I det øyeblikket et team begynner å generere sosiale innlegg med AI, oppstår et nytt problem: innleggene er grammatisk perfekte og helt ansiktsløse. De kan tilhøre hvilket som helst SaaS-selskap, hvilket som helst byrå, hvilken som helst konsulent. Merkevarestemme er det som skiller outputen din fra den grå midten, og en AI-modell vil bare beskytte den hvis du koder stemmen i en form modellen kan lese og en den som gjennomgår kan score.
Denne guiden handler om koding og håndheving, ikke filosofi. Det forutsetter at du allerede har meninger om hvordan du høres ut og må lage en språkmodell som respekterer dem i stor skala.
Hvorfor modeller driver mot generiske
Store språkmodeller trenes til å produsere den statistisk gjennomsnittlige setningen. Når de er alene, griper de til «Lås opp kraften i», «I dagens hektiske verden» og «La oss dykke inn.» Disse frasene er standarden fordi de dukker opp overalt. Stemmen din er, per definisjon, ikke gjennomsnittlig, så uten eksplisitte begrensninger går modellen tilbake til gjennomsnittet på hvert utkast.
Tre krefter trekker AI-innlegg mot likhet:
- Vage instruksjoner. “Make it friendly and professional” beskriver 90 % av alle merker og gir modellen ingenting å handle på.
- Ingen negative eksempler. Å fortelle en modell hva den skal skrive er svakere enn å også fortelle den hva du aldri skriver.
- Tapt kontekst mellom utkastene. Hver generasjon starter på nytt, med mindre stemmedefinisjonen følger hver prompt.
Kod stemme som data, ikke adjektiver, ikke adjektiver
En brukbar taledefinisjon for AI har fire deler, og hver del bør være konkret nok til å teste et utkast mot.
| Komponent | Svak versjon | Kodbar versjon |
|---|---|---|
| Toneakser | “Selvsikker, men imøtekommende” | Formalitet 3/5, varme 4/5, humor 2/5, setningslengde kort |
| Leksikon | “Bruk våre merkeord” | Alltid: skip, bygg, team. Aldri: utnyttelse, synergi, løsninger |
| Setningsregler | “Vær tydelig” | Maks 22 ord. Ingen semikolon. Aktiv stemme. Led med verbet |
| Gulleksempler | “Høres ut som oss” | 8 ekte innlegg du ville publisert uredigert, 4 omskrivinger av utkast utenfor stemmen |
Toneaksene er viktigst for AI fordi de omdanner smak til tall som en prompt kan referere til og en den som gjennomgår kan sjekke. “Humor 2/5” betyr at én lett linje er greit, en meme-tekst er det ikke. Listen over forbudte fraser er det enkeltstående punktet med høyest innflytelse: en modell som vet «aldri skriv utnytt, sømløs, spillendrer, i dagens landskap» slutter umiddelbart å produsere de dårligste 20 % av generisk innhold.
Legg stemmen i hver prompt
En talefil som ligger i et delt dokument beskytter ingenting. Det må injiseres i genereringstrinnet. En praktisk promptstruktur ser slik ut:
Du skriver innlegg i sosiale medier for [selskap]. Stemme: formalitet 3, varme 4, humor 2. Bruk alltid disse ordene der det er naturlig: skip, bygg, team. Bruk aldri: leverage, sømløst, game-changer, dykk inn, lås opp. Setninger under 22 ord, aktiv stemme. Følg rytmen i disse tre eksemplene: [lim inn 3 gullstolper]. Utkast et LinkedIn-innlegg fra denne kilden: [lim inn kilde].
Gulleksemplene gjør mer arbeid enn reglene. En modell imiterer mønstre den kan se mye bedre enn reglene den må tolke, så tre limte innlegg på stemmen vil fikse mer avvik enn tre avsnitt med beskrivelse. Det er også her AI-prompter for sosiale medier og et vedlikeholdt bibliotek for sosiale medier : stemmeblokken blir en gjenbrukbar header på hver prompt.
Stemme betyr ikke identisk på tvers av kanaler
Å håndheve stemmen er ikke å flate den ut. Det samme merket kan være 3/5 formelt på LinkedIn og 2/5 på TikTok og fortsatt være utvilsomt seg selv, fordi leksikonet og listen over utestengtes forblir konstante mens toneaksene flekser. En nyttig regel: ordene og verdiene er faste, registeret flytter seg. En grunnlegger som skriver et skarpt LinkedIn-argument og den samme grunnleggeren som skriver en rask Instagram-krok, bør dele vokabular og synspunkt selv når setningslengden endres. Hvis du driver grunnleggerledede sosiale medier , fang den personens egentlige formuleringer som gulleksempler i stedet for å finne opp en bedriftsstemme de aldri vil høres ut som.
Forbered stemmen med et partitur, ikke en stemning
De som gjennomgår fanger off-voice utkast raskere når de vurderer mot de samme aksene som prompten brukte. En lett stemmemusikk før publisering:
- Les utkastet høyt. Hvis det høres ut som en pressemelding og du ville ha varme 4, så feiler det.
- Skann etter forbudte fraser. Ett treff er en automatisk revisjon.
- Sjekk leksikonet. Dukket minst ett merkeord opp naturlig? Tvangsinnsetting mislykkes også.
- Sammenlign med det nærmeste gulleksempelet. Samme rytme og selvtillit, eller merkbart kjedeligere?
Følg med på revisjonshastigheten for stemmens skyld over noen uker. Hvis 40 % av utkastene sendes tilbake for tone, er prompten din underspesifisert, ikke teamet ditt. Stram inn listen over forbudte og legg til de korrigerte utkastene som nye negative eksempler. Stemmehåndheving er en løkke: hvert off-voice-innlegg modellen produserer, er et manglende eksempel du kan sende tilbake til. Hold dette arbeidet tett innenfor dine bredere kvalitetsstandarder for innhold på sosiale medier og dine retningslinjer for merkevaren , som definerer de overordnede reglene dette stemmearbeidet ligger innenfor.
Slik passer Utin inn
Utin samler publisering i flere kanaler, støttede samtaler, analyse og støttet kampanjearbeid i Meta, Google og TikTok i én virksomhetsbasert arbeidsflate. Kom i gang med Utin hvis du vil samle organisk og betalt arbeid på tvers av kanaler.