากที่นี่ 🎁🎁

Open Chat "กลยุทธ์ AI x SNS อย่างละเอียด" https://line.me/ti/g2/LmLu1N1cE6UBkoURbaYf_bV8l66cCyotSJU2og