我讓 LLM 幫忙校對。觀點和語氣，我自己留著！
上週在排 B2B SaaS 的內容時，我又差點把一篇文章整篇丟給 LLM 重寫。它回來的版本很順，句子也很完整，但讀完有一種很熟悉的感覺，像競品部落格、LinkedIn 貼文和我們自己的 landing page 混在一起。最麻煩的是，沒有人能指出哪一句錯了，卻也沒有人想分享它。
我後來看到 Simon Willison 轉述 Thomas Ptacek 的〈How To Write With An LLM〉，裡面有個做法很適合拿來改內容流程：讓 LLM 做事實、拼字、文法檢查，偶爾拿來找同義詞，但不要直接採用它建議的句子。對我來說，重點不是把 LLM 從寫作流程拿掉，而是把它的位置往後移。
我現在實際跑的流程
第一步，先關掉 LLM，自己寫三行東西：
- 這篇我要讓誰看見？
- 我真正想主張什麼？
- 讀者看完後，我希望他做哪個動作？
這三行不能交給模型代寫。因為它們決定內容的判斷，連同我在客戶訪談、廣告數據和銷售回饋裡看到的細節，都要先由我整理。通常我會再加一個具體例子，例如「試用註冊很多，但啟用率卡在 18%」，避免自己寫成一篇誰都能套用的效率文章。
第二步，自己完成一版粗稿。這版不用漂亮，但一定要有我的說法。我會保留一些不太工整的句子，因為那往往就是經驗的痕跡。以前我很怕文章看起來不夠專業，現在反而會先問，這句如果在會議上講出來，我會這樣講嗎？
第三步，才把稿子交給 LLM，而且只開三個任務：
校對，請它標出事實、數字、拼字、文法或語意不清的地方，只列問題，不要重寫全文。
反例，請它假設自己是 sceptical buyer，提出 3 個可能不相信這個主張的理由，並指出文章缺少哪個證據。
格式檢查，請它檢查標題是否清楚、段落是否過長、CTA 是否只有一個、手機閱讀時是否容易掃讀。
我會明確加一句：「不要直接提供替代句子。請說明問題，讓作者自己決定怎麼改。」這個設定很小，但差很多。LLM 仍然會忍不住丟一堆漂亮句子過來，我就把那些句子當提示，不複製貼上。
我做了 3 個版本的比較
為了確認這不是單純的心理作用，我拿同一個產品洞察做 3 個版本，找 6 位同事盲看。A 是我自己寫完直接發布，B 是 LLM 從 brief 直接生成，C 是我先寫觀點，再讓 LLM 做校對、反例和格式檢查。每個人只能選一篇「最像我們品牌，也最想繼續讀」。
A 得 2 票，B 得 1 票，C 得 3 票。這個樣本小到不能拿來宣稱任何外部結論，但足夠讓我調整流程。B 的問題很明顯，資訊完整，卻把原本的客戶痛點磨成很安全的行銷語。C 沒有比 A 多很多華麗句子，反而因為反例檢查，補上了「註冊不等於啟用」這個限制，讀起來比較像真的做過。
接著我把這套流程跑了兩週，回看 8 篇內容。先不看瀏覽量，因為那會被投放預算和分發位置干擾，我只看三個指標：CTA 點擊率、留言裡出現具體問題的比例，以及我自己修改文章的時間。前 4 篇平均 CTA 點擊率是 2.1%，後 4 篇是 2.8%；有具體問題的留言從 1 則增加到 3 則；修改時間則從每篇約 50 分鐘降到 32 分鐘。這些數字還不能證明流程一定有效，但至少告訴我，保留自己的判斷，沒有讓內容變慢。
目前最容易踩的坑
第一個坑是把「請幫我改善」當成 prompt。改善什麼？轉換率、可信度、可讀性，答案不同，改法就不同。現在我會把任務拆開，要求它只找問題，讓我保留決策權。
第二個坑是過度修正口語。曾經有一篇我寫「客戶其實沒那麼在意 AI」，LLM 建議改成「客戶對 AI 功能的需求相對有限」。後者沒有錯，但少了我真正想傳達的力道。我最後只修了前後段銜接，保留原句。
第三個坑是忘記驗證數字。LLM 可以幫忙找出文中數字彼此矛盾，卻不能替我證明 GA4 報表真的這樣顯示。數字、客戶案例和轉換率，還是回到原始資料確認。
我的工作版本可以濃縮成一句話：我先負責選擇要相信什麼，LLM 再負責挑戰我怎麼說。 內容團隊可以直接試 2 週，拿 3 個版本做盲測，再回看 4 個實際指標。只要最後一版還聽得出來是你，就代表工具放在對的位置了 🎯
作者：Stella