
來源:Nick Saraev/YouTube
W 亂報 Re:Post · repost.w-w.club · 自家機房排版印行
相關收藏 · 編輯順手多剪的

影片 · YouTube
排版中

來源:Nick Saraev/YouTube
W 亂報 Re:Post · repost.w-w.club · 自家機房排版印行

影片 · YouTube
來源:影片畫面擷取自 YouTube/Nick Saraev(約 1:57:11)
後段再把同一套原則放進 Email、SMS、LinkedIn、X 與 Instagram。渠道不同,訊息長度、正式程度與可用的上下文也要跟著改;追蹤則不必重新寫一封大型提案,Saraev 自己通常採用一封初始信加一次簡短 follow-up。進入測試時,他建議每個版本先累積約 500 至 1,000 次寄送,再比較回覆率,而且每輪只更換少數元素,避免最後不知道是哪個改動造成差異。這些數量是他的實務經驗值,不是影片提供統計推導後得出的通用門檻。
即使 Saraev 的主要題材是 AI,他仍不建議把整封信交給模型重寫。他認為 AI 比較適合填入已驗證模板裡的小型變數,例如辨識對方主要經營的平台,或把公司全名、學校與地區改成真人平常會使用的稱呼;核心 offer、社會證明與說服結構仍由人處理。留言大多把影片當成可反覆查閱的操作手冊,也集中追問沒有既有客戶時如何補社會證明、每日寄信量、追蹤間隔與寄信工具;另一方面,也有人質疑部分示範信仍然太長。

來源:影片畫面擷取自 YouTube/Nick Saraev(約 3:47:00)

影片 · YouTube

影片 · YouTube