內容創作

The Challenge

媒體公司、代理機構和品牌行銷部門的內容團隊面臨著對高品質、符合品牌風格的內容的不斷需求，需要跨越越來越多的管道——部落格文章、社群媒體、電子郵件活動、產品頁面、影片腳本等等。通用 AI 寫作工具可以快速產出語法正確的文字，但輸出讀起來就像是由同一個為每個品牌服務的匿名助手所撰寫。它缺乏獨特的聲音、編輯標準和機構知識，而這些正是將優質內容與填充內容區分開來的關鍵。

問題在規模化時更加嚴重。一家每週發佈數百篇文章的媒體公司或一個在數十條產品線上維護內容的品牌，無法手動將每篇 AI 草稿編輯成符合風格指南的內容。提示工程在邊際上有所幫助，但它無法教會模型在奢侈品牌的 Instagram 標題和投資者通訊之間的細微聲音差異。團隊最終花費在修正 AI 生成內容上的時間幾乎與從頭撰寫一樣多，完全抵消了生產力承諾。

The Solution

Ertas 讓內容團隊能夠建立專為其品牌設計的 AI 模型。透過 Ertas Studio，編輯和行銷團隊可以在精選的已核准過往內容資料集上微調基礎模型——已發佈的文章、品牌聲音指南、風格手冊、語調文件和高績效社群貼文。LoRA 適配器使維護多個聲音模型變得實際可行：一個用於企業部落格，另一個用於社群媒體，第三個用於技術文件。每個模型吸收定義品牌的詞彙、句子節奏和編輯偏好。

模型透過 Ertas Cloud 作為私有端點部署，直接整合到內容管理系統和編輯工作流程中。撰稿人將 AI 用作已經聽起來對味的初稿加速器，大幅縮短編輯週期。Ertas Hub 使內容團隊能夠在部門和代理機構之間進行版本控制、分享和迭代聲音模型，建立一個隨著每次微調週期而改進的活品牌聲音資產。結果是在品牌一致性方面實現 3-5 倍的內容產出量，即使在低量的情況下手動流程也難以達到這樣的一致性。

Key Features

Example Workflow

一個直接面向消費者的護膚品牌每月跨三條產品線發佈 40 篇部落格文章、200 則社群媒體貼文和 15 個電子郵件活動，每條產品線的聲音略有不同。行銷團隊匯出兩年的已核准內容——按產品線、管道和內容類型標記——作為 JSONL 資料集並上傳至 Ertas Vault。在 Ertas Studio 中，團隊從 Hub 選擇 Mistral-7B 基礎模型並微調三個 LoRA 適配器：一個用於專業護膚線的臨床權威聲音，一個用於日常產品的俏皮休閒語調，一個用於高端系列的奢華夢想氛圍。每個適配器作為私有 Cloud 端點部署，並透過自訂外掛連接到品牌的 Contentful CMS。撰稿人在起草前選擇產品線，AI 即生成已匹配正確聲音的初稿。編輯團隊報告每篇的編輯時間從 45 分鐘降至 12 分鐘，品牌聲音稽核分數——以內部一致性評分量表衡量——在所有管道上從 72% 提升至 94%。