Claude Fable 5 का उपयोग करके स्वचालित कंटेंट सेलिंग सिस्टम को ऑप्टिमाइज़ करके बिक्री को दोगुना करना

**

9 जून को, Anthropic ने Claude Fable 5 नामक एक नया मॉडल जारी किया।

उसी दिन, मैंने इसे अपने पूरे "ऑटोमेटेड नोट सेलिंग सिस्टम" (स्वचालित नोट बिक्री प्रणाली) को संभालने के लिए दे दिया।

परिणामस्वरूप, केवल एक सप्ताह से कुछ अधिक समय में दैनिक बिक्री लगभग दोगुनी हो गई।

सच कहूँ तो, मैं बस यही सोच रहा था, "एक नया मॉडल आया है, क्यों न इसे आज़माया जाए," इसलिए इस परिणाम से सबसे ज़्यादा हैरान मैं खुद हूँ।

इस पोस्ट में, मैं सब कुछ लिखूँगा: मैंने इससे क्या करवाया, क्या ठीक किया गया, और यहाँ तक कि मैंने कौन से प्रॉम्प्ट्स (prompts) का उपयोग किया।

वैसे, मैं आमतौर पर इस सिस्टम की नवीनतम गतिविधियों और विस्तृत सेटिंग्स को अपने LINE पर साझा करता हूँ जिन्हें मैं एक लेख में नहीं समा सकता, इसलिए यदि आप रुचि रखते हैं, तो अंत में दिए गए लिंक को देखें।

Fable 5 के रिलीज़ होने के दिन ही AI को एक सफल सिस्टम संभालने देना

सबसे पहले, थोड़ा संदर्भ।

Fable 5, Anthropic का पहला ऐसा मॉडल है जो "Mythos-क्लास" क्षमताओं को—जिन्हें उन्होंने पहले उच्च प्रदर्शन के कारण सार्वजनिक रिलीज़ से रोक रखा था—सुरक्षा तंत्र के साथ सभी के लिए उपलब्ध कराता है।

इसने कोडिंग बेंचमार्क (SWE-bench Pro) पर 80.3% स्कोर दर्ज किया, जो न केवल पिछले Opus 4.8 से, बल्कि GPT-5.5 और Gemini 3.1 Pro से भी बेहतर है।

वैसे, "सुरक्षा तंत्र" का मतलब है कि केवल खतरनाक क्षेत्रों के अनुरोध ही स्वचालित रूप से पुराने मॉडलों पर स्विच किए जाते हैं। आधिकारिक डेटा के अनुसार, यह 95% से अधिक सत्रों में ट्रिगर नहीं होता है।

संक्षेप में, सामान्य व्यावसायिक उपयोग के लिए, आपको कोई अंतर महसूस नहीं होगा।

हालाँकि, मैंने जिस चीज़ पर ध्यान केंद्रित किया वह बेंचमार्क नंबर नहीं थे, बल्कि यह तथ्य था कि यह "बीच में संदर्भ खोए बिना लंबे और जटिल कार्यों को पूरा कर सकता है।"

इसका क्या मतलब है?

इसका मतलब है कि अब हम स्वयं "सुधार" प्रक्रिया को आउटसोर्स कर सकते हैं—पूरे सिस्टम की सभी फाइलों को पढ़ना, उन्हें बिक्री डेटा के साथ क्रॉस-रेफरेंस करना, और यह निर्णय लेना कि क्या ठीक करने की आवश्यकता है—जो पहले केवल इंसान ही कर सकते थे।

पारंपरिक मॉडलों के साथ, यदि आप उन्हें 10 फाइलें देते, तो वे अक्सर पहली कुछ फाइलों की सामग्री भूल जाते और अप्रासंगिक सुझाव देते। Fable 5 ऐसा लगभग कभी नहीं करता।

इसका एक स्पष्ट उदाहरण विदेशों से आई एक रिपोर्ट है जहाँ "5 करोड़ लाइनों के कोड को माइग्रेट करने में 2 महीने के बजाय 1 दिन लगा।" संक्षेप में, इसका मतलब है कि यह एक विशाल पूरे सिस्टम को पूरी तरह से समझते हुए काम को आगे बढ़ा सकता है।

मेरे सिस्टम में कुल मिलाकर लगभग 40 फाइलें और बिक्री डेटा है, इसलिए यह "सब कुछ पढ़ने की क्षमता" सीधे तौर पर प्रभावी है।

यही कारण है कि मैंने तय किया कि "इसे मौजूदा सिस्टम को बेहतर बनाने देना" इसका उपयोग करने का सबसे स्मार्ट तरीका है, बजाय इसके कि केवल नई सुविधाओं के साथ खेला जाए।

यहाँ एक महत्वपूर्ण दृष्टिकोण है।

मॉडल के विकसित होने का मतलब यह नहीं है कि "सिस्टम पुराना हो गया है।"

इसका मतलब है कि "सिस्टम में सुधार की गति बढ़ गई है।"

जिन लोगों के पास सिस्टम है, उनके लिए हर नए मॉडल का रिलीज़ होना एक अनुकूल हवा की तरह है।

मैं खुद सुधार न करने के तीन कारण हैं:

1. खुद ऐसा करने से "धारणाएं" (अपनी अंतर्ज्ञान के आधार पर यह निर्णय लेना कि चीजें क्यों बिकती हैं) आ जाती हैं।
2. आउटसोर्सिंग का मतलब है सिस्टम की सामग्री को सौंपना (जानकारी लीक करना)।
3. AI बिना किसी भावना के सारा डेटा पढ़ सकता है (रात भर में डेटा की इतनी मात्रा प्रोसेस करना जो इंसानों के लिए असंभव है)।

स्पष्ट रूप से, सुधार "सारा डेटा पढ़ने और अंतर खोजने" का कार्य है, इसलिए AI इंसानों की तुलना में इसके लिए अधिक उपयुक्त है।

मेरा अंतर्ज्ञान कह सकता है, "मुझे लगता है कि इस महीने सहानुभूति-आधारित पोस्ट काम कर रहे हैं," लेकिन अगर मैं AI को इसे पढ़ने देता हूँ, तो यह डेटा-समर्थित निष्कर्षों के साथ वापस आता है जैसे, "उच्च सेव रेट वाली पोस्ट में परिचय में लगातार यह तत्व होता है।"

यह अंतर बहुत बड़ा है।

ऑटोमेटेड नोट सेलिंग सिस्टम का अवलोकन

यह वह कॉन्फ़िगरेशन है जिसे मैं चला रहा हूँ:

1. कॉन्सेप्ट डिज़ाइन (किसे, क्या, और कैसे बेचना है, इसे एक md फाइल में समेकित करना)
2. स्वचालित पोस्ट जनरेशन (AI कॉन्सेप्ट के आधार पर दिन में 10 पोस्ट बनाता है)
3. स्वचालित पोस्टिंग (हर दिन निर्धारित समय पर Threads/X पर प्रवाहित करना)
4. नोट गाइडेंस (पोस्ट → प्रोफाइल → नोट लेख से प्रवाह)
5. डेटा कलेक्शन (इंप्रेशन, सेव और बिक्री स्वचालित रूप से जमा हो जाते हैं)
6. स्वचालित सुधार लूप (जमा डेटा के आधार पर अगली पोस्ट बदल जाती है)

प्रत्येक भाग को थोड़ा पूरक करने के लिए:

चरण 1 में कॉन्सेप्ट md हर चीज़ के लिए शुरुआती बिंदु है। चरण 2 से आगे सब कुछ यहाँ लिखे गए "किसे, क्या, और कैसे" के आधार पर चलता है।

चरण 2 में, AI कॉन्सेप्ट md को पढ़ने के बाद अपने दम पर दिन में 10 पोस्ट बनाता है। इंसान अब उन्हें नहीं लिख रहे हैं।

चरण 3 केवल उन्हें एक स्वचालित पोस्टिंग टूल पर डाल रहा है, इसलिए मैं पोस्ट बटन भी नहीं दबाता।

चरण 5 चुपचाप महत्वपूर्ण है; "कौन सी पोस्ट सेव की गई," "किस पोस्ट से प्रोफाइल क्लिक हुआ," और "उस दिन कितनी बिक्री हुई" हर दिन स्वचालित रूप से रिकॉर्ड किया जाता है।

चरण 6 एक लूप है जो हर 3 दिन में इस डेटा को पढ़ता है और इसे अगले 30 पोस्ट में प्रतिबिंबित करता है।

बात यह है कि यह सिस्टम "एक बार बनने के बाद समाप्त" नहीं होता है, बल्कि 5 → 6 → 2 सुधार चक्र घूमता रहता है।

लोग अक्सर कहते हैं, "इसे बनाना कठिन लगता है," लेकिन भारी काम केवल पहली बार होता है।

आप केवल कॉन्सेप्ट md और मूल्यांकन मानदंड बनाते समय अपने दिमाग का उपयोग करते हैं। उसके बाद, यह जितना अधिक चलता है, उतना ही अधिक डेटा जमा होता है, और जितना अधिक डेटा जमा होता है, सुधारों की सटीकता उतनी ही अधिक होती है।

चूंकि यह एक ऐसी संरचना है जो समय के साथ मजबूत होती है, मुझे ईमानदारी से लगता है कि जो लोग जल्दी शुरुआत करते हैं वे इस खेल को जीतते हैं।

तो इंसान क्या कर रहे हैं? वास्तव में, केवल तीन चीजें:

• शुरुआत में शैली और कॉन्सेप्ट तय करना (यह इंसान का काम है)।
• यह तय करना कि AI के सुधार सुझावों को अपनाना है या नहीं (मैं इसके बारे में बाद में विस्तार से लिखूँगा)।
• कभी-कभी डेटा को देखना और जांचना कि क्या कुछ गड़बड़ लग रहा है।

दैनिक काम के समय के संदर्भ में, यह 10 मिनट से भी कम है।

और इस बार मैंने Fable 5 से जो करवाया वह चक्र का सबसे अपस्ट्रीम कार्य था: "फिक्स करने की आवश्यकता वाले क्षेत्रों की पहचान करने के लिए हालिया बिक्री डेटा के साथ इस सिस्टम की सभी फाइलों को क्रॉस-रेफरेंस करें।"

मैंने डेटा ट्रांसफर के लिए कुछ भी कठिन नहीं किया; मैंने बस इसे सिस्टम फाइलों के सेट और बिक्री, इंप्रेशन और सेव वाले डेटा को वैसे ही पढ़ने दिया जैसे वे थे।

बहुत से लोग सोचते हैं, "मुझे इसे सौंपने से पहले व्यवस्थित करना होगा," लेकिन यह इसके विपरीत है।

यदि आप कच्चा डेटा सौंपते हैं, तो AI इसे अपने आप व्यवस्थित कर लेगा और ऐसे सहसंबंधों (correlations) को उठा लेगा जिन्हें इंसान नहीं देख पाते।

मैंने जो प्रॉम्प्ट दिया वह मूल रूप से यह था (मैं इसे यहाँ छोड़ रहा हूँ ताकि आप इसे कॉपी और पेस्ट कर सकें):

"इस सिस्टम की सभी फाइलें पढ़ें और 'जब यह बिकता है' और 'जब यह नहीं बिकता है' के बीच के सभी अंतरों की पहचान करने के लिए उनकी बिक्री डेटा के साथ तुलना करें। मुझे केवल डेटा अंतर दें, इंप्रेशन नहीं। इसके बाद, प्रस्ताव दें कि उन अंतरों को सिस्टम की किस फाइल और किस निर्णय मानदंड में प्रतिबिंबित किया जाना चाहिए, फाइलनाम और संशोधन प्रस्ताव के सेट के रूप में।"

बात यह है कि मैंने इसे "केवल डेटा अंतर, इंप्रेशन नहीं" तक सीमित कर दिया।

यदि आप इसे शामिल नहीं करते हैं, तो AI "पोस्टिंग आवृत्ति बढ़ाएं" जैसी सामान्य सलाह मिला देगा, जो हर जगह लिखी होती है।

डेटा अंतर तक सीमित करके, केवल मेरे सिस्टम के लिए अद्वितीय सुधार बिंदु सामने आते हैं।

अंतर सामने आने के बाद, वास्तव में इसे ठीक करने के लिए प्रॉम्प्ट यह है:

"मैं निर्दिष्ट करूँगा कि मैं कौन से प्रस्तावों को अपनाऊंगा, इसलिए संबंधित फाइलों को सीधे फिर से लिखें। अंत में मुझे फिर से लिखने से पहले और बाद के अंतरों की सूची दिखाएं। उन हिस्सों में एक भी अक्षर न बदलें जिन्हें मैंने निर्दिष्ट नहीं किया है।"

"उन हिस्सों में एक भी अक्षर न बदलें जिन्हें मैंने निर्दिष्ट नहीं किया है" गंभीरता से महत्वपूर्ण है। यदि आप इसे शामिल नहीं करते हैं, तो AI सद्भावना से अन्य क्षेत्रों को "बेहतर" बना देगा। काम कर रहे सिस्टम को छूने देते समय, लोहे का नियम परिवर्तनों के दायरे को प्रतिबंधित करना है।

Fable 5 को "जब यह नहीं बिकता" के बीच तीन अंतर मिले

तो, तीन अंतर थे जो Fable 5 ने सामने रखे।

जिस क्षण मैंने पहला देखा, मैंने सोचा, "यह निश्चित रूप से बिक्री बदल देगा।"

अंतर ①: बिकने वाले नोट्स में "खरीदने से ठीक पहले का वाक्य" था

यह वह निष्कर्ष है जिस पर Fable 5 सभी बिकने वाले और न बिकने वाले नोट्स की तुलना करने के बाद पहुँचा।

बिकने वाले नोट्स के कॉन्सेप्ट में "खरीदने से ठीक पहले पाठक के दिमाग में आने वाली भावनाओं" को मौखिक रूप दिया गया था और शामिल किया गया था।

जो नहीं बिके, उन्हें केवल "लक्ष्य" और "समस्या" तक ही डिज़ाइन किया गया था।

विशेष रूप से, न बिकने वाले नोट का कॉन्सेप्ट इस स्तर की ग्रैन्युलैरिटी (बारीकी) पर था:

"30 वर्षीय महिला · पूर्व प्रेमी के साथ वापस आना चाहती है · उसे सिखाएं कि कैसे।"

और बिकने वाले नोट का कॉन्सेप्ट ऐसा था:

"30 वर्षीय महिला · पूर्व प्रेमी के साथ वापस आना चाहती है · उस क्षण खरीदती है जब वह सोचती है, 'अगर मैं बिल्कुल वही करूँ जो यह व्यक्ति कहता है, तो शायद मुझे आधी रात को अपना फोन नहीं देखना पड़ेगा और चिंतित महसूस नहीं करना पड़ेगा।'"

क्या आप अंतर देखते हैं?

पूर्व वाला "क्या बेचना है" के साथ समाप्त होता है।

बाद वाला वॉलेट खोलने से 0.5 सेकंड पहले सिर में आने वाले विचारों तक डिज़ाइन किया गया है।

यह बिक्री के लिए विभाजन रेखा थी।

इसलिए, मैंने इसे कॉन्सेप्ट डिज़ाइन md में एक अनिवार्य आइटम के रूप में "खरीद से ठीक पहले की भावनाओं का मौखिककरण" जोड़ने के लिए कहा।

केवल इस एक आइटम को जोड़ने से सब कुछ बदल जाता है। चूंकि कॉन्सेप्ट अपस्ट्रीम है, इसलिए उत्पन्न पोस्ट का शब्द चयन, नोट का शीर्षक, और मुख्य पाठ के हिट होने का तरीका—सब कुछ उस "खरीदने से ठीक पहले के विचार" की ओर लिखा जाने लगता है।

एक फाइल में एक आइटम का संशोधन सभी डाउनस्ट्रीम उत्पादों तक पहुंच जाता है। यह व्यवस्थितकरण की सुंदरता है।

वैसे, मैंने Fable 5 से इस आइटम को लिखने की कला भी आउटपुट करवाई: मानदंड है "पाठक की उन सच्ची भावनाओं को लिखना जो वे किसी को नहीं बता सकते, पाठक के अपने शब्दों में।"

"मैं अपनी चिंता को हल करना चाहता हूँ" कमजोर है।

यदि आप लिख सकते हैं, "मैं फिर से घोस्ट किए जाने से इतना डरता हूँ कि मैं सेंड बटन नहीं दबा सकता," तो यह पास है।

अन्य शैलियों में भी यही बात है। उदाहरण के लिए, साइड-हसल (अतिरिक्त आय) आला में, "साइड हसल से कमाना चाहने वाले लोगों के लिए" के बजाय, उपयोग करें:

"वे लोग जो वेतन मिलने से एक सप्ताह पहले अपना बैलेंस देखते हैं और आह भरते हुए सुविधा स्टोर में एक आइटम वापस टोकरी में रख देते हैं।"

यदि आप इतना लिख सकते हैं, तो यह एक ऐसा नोट बन जाता है जो केवल उस व्यक्ति को दिखाई देने वाले विज्ञापन जैसा दिखता है।

अंतर ②: पोस्ट मूल्यांकन मानदंड इंप्रेशन पर बहुत अधिक केंद्रित थे

स्वचालित सुधार लूप के लिए मूल्यांकन मानदंड "इंप्रेशन-भारी" थे।

हालाँकि, जो बिक्री के साथ सहसंबद्ध था वह इंप्रेशन नहीं, बल्कि "सेव की संख्या" और "प्रोफाइल क्लिक दर" थी।

इसका मतलब है कि इंप्रेशन पाने वाली पोस्ट और वॉलेट खोलने वाली पोस्ट अलग-अलग चीजें हैं।

लिस्ट मार्केटिंग करने वाला कोई भी व्यक्ति समझ जाएगा, लेकिन लीड की संख्या और रूपांतरण की संख्या जरूरी नहीं कि सहसंबद्ध हों।

इंप्रेशन पाने वाली पोस्ट "सहानुभूति, संबंधित, हास्य" प्रकार की होती हैं।

लेकिन वॉलेट खोलने वाली पोस्ट के लिए, "मैं इसे सेव करना चाहता हूँ और बाद में पढ़ना चाहता हूँ" या "चलो इस व्यक्ति की प्रोफाइल देखें" जैसी हरकतें हो रही हैं।

वायरल होना अच्छा लगता है, लेकिन बिक्री से सीधे जुड़े नंबर अधिक मामूली थे।

वैसे, ये दो नंबर X एनालिटिक्स पर कोई भी मुफ्त में देख सकता है।

बस अपनी पोस्ट को "इंप्रेशन" के बजाय "सेव" के क्रम में समीक्षा करके, आपको वे पैटर्न मिल जाने चाहिए जो बिकते हैं।

संदर्भ के लिए, सेव की गई पोस्ट में तीन चीजें समान थीं:

• उनमें विशिष्ट चरण थे जिनका उपयोग बाद में किया जा सकता है (पढ़ने के क्षण में समाप्त नहीं होता)।
• उनमें नंबर या उचित संज्ञाएं थीं, जिससे लोग उन्हें "मेमो" के रूप में रखना चाहते थे।
• इसे किसी की अपनी स्थिति पर लागू करने की गुंजाइश थी (ऐसे रूप में जिसका उपयोग वैसे ही किया जा सकता है)।

इसके विपरीत, "अच्छी कहानियां" सेव नहीं की जाती हैं। इंप्रेशन मौके पर ही खपत हो जाते हैं और वहीं समाप्त हो जाते हैं।

जब मैंने इसे मूल्यांकन मानदंड को "सेव और प्रोफाइल क्लिक पर ध्यान केंद्रित करने" के लिए फिर से लिखने के लिए कहा, तो इंप्रेशन थोड़े गिर गए, लेकिन बिक्री बढ़ गई—एक दिलचस्प आंदोलन।

स्वचालित सुधार लूप में मूल्यांकन मानदंड की केवल एक पंक्ति बदलकर, सभी उत्पन्न पोस्ट की दिशा बदल जाती है, इसलिए जिन लोगों के पास सिस्टम है उन्हें पहले इसकी समीक्षा करनी चाहिए।

अंतर ③: मुख्य पाठ का क्रम "समाधान बहुत जल्दी" था

जो नोट नहीं बिके, उन्होंने शुरुआत में ही समाधान बहुत ज्यादा दे दिया।

यदि आप पाठक को यह महसूस होने से पहले उत्तर दिखाते हैं कि "यह मेरी समस्या है," तो वे मूल्य महसूस करने से पहले ही पढ़ना समाप्त कर देते हैं।

बिकने वाले नोट्स ने "समस्या को मौखिक बनाने के लिए कुल का 30%" उपयोग किया।

7,000-अक्षर के नोट में, पहले 2,000 अक्षरों का उपयोग समाधान देने के लिए नहीं, बल्कि "पाठक की स्थिति का वर्णन पाठक से अधिक सटीक रूप से करने" के लिए किया जाता है।

पाठक के "आप मुझे इतनी अच्छी तरह से क्यों जानते हैं?" की स्थिति में आने के बाद ही आप पहली बार समाधान प्रदान करते हैं।

इस क्रम में, वही सामग्री भी कुछ "मूल्यवान" के रूप में पढ़ी जाती है।

और जो लोग सोच रहे हैं कि "समस्या का मौखिककरण कैसे लिखें," मैं उस प्रक्रिया को छोड़ दूँगा जिसका मैं वास्तव में उपयोग करता हूँ।

मैं AI से 10 एकालाप (monologues) लिखवाता हूँ जो लक्ष्य रात में बिस्तर पर सोच रहा है।

जैसे "एक सप्ताह हो गया है और अभी भी कोई रीड रसीद नहीं है," "मैं इस बारे में अपने दोस्तों से बात नहीं कर सकता," या "मेरा सर्च इतिहास पूर्व प्रेमी के साथ वापस आने के बारे में है।"

बस उन 10 को पुनर्व्यवस्थित करके और उन्हें मुख्य पाठ की शुरुआत में रखकर, समस्या मौखिककरण भाग लगभग पूरा हो जाता है।

यहाँ एक आम गलती "सामान्यताओं" में समस्या लिखना है।

"वापस साथ आना कठिन है, है ना?" या "यह आपको चिंतित करता है, है ना?" जैसे वाक्यांश जो किसी पर भी लागू होते हैं, किसी को भी हिट नहीं करेंगे। केवल जब आप इसे एकालाप के स्तर तक निर्दिष्ट करते हैं, तभी "यह मेरे बारे में है" क्षण होता है।

यह भी कुछ ऐसा था जिसे Fable 5 ने डेटा अंतर के रूप में सामने रखा। जब आप इसके बारे में सोचते हैं तो यह बिक्री का एक मूल है, लेकिन यह एक ऐसा हिस्सा था जिसे स्वचालित पीढ़ी प्रणाली में शामिल नहीं किया गया था।

इंसान जो स्वाभाविक रूप से करेंगे, वे सिस्टम डिज़ाइन से गायब हैं।

इन "छेद जो ज्ञात थे लेकिन लागू नहीं किए गए थे" को खोजना AI को सुधार करने देने का सबसे अच्छा हिस्सा है।

AI पर सुधार छोड़ने पर डिज़ाइन दर्शन

AI पर सुधार छोड़ने के लिए इसे आज़माने से मैंने तीन सिद्धांत सीखे।

सिद्धांत ①: AI के लिए सुधार, स्वयं के लिए गोद लेने के निर्णय

Fable 5 से कुल 7 प्रस्ताव थे।

मैंने 3 अपनाए।

मैंने जिन 4 को अस्वीकार कर दिया, उनमें से एक उदाहरण के लिए, "पोस्ट की संख्या दिन में 10 से बढ़ाकर 15 करने" का प्रस्ताव था।

तर्क सही था, लेकिन मैंने अतीत में पहले ही सत्यापित कर लिया था कि मेरे पाठक आधार के लिए, समयरेखा का दबाव बहुत मजबूत होगा और वे अंततः मुझे म्यूट कर देंगे, इसलिए मैंने इसे अस्वीकार कर दिया।

यदि आप सब कुछ निगल लेते हैं, तो सिस्टम AI सामान्यताओं की ओर झुक जाएगा और, इसके विपरीत, बिकना बंद कर देगा।

वास्तव में, मैंने अतीत में एक बार सभी प्रस्तावों को अपनाया था, और उस सप्ताह संख्या गिर गई।

भले ही प्रत्येक सही लगता हो, जब संयुक्त किया जाता है, तो यह "कहीं भी पाया जाने वाला खाता" बन जाता है।

AI अंतर खोजने में एक प्रतिभाशाली है, लेकिन "उस अंतर को अपनाना है या नहीं" का निर्णय लेने के लिए सामग्री—पिछला सत्यापन इतिहास और पाठकों की भावना—केवल आपके भीतर मौजूद है।

सिद्धांत ②: सुधारों को हमेशा "फाइलों" में प्रतिबिंबित करें

चैट में बस यह न कहें कि "अब से ऐसा करें" और इसे समाप्त करें; AI से सिस्टम फाइलों को ही फिर से लिखवाएं।

ऐसा करने का कारण सुधारों को संपत्ति में बदलना है।

चैट में निर्देश गायब हो जाते हैं, लेकिन फाइल में रखे गए निर्णय मानदंड अगली पीढ़ी से लेकर हर चीज के लिए प्रभावी बने रहते हैं।

मेरे मामले में, मैं भूमिका के आधार पर पुनर्लेखन स्थलों को विभाजित करता हूँ।

"किसे क्या बेचना है" कॉन्सेप्ट फाइल है, "किस पोस्ट को विकसित माना जाना चाहिए" मूल्यांकन मानदंड फाइल है, और "नोट को किस क्रम में लिखना है" संरचना फाइल है।

चूंकि मैं देख सकता हूँ कि प्रत्येक सुधार के साथ कौन सी फाइल बढ़ी है, ऐसा लगता है कि पूरा सिस्टम स्मार्ट और स्मार्ट होता जा रहा है।

सिद्धांत ③: अपस्ट्रीम से ठीक करें (कॉन्सेप्ट > पोस्ट > शब्द)

जब सुधार की बात आती है, तो आप डाउनस्ट्रीम से ठीक करना चाहते हैं, जैसे पोस्ट का शब्द।

हालाँकि, बिक्री के लिए प्रभावशीलता का क्रम "कॉन्सेप्ट > मूल्यांकन मानदंड > मुख्य संरचना > शब्द" है।

इस बार बिक्री दोगुनी होने का मुख्य कारण निस्संदेह अंतर ① का कॉन्सेप्ट भाग था।

कारण सरल है: एक अपस्ट्रीम स्थान वहाँ से उत्पन्न हर चीज़ को प्रभावित करता है, लेकिन एक डाउनस्ट्रीम स्थान केवल उस एक टुकड़े को प्रभावित करता है।

यदि आप कॉन्सेप्ट की एक पंक्ति ठीक करते हैं, तो भविष्य की सभी पोस्ट और नोट बदल जाएंगे। यदि आप पोस्ट का एक अंत ठीक करते हैं, तो केवल वही पोस्ट बदलती है।

यदि कार्यभार समान है, तो इसका उपयोग वहाँ करना बेहतर है जहाँ यह प्रभावी है।

आप डाउनस्ट्रीम को कितना भी पॉलिश करें, यदि कॉन्सेप्ट डिज़ाइन नहीं बिकता है, तो संख्या नहीं हिलेगी।

सिस्टम साइड के लोग हर बार AI के विकसित होने पर लाभ कमाते हैं

तो, अब क्या हो रहा है?

मैंने जून के मध्य में सुधारों को प्रतिबिंबित किया, और वहाँ से, दैनिक बिक्री लगभग दोगुनी पर स्थिर हो गई है।

सबसे प्रभावी हिस्सा निस्संदेह अंतर ① का कॉन्सेप्ट भाग था। इसे प्रतिबिंबित करने के तुरंत बाद, उत्पन्न सामग्री से "सेव → प्रोफाइल → खरीद" का प्रवाह स्पष्ट रूप से बदल गया।

काम का समय अपरिवर्तित रहता है, लगभग शून्य।

इस घटना ने मुझे एक बात का यकीन दिलाया:

जो लोग हर बार AI के विकसित होने पर सबसे अधिक लाभ कमाते हैं, वे "वे हैं जिनके पास सिस्टम है।"

Fable 5 का उपयोग कोई भी कर सकता है।

लेकिन जिन लोगों के पास "Fable 5 के सुधारने के लिए लक्ष्य" नहीं है, वे केवल तभी इसे आज़मा सकते हैं जब कोई नया मॉडल आता है।

ऐसे लोग हैं जो हर बार रिलीज़ होने पर एक नया मॉडल आज़माते हैं, कहते हैं "यह अद्भुत है," अपनी छाप पोस्ट करते हैं, और वहीं समाप्त हो जाते हैं।

और फिर ऐसे लोग हैं जो, हर बार जब कोई नया मॉडल आता है, तो इसे अपना सिस्टम पढ़ने देते हैं, इसे बेहतर बनाते हैं, और अपनी बिक्री के आंकड़ों को एक स्तर ऊपर उठाते हैं।

भले ही वे एक ही AI का उपयोग कर रहे हों, एक खपत है और दूसरा निवेश है।

चूंकि मेरे पास एक सिस्टम और डेटा था, इसलिए मॉडल के विकसित होने के दिन मेरी बिक्री हिल गई।

मॉडल विकसित होते रहेंगे।

छह महीने में, Fable 5 से स्मार्ट मॉडल बाहर हो जाएगा, और मैं फिर से वही काम करूँगा।

यह लूप ही एक संपत्ति है।

हर बार ऐसा होने पर, मेरा मानना है कि जिन लोगों के पास सिस्टम है और जिनके पास नहीं है, उनके बीच की खाई अविश्वसनीय गति से चौड़ी होगी।

मुझसे कभी-कभी पूछा जाता है, "क्या अब शुरू करना बहुत देर हो चुकी है?" लेकिन यह इसके विपरीत है।

देर से आने वाले लोग शुरुआत से ही एक स्मार्ट मॉडल के साथ सिस्टम बना सकते हैं, इसलिए वे उन हिस्सों को छोड़ सकते हैं जिनके साथ मैंने अतीत में संघर्ष किया था।

जब मैंने इस सिस्टम को बनाना शुरू किया, तो मुझे हर बार AI के आउटपुट को मैन्युअल रूप से ठीक करना पड़ता था, लेकिन अब इसे बनाने वाले लोगों को शायद ही उस प्रक्रिया की आवश्यकता होगी।

देर है या नहीं, यह प्रवेश के समय से तय नहीं होता है, बल्कि केवल इस बात से तय होता है कि क्या आप सिस्टम बनाना शुरू करते हैं।

अब, उन लोगों के लिए जिन्होंने यहाँ तक पढ़ा और सोचा, "मैं सिस्टम साइड पर जाना चाहता हूँ।"

वास्तव में, एक अविश्वसनीय परियोजना अभी चल रही है।

मैं "40 के दशक में एक गैर-तकनीकी गृहिणी को केवल Claude Code ऑटोमेशन का उपयोग करके, 30-मिनट-प्रति-दिन की सीमा के साथ 200,000 येन कमाने" नामक एक वास्तविक समय की चुनौती कर रहा हूँ।

जब आप सो रहे होते हैं, तो AI एक नोट लिखना समाप्त कर देता है, और जब आप सुबह उठते हैं, तो यह अपने आप बिक रहा होता है।

मैं सब कुछ दिखा रहा हूँ, विफलताओं सहित, कि कैसे "इसे पूरी तरह से AI पर छोड़ना और इसे आपके लिए कमाना" एक वास्तविकता बन रहा है।

शून्य से सिस्टम बनाने के चरण, कॉन्सेप्ट डिज़ाइन के लिए टेम्प्लेट, और वास्तव में कमाई करने वाले लोगों की गतिविधियाँ यहाँ साझा की जा रही हैं, इसलिए ईमानदारी से, मुझे लगता है कि यदि आप इसे नहीं देखते हैं तो आप चूक रहे हैं।

आप भाग लेकर क्या प्राप्त कर सकते हैं ↓

✅ 40 के दशक में एक गैर-तकनीकी गृहिणी की 0 से 200,000 येन प्राप्त करने की पूरी प्रक्रिया (ऐसे स्तर पर खुलासा किया गया है जिसे आप वैसे ही नकल कर सकते हैं)

✅ चुनौती में वास्तव में उपयोग किए गए Claude Code ऑटोमेशन की सामग्री का टिप्पणी कॉलम के माध्यम से वितरण

✅ AI x नोट बिक्री पर नवीनतम जानकारी (50 से अधिक लोग परिणाम रिपोर्ट कर रहे हैं; एक मामला जहाँ किसी ने जो जानकारी-संग्राहक था, एक महीने में 147,000 येन कमाए)

यहाँ भाग लें (पूरी तरह से मुफ्त, लोगों की संख्या पर सीमा है, इसलिए कृपया जल्दी शामिल हों)

https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ