Rédigez une séquence de nurturing respectueuse du consentement avec des sorties claires, des approbations et des définitions de mesure.
Ce guide propose un workflow pour faire progresser les prospects inscrits à travers une séquence éducative utile. Il s'agit d'un modèle de planification, non d'un test en première personne, d'une garantie ou d'un substitut au jugement professionnel.
Vous avez besoin d'une base de consentement, de segments d'audience et d'un propriétaire d'email. Ne collez pas de mots de passe, de clés API, d'informations de santé, d'identifiants gouvernementaux ou de données client/employé non redoutées dans un service AI, sauf si votre organisation a explicitement approuvé ce traitement.
Entrée : offre approuvée, questions d'audience et politique d'envoi.
Résultat attendu : carte de séquence, brouillons d'emails et liste de contrôle QA.
La disponibilité des outils, le comportement du modèle, les limites du plan et les conditions peuvent changer. Vérifiez la documentation actuelle de chaque fournisseur et les paramètres de compte de votre organisation avant de configurer un workflow.
Rédigez une phrase décrivant la décision que ce travail doit soutenir : carte de séquence, brouillons d'emails et liste de contrôle QA. Listez ce qui est confirmé, ce qui est inconnu et qui peut approuver une version finale. Mettez des liens source à côté des affirmations matérielles ; le texte généré n'est jamais la source d'une affirmation.
Créez un paquet d'entrée contenant l'offre approuvée, les questions d'audience et la politique d'envoi. Supprimez les noms, les coordonnées directes, les informations d'identification de compte et tout matériel qui n'est pas nécessaire pour cette tâche. Par exemple, utilisez un lien source ou un ID d'enregistrement interne à la place d'un document confidentiel collé. Énoncez ce que la sortie ne doit pas faire : elle ne doit pas prendre une décision concernant une personne, ne pas publier automatiquement ou représenter une déclaration incertaine comme confirmée.
Remise : donnez le brief limité, le paquet d'entrée et le dossier source à la personne faisant le premier brouillon. Cette personne devrait pouvoir expliquer pourquoi chaque élément inclus est nécessaire.
Mapez chaque message à un segment consentant, une question utile et une seule action suivante. Incluez des vérifications de désinscription et de centre de préférences, un plafond de fréquence et un examen manuel des liens et des champs de personnalisation avant l'activation.
Dans ChatGPT, demandez un premier passage structuré, non une réponse finale. Une instruction utile est : « Utilisez uniquement le matériel ci-dessous. Produisez des titres, un tableau de preuves, des questions ouvertes et un brouillon. Étiquetez tout ce qui n'est pas soutenu par le matériel comme nécessite vérification. » Attachez les ID source à côté du paragraphe ou de la ligne pertinente.
Lisez le résultat ligne par ligne par rapport au paquet d'entrée. Supprimez les affirmations qui ne peuvent pas être retracées et séparez une hypothèse utile d'une décision. La sortie de travail à ce stade devrait être un brouillon lié à la source, non un atout poli.
Remise : transmettez le brouillon, les liens source et les questions non résolues au relecteur du domaine. Demandez au relecteur de répondre avec des corrections, du contexte manquant et un go/no-go explicite sur toute affirmation sensible.
Utilisez Claude pour organiser les modifications du relecteur en trois groupes : corrections requises, choix que le propriétaire responsable doit faire et améliorations optionnelles. Ne demandez pas au modèle de résoudre un désaccord ou déduire une approbation. Le propriétaire responsable décide quelle version devient la copie de travail approuvée.
Uniquez alors utilisez Zapier pour faire la sortie demandée : carte de séquence, brouillons d'emails et liste de contrôle QA. Gardez la copie de travail liée à la source à côté de la version formatée. Si une remise change de format, par exemple, de notes à un pont, un prototype ou un message automatisé, comparez les deux versions pour les qualificatifs supprimés, les chiffres altérés et l'accent visuel trompeur.
Si l'automatisation fait partie de l'étape finale, configurez une approbation humaine nommée avant que quoi que ce soit ne soit envoyé, publié ou modifie un enregistrement. Incluez une condition d'arrêt, une alerte d'erreur et un moyen d'inverser une action partielle sans supprimer la piste de preuves.
Remise : le propriétaire responsable signe la carte de séquence finale, les brouillons d'emails et la liste de contrôle QA.
Avant la sortie, confirmez :
L'AI peut omettre du contexte, produire des erreurs plausibles et refléter les biais du matériel auquel il est exposé. Ce workflow ne convient pas pour les décisions autonomes concernant les personnes, les conseils réglementés ou les actions irréversibles. Commencez par un petit échantillon et inspectez les frais basés sur l'utilisation, les crédits de génération, le stockage et les limites de sièges payants avant de passer à l'échelle.