همان ChatGPT، تو آن را باز میکنی، یک گزارش را داخلش میریزی و از او میخواهی که «آن را تبدیل به پاورپوینت کند» — خروجی ۳۰ اسلاید میشود که هر اسلایدش با متنِ پر شده، و رئیست فقط بعد از دیدن ۳ اسلاید میپرسد: دقیقاً میخواهی من چه چیزی را به خاطر بسپارم؟
اما شخص دیگری آن را باز میکند، ابتدا یک جمله از AI میپرسد، سپس از او میخواهد که اسلاید به اسلاید طراحی کند. پاورپوینتِ ساختهشده تمیز است، نتیجهگیری دارد و ریتم خوبی دارد. آن را در پلتفرمهایی مثل Xianyu و Upwork میگذارد و هر اسلاید را میتواند از ۵۰ تا ۱۵۰ یوآن بفروشد و قیمت کل بسته به هزاران یوآن میرسد.
ابزار دقیقاً یکی است، اما تفاوت در این گام نهفته است: «اول نتیجهگیری را مشخص کنیم، یا اول متن را چیدمان کنیم؟»
بسیاری فکر میکنند «ساخت پاورپوینت» یک کار جانبیِ قدیمیِ ده سال پیش است که مدتهاست اشباع شده و دیگر سودی ندارد. اما واقعیت این است: AI سدِ این کسبوکار قدیمی را به زیرِ صفر رسانده و در عوض، برای کسانی که بلدند از آن استفاده کنند، یک حاشیه سودِ بزرگتر ایجاد کرده است. این مقاله برایت میشکافد که: چرا در عصر AI، ساخت پاورپوینت در واقع راحتتر شده، درآمد واقعی چقدر است، چگونه با یک پرامپت کل فرآیند تحویل را مدیریت کنیم و چطور امروز اولین پروژهات را بگیری.
اکثر افراد وقتی از AI برای ساخت پاورپوینت استفاده میکنند، از همان ابتدا مسیر اشتباهی را انتخاب میکنند.
روش رایج این است که یک متن طولانی را به AI بدهید و از او بخواهید آن را «صفحهبندی» کند. AI هم خیلی حرفگوشکن است؛ متن را به ۲۰ بخش تقسیم میکند و هر بخش را میگذارد روی یک صفحه. نتیجه؟ صفحات زیاد، اطلاعات زیاد، اما مخاطب نمیفهمد اصلاً میخواهید چه چیزی را ثابت کنید! مشکل از AI نیست، مشکل از دستور اشتباهی است که به او دادهاید: یک ارائه (PPT) باید باعث شود مخاطب یک چیز را به یاد بسپارد؛ دایرکت ریختن تمام اطلاعات در آن فقط کار را خراب میکند.
یک ارائه واقعاً مؤثر، منطق برعکسی دارد: اول نتیجهگیری را مشخص کنید، بعد شواهد و توالی مطالب را بچینید؛ اول منطق را حل کنید، بعد سراغ ظاهر و صفحهآرایی بروید.
تفاوت دقیقاً در یک پرامپت (دستور) است. وقتی مواد اولیه را به AI دادید، عجله نکنید و از او نخواهید سریعاً آن را صفحهبندی کند؛ اول این بخش را به دستور اضافه کنید:
اول تصمیم بگیرید در این ارائه، مخاطب بالاتر از همه چه چیزی باید به یاد بسپارد، بعد کل ارائه را دور این هدف طراحی کنید. صفحات را به ترتیب متن اصلی تقسیم نکنید و محتوا را بهطور مکانیکی فشرده نکنید. لطفاً برای هر صفحه، عنوان، پیام اصلی، نمودار پیشنهادی، ساختار صفحه و نکات کلیدی ارائه شفاهی را جداگانه بیان کنید. هر صفحه فقط باید یک وظیفه داشته باشد و بین صفحات باید رابطه علت و معلولی، پیشرونده یا متضادِ کاملاً مشخصی وجود داشته باشد.
(این بخش را نیازی نیست تغییر دهید؛ دقیقاً همانطور که هست کپی کنید و برای AI بفرستید. اصلاً مهم نیست اگر اصطلاحاتی مثل «ساختار صفحه» یا «نکات کلیدی ارائه شفاهی» را نمیفهمید، AI میفهمد.)
کاری که این پرامپت میکند فقط یک چیز است: AI را مجبور میکند از حالت «صفحهبندی بر اساس ترتیب متن اصلی» به حالت «طراحی بر اساس مسیر شناختی مخاطب» تغییر مسیر دهد. هر صفحه فقط یک موضوع را پوشش میدهد و صفحات مثل داستانگویی، یکییکی دیگری را به جلو میرانند. همین کافی است. به این ترتیب، شما یک اسکلت ارائه (PPT) با منطق درست و قابل ارائه حرفهای خواهید داشت؛ بقیه کارها مثل پر کردن محتوا، افزودن تصاویر و تنظیم استایل، مثل روان کردن روی شیب است و خودکار پیش میرود.
به این حرفها که «ساخت PPT دیگر قدیمی شده» یا «ماهی ۱۰۰ هزار یوآن درآمد داشتن خیلی راحت است» گوش ندهید. وضعیت واقعی بازار در سال ۲۰۲۶ یک نردبان کاملاً روشن است (بر اساس دادههای بازار عمومی ساخت PPT در چین تنظیم شده، فقط به مقیاس اعداد توجه کنید):
یک مجموعه گزارش تجاری ۲۰ صفحهای، با محاسبه ۸۰ یوآن برای هر صفحه میشود ۱۶۰۰ یوآن؛ اگر هفتهای دو پروژه بگیرید، ماهی بیش از ۱۰ هزار یوآن درآمد داشتن اصلاً دور از ذهن نیست — اما باید بدانید پشت این «بیش از ۱۰ هزار»، بیش از ده ساعت کار دستی در هفته نهفته است که در ادامه برایتان محاسبه میکنیم. و هزینههای شما چیست؟ نسخه Pro گاما ماهی ۱۸ دلار (معادل کمی بیش از صد یوآن) است و قالبهای آماده در iSlide و WPS داخلی هم کاملاً کفایت میکنند. هزینه ماهانه ابزار به قیمت یک فنجان قهوه است، اما قیمت هر سفارش بیش از دهها برابر آن است. ساختار «ابزار کمهزینه + تحویل با قیمت بالا»، بزرگترین سودی است که هوش مصنوعی برای کسانی که دنبال یک شغل جانبی هستند به ارمغان آورده است.
مقایسه افقی همهچیز را شفافتر میکند: برخی با استفاده از هوش مصنوعی لوگو طراحی میکنند و با افتتاح فروشگاه در شیانیو (Xianyu) ماهانه بیش از ۵۰۰۰ درآمد دارند؛ برخی دیگر با تولید متن برای کسبوکارها در شیائوهونگشو (Xiaohongshu) سفارش میگیرند و ماهانه بیش از ده هزار یوآن دست میزنند. اما میانگین مبلغ هر سفارش ساخت PPT از هر دوی اینها بالاتر است؛ زیرا مشتری پولی که میپردازد بابت «چند تصویر ساختن» نیست، بلکه بابت این است که «هفته آینده باید روی سنار بروم و اگر خراب کنم، آبرویم میرود». هرچه به «اضطرابِ یک موقعیت مهم» نزدیکتر باشید، جراتِ بیشتری برای دریافت دستمزد بالاتر خواهید داشت.
فقط داشتن پرامپت کافی نیست، باید کل فرآیند را بهصورت عملی اجرا کنید. من آن را به ۴ گام تقسیم کردهام؛ مبتدیها هم میتوانند دقیقاً طبق همین مسیر پیش بروند و کار را شروع کنند:
۱. تجزیه نیاز (مهمترین و نادیدهگرفتهشدهترین گام). بهمحض گرفتن سفارش، سراغ کار نرو. اول سه چیز را دقیقاً بپرس: موقعیت (دفاع از پایاننامه / ارایه عملکرد / رودشو / آموزش)، مخاطب (رئیس / مشتری / داوران) و زمان (۵ دقیقه یا ۳۰ دقیقه). موقعیت، سطح جدیت را تعیین میکند؛ مخاطب، تراکم اطلاعات را؛ و زمان، تعداد اسلایدها را. همین سه سوال نشان میدهد که از ۸۰٪ رقبایت حرفهایتری هستی و مشتری حس میکند «این آدم سرِ کارش را میداند».
۲. تولید طرحنمای اولیه با AI (با همان پرامپت بالا). مواد اولیه و پاسخ همان سه سوال را به AI بده؛ اول بگذار نتیجهگیری کند، بعد ساختار هر صفحه را طراحی کند. خروجی، یک نسخه منطقیِ «یک وظیفه برای هر صفحه» است (هنوز فایل نهایی PPT نیست، اما استخوانبندی سر جایش مینشیند).
۳. پر کردن هر صفحه + تصویرسازی. وقتی استخوانبندی آماده شد، از AI یا Gamma بخواه هر صفحه را به محتوای مشخص بسط دهد؛ برای نمودارها نوع پیشنهاد بده و تصاویر را با AI تولید کن یا از عناصر قالبها استفاده کن. در این مرحله ابزارها بیشترین صرفهجویی را میکنند: Gamma و iSlide هر دو میتوانند مستقیماً طرحنما را به صفحات نهایی تبدیل کنند.
۴. خروجی + تنظیمات ریز + متن سخنرانی. فایل را به صورت PPT/PDF خروجی بگیر و دستی همترازی و رنگبندی را بررسی کن. اینجا نمیتوان تنبلی کرد: خروجی مستقیم AI برای «نسخه پایه» کافی است، اما اگر میخواهی نسخه فاخر را ۵۰–۱۵۰ یوآن به ازای هر صفحه بفروشی، باید دو-سه ساعت دیگر بگذاری و همترازی را به سطح پیکسل برسانی، رنگبندی را یکدست کنی و نمودارها را از نو بکشی. برای یک ست ۲۰ صفحهای، مجموع زمان دستیات حدود ۶–۸ ساعت میشود؛ یعنی ساعتی чуть بیش از ۲۰۰ یوآن — سود نجومی نیست، اما پایدار و پولساز است. بعد از AI بخواه «نکات کلیدی گفتار» هر صفحه را به یک متن سخنرانی پیوند دهد؛ با تحویل این متن سخنرانی، میانگین مبلغ هر سفارش را یک پله دیگر بالا میبری. ترس واقعی مشتری از زشتی PPT نیست؛ از این است که روی صحنه نمیداند چه بگوید.
حرفهایها هرگز فقط روی یک کانال تمرکز نمیکنند. با اجرای موازی این دو مسیر، درآمدتان دو برابر میشود:
حجمسازی در داخل چین: در شیانیو (Xianyu) آگهی «ساخت PPT / ساخت PPT با AI» ثبت کنید، در شیائوهونگشو (Xiaohongshu) نمونهکارهای «PPT گزارش با AI» منتشر کنید تا ترافیک جذب کنید، و در تاوبائو (Taobao) فروشگاهی راه بیندازید و پکیجهای استاندارد بفروشید. در بازار داخلی، ارزش هر سفارش پایین اما تقاضا بسیار متراکم است؛ ایدهآل برای عادت کردن به روند کار و انباشت نمونهکار است.
درآمد دلاری از بازارهای خارجی: در Upwork و Fiverr عبارتهای “PowerPoint presentation” و “pitch deck” را جستجو کنید. ارزش هر سفارش در بازارهای خارجی بسیار بالاتر است: قیمت یک پروژه pitch deck معمولاً بین ۵۰۰ تا ۲۰۰۰ دلار است و سفارشهای بالای هزار دلار بسیار رایج هستند (بر اساس دادههای علنی Upwork و بررسی قیمتهای شخص ثالث)؛ میانگین هر سفارش PPT در Fiverr بین ۶۰ تا ۹۰ دلار است. در مورد کارمزدها، از می ۲۰۲۵، Upwork کارمزد ثابت ۱۰٪ را به نرخ شناور ۰٪ تا ۱۵٪ تغییر داده است؛ اگر در چانهزنی مهارت داشته باشید، میتوانید کارمزد را پایینتر بیاورید؛ Fiverr نیز بهطور ثابت ۲۰٪ کارمزد کم میکند.
اما سد واقعی ورود به بازارهای جهانی، زبان انگلیسی نیست. ترجمه PPT انگلیسی توسط AI مشکلی ندارد؛ آنچه مخاطبان خارجی روی آن حساس هستند، منطق تجاری، ساختار داستان و سلیقه رنگآمیزی شماست. این سه مورد را AI نمیتواند جایگزین کند. علاوه بر این، کارهای مربوط به ثبتنام در Upwork و دریافت دلار، بهقدری زمانبر است که برای افراد تازهکار در دو هفته اول، دریافت حتی یک سفارش کاملاً غیرعادی نیست. بنابراین، ورود به بازارهای جهانی گزینهای مناسبتر برای زمانی است که شما پیشتر در داخل کشور چند سفارش را با موفقیت انجام داده و یک نمونهکار حرفهای جمعآوری کردهاید؛ قمار روی بازارهای خارجی را به عنوان اولین قجرت انجام ندهید.
منتظر «یادگرفتن و بعد شروع کردن» نباشید. تنها مانع این شغل جانبی، اراده شما برای دست به کار شدن است:
دو هفته اجرا کن. اگه سفارش گرفتی، یعنی فرآیند جواب داده؛ حالا میتونی قیمتها رو برای طراحی حرفهای و سفارشهای اختصاصیِ سطح بالا بالا ببری. اگه سفارش نگرفتی، فقط یک آخر هفته وقتت رو صرف کردی؛ یک حوزهٔ niche دیگه رو انتخاب کن (مثلاً فقط «PPT برای کلاسهای آنلاین معلمان» یا «PPT برای پیچرونما (Pitch Deck) کارآفرینان») و دوباره از نو شروع کن.
رازِ بیرحمانهٔ این کسبوکارِ ساخت PPT اینجاست: همه دارند از AI برای ساخت PPT استفاده میکنند، اما اکثریت قاطع در مرحلهٔ «به AI میگم متنهام رو صفحهبندی کن» متوقف میشوند؛ کسانی که واقعاً پول درمیآورند، اقلیتی هستند که حاضرند یک قدم جلوتر بروند و این سؤال رو بپرسند: «تماشاگران قرار است در نهایت چه چیزی را به یاد بسپارند؟» همین یک قدمِ فرق، همان مرزِ بین خودت رو گول زدن و ۱۵۰ یوان برای یک اسلاید است.
]]>یک ChatGPT واحد؛ تو آن را باز میکنی تا گزارش هفتگی بنویسی، ایمیلها را صیقل بدهی و چند شوخی برای استوریهایت درست کنی؛ اما شخص دیگری آن را باز میکند، یک پرامپت (Prompt) تنظیمشده را در بازار به فروش میگذارد، بیش از ۷۰۰ بار دانلود میشود، سپس با آن سفارشهای اختصاصی میگیرد و در یک ماه ۵۸۰۰ دلار به جیب میزند.
ابزار دقیقاً یکی است، اما این تفاوت سرسامآور در کلمه «پرامپت» (Prompt) نهفته است.
خیلیها فکر میکنند فروش پرامپت یک خبر قدیمیِ سال ۲۰۲۳ است؛ آن زمانها واقعاً به حدی فراوان شده بود که با کپی کردن چند جمله کلیشهای مثل «تو یک متخصص ارشد کپیرایتینگ هستی» و قیمتگذاری ۴.۹۹ دلاری روی آن، ادعای درآمد میلیونی میکردند. اما واقعیت این است: در سال ۲۰۲۶، این کسبوکار نه تنها نمرده، بلکه با رشد سالانه حدود ۳۰ درصد رو به بالا است (بر اساس تخمین نهادهایی مانند The Business Research Company در مورد «بازار مهندسی پرامپت»، مقیاس آن به چند میلیارد دلار رسیده است). فقط پول جابهجا شده است؛ پول از «فروش یک پرامپت تکی» به سمت «فروش پکیجهای پرامپت و ورکفلوها» منتقل شده است. آن شیوههای قدیمی سال ۲۰۲۳ اگر هنوز هم استفاده شوند، فقط هدر دادن وقت شما هستند.
این مقاله برای شما میشکافد: چرا این «کوچکترین کسبوکارِ عصر AI» یعنی فروش پرامپت هنوز هم کار میکند، واقعاً چقدر درآمد دارد، استراتژیهای جدید سال ۲۰۲۶ چیست و یک تازهکار که حتی یک پرامپت هم ندارد، امروز چگونه باید شروع کند.
ابتدا به تیرترین و دلنشینترین سؤال پاسخ میدهیم: کسی که خودش میتواند تایپ کند، چرا باید پولی بدهد و چند جملهای که شما نوشتهاید را بخرد؟
پاسخ دقیقاً همانند این است که چرا مردم «پریستهای Photoshop»، «قالبهای Canva» یا «فیلترهای Lightroom» میخرند — آنها کیفیت و صرفهجویی در زمان را میخرند، نه آن چند خط متن را. یک کاربر عادی برای اینکه بتواند با AI تصویر قابلاستفادهای تولید کند یا متنی بنویسد که باعث ضرر نشود، اغلب باید دهها بار آزمون و خطا انجام دهد. یک پرامپت (Prompt) که بهخوبی تنظیم شده باشد، در واقع «دهها بار آزمون و خطا» را در یک اقدام ساده کپیپیست بستهبندی میکند.
از منظر تجارت، پرامپت تقریباً یک محصول دیجیتال بینقص است:
آنچه ماجرا را جذابتر میکند، طرف تقاضا است — خریداران نهتنها کارایی، بلکه نوعی آرامش روانی برای «مقابله با اضطراب» را میخرند. این طرز فکر که «من نمیتوانم خوب از AI استفاده کنم نه بهخاطر ضعف من است، بلکه چون پرامپت درست را پیدا نکردهام» یا «خریدن یک مشت پرامپت = من حالا بلدم از AI استفاده کنم» — همینکه این ذهنیت شکل بگیرد، بیرون کشیدن پول از جیبشان کاملاً طبیعی و بیدردسر میشود. راستش را بخواهید، خیلیها پرامپت نمیخرند برای کارایی، بلکه برای آن آرامش خاطرِ «من هم از AI استفاده کردم» میخرند؛ و دقیقاً همین آرامش خاطر، راحتترین چیزی است که میتوان برای آن پول گرفت.
نه به حرفهای “با قرار دادن آن در ماه درآمد هزاران دلار” و نه به حرفهای “این کار از دست رفته است و درآمد نمیشود”. درآمد واقعی سال 2026 یک阶بندی crystal-clear است (بر اساس قوانین PromptBase و بازگشتی از فروشندگان خارجی که درآمد را بر اساس سطح درآمد میدهند):
یک نکته مهم وجود دارد: پلتفرم PromptBase 20% از درآمد را میگیرد و شما 80% را میگیرید. این یعنی هزینه خطای شما تقریباً صفر است و تنها هزینه شما زمان شما است.
دو نمونه بهت میدم (هر دو روایت خودِ فروشندهست، پلتفرم تأیید نکرده؛ بهعنوان مرجعِ حجم در نظر بگیر، بهعنوان قولِ قطعی نه). نمونه اول: کسی توی PromptBase پرامپتهایی با میانگین قیمت ۳ دلار گذاشته، بیش از ۷۰۰ بار فروخته — این آیتمِ تکتک حدود ۱۶۰۰ دلار درآمد داشته (بعد از کسر ۲۰٪ پلتفرم). اما بخشِ اصلیِ سودِ واقعیاش، استفاده از همان مهارت برای گرفتن سفارشهای اختصاصی با نرخ ۲۵ دلار در ساعت بوده که در مجموع درآمد ماهانهاش رو به حدود ۵۸۰۰ دلار رسونده. به ساختار اینجا دقت کن: خودِ پرامپت فقط پولِ خُردی بهم آورده؛ کارِ واقعیاش این بوده که نقش کارتِ ویزیت رو بازی کنه و آدمها رو به سفارشِ اختصاصی با میانگینِ سبدِ بالا بکشونه — این دقیقاً همون «موشکِ سهمرحلهای»ئه که قراره ادامهً توضیحش بدم. نمونه دوم: میانگین قیمت ۴ دلار، مجموعِ بیش از ۱۰۰۰ فروش، درآمدِ خالصِ پلتفرم حدود ۳۲۰۰ دلار، که با سفارشِ اختصاصی و توزیعِ چندپلتفرمی روی Etsy و Ko-fi ترکیب شده و درآمد ماهانه رو به ۶۰۰۰ تا ۸۰۰۰ دلار رسونده.
پس این ۵۸۰۰ دلارِ توی عنوان، «فقط از فروشِ پرامپت» بهدست نیومده؛ از ترکیبِ «جذبِ ترافیک با پرامپت + تحویلِ سفارشِ اختصاصی» حاصل شده — این نکته رو اول باید درک کنی، وگرنه همون ابتدا ناامید میشی.
این مهمترین بخشِ قضاوتِ کلِ مقالهست. فروشندههایی که توی ۲۰۲۶ واقعاً پول درمیارن، هیچکدومشون با «گذاشتنِ ۴.۹۹ دلار برای یک خط متن» به پول نرسیدن. قواعدِ بازی سه سطح ارتقا پیدا کرده:
لایه اول: ارتقا از «فروش تکمحصول» به «فروش سیستم». چیزی که الان بهطور پایدار فروش میرود، یک پکیج پرامپت (Prompt) تخصصی با قیمت $29 تا $69 است — نه یک جمله ساده مثل «تو یک متخصص کپیرایتینگ هستی»، بلکه شامل پرامپت + راهنمای استفاده + نمونه خروجی + متغیرهای قابل جایگزینی + اشتباهات رایج. تو دیگر فقط یک متن نمیفروشی، بلکه یک سیستم میفروشی که دیگران فقط با اجرای آن به نتیجه میرسند.
لایه دوم: ارتقا از «اتکا به پلتفرم» به «موتور سهمرحلهای». اگر فقط روی مارکتپلیسها بفروشی، همیشه زیر دست پلتفرم درآمدت کسر میشود و گروگانِ الگوریتم آنها هستی. حرفهایها اینطور ساختارش را میچینند:
همان نمونه $5800 دلاری قبلی، دقیقاً همین سیستم را اجرا کرده بود — پرامپتها در پلتفرم سود خرد میسازند و اعتبار جمع میکنند، و خدمات سفارشی در فضای خصوصی سود کلان را رقم میزنند. با ترکیب این سه لایه، درآمدت از «چند صد دلار» به «چند هزار و دهها هزار دلار» پرش میکند.
لایه سوم: ارتقا از «فروش پرامپت» به «فروش گردش کار». این بزرگترین تغییر سال ۲۰۲۶ است — مدلها هوشمندتر و هوشمندتر میشوند و پرامپتهای ساده در حال افت ارزش هستند؛ اما یک فرآیند کامل که از ترکیب «پرامپت + اتصال ابزارها + اتوماسیون» ساخته شده باشد، ارزشش در حال انفجار است. یک مثال ملموس: یک پرامپت برای «نوشتن متن محصول» را در نظر بگیرید؛ با استفاده از ابزارهایی مثل Coze، Dify و n8n، در ابتدای آن یک جمعآورنده خودکار برای استخراج عنوانهای رقبا قرار میدهید و در انتهای آن یک خروجی برای انتشار خودکار در Xiaohongshu / Shopify میگذارید — این دیگر یک ماشین مستقل شده که خودش کار میکند؛ شما دیگر متن نمیفروشید، بلکه این ماشین را میفروشید. هماکنون فروشندگانی هستند که اینگونه قالبهای گردش کار را در بازارها قرار دادهاند و تنها از طریق حق امتیاز دانلود، ماهانه هزاران دلار درآمد دارند. این لایه نیازی ندارد که همین امروز آن را اجرا کنید، اما باید جهت را بدانید: پرامپتها افت ارزش خواهند کرد، و کارِ «تبدیل پرامپتها به فرآیندهای قابل استفاده مجدد» در حال تبدیل شدن به یک نیاز جدید و ضروری است — این است مسیر واقعیِ ارزش سرمایهگذاری در سال ۲۰۲۶.
بهمحض شروع، در پی ساخت گردش کار Agent نباشید؛ آن مربوط به لایه سوم است. اول یک حداقل اعتبارسنجی (MVP) انجام دهید:
AI برای پولدار شدن/تبلیغ در تجارت الکترونیکی
اولین提示词 خود را بسازید. اگر مثل من، معمولاً از AI برای “تدوین گزارش هفتگی” و “润ش این جمله” استفاده میکنید، فکر میکنید که چیزی در دست ندارید - نترسید. تمام چیزهایی که این هفته از AI اصلاح کردهاید (گزارش هفتگی، گزارش عملکرد، سند قیمت، پاسخ به مشتری) را به یک نسخه مدل ثابت تبدیل کنید: نقش + فرمت ورودی + الزامات خروجی + یک نمونه واقعی. این نسخه، اولین انتخاب شما برای提示词 است.
یک زیرگروه نهایت را انتخاب کنید. معیار قضاوت بسیار ساده است: آیا در اطراف خود یک گروه خاصی وجود دارد که در انجام یک کار خاص AI را استفاده میکنند؟ برای مثال “معلم ابتدایی برای نوشتن سخنرانی برای والدین”، “موسسانه ملک برای نوشتن توصیف ملک”، “فروشنده بین المللی برای نوشتن پاسخ به مشتری در انگلیسی” - هرچه زیرگروه نهایت باشد، بهتر است. این گروهها را پیدا کنید و آنها را به یک کلمه خلاصه کنید. برای مثال “نوشتن سخنرانی برای والدین”، “نوشتن توصیف ملک” و غیره.
این提示词 را به یک سیستم کوچک تبدیل کنید. این سیستم چیست، چگونه ورودی را تغییر میدهد، دو نمونه واقعی خروجی را نشان میدهد و هشدارهای خطر را میدهد.
آن را نصب کنید + ترافیک. برای خارج از کشور از PromptBase / Gumroad استفاده کنید. برای داخل کشور، به همان روش عمل کنید. ابتدا یک بسته $29–39 (29–69 ریال) را نصب کنید و سپس یک محتوای تبلیغاتی برای جذب مشتری ارسال کنید.
دو هفته دادهها را پایش کنید. اگر کسی پول پرداخت کرد، یعنی نیچ را درست انتخاب کردهاید؛ حالا به لایه دوم و سوم ارتقا دهید. اگر هیچکس خرید نکرد، شما هم فقط یک آخر هفته وقت تلف کردهاید؛ یک نیچ دیگر را امتحان کنید.
نقطهای از کسبوکار پرامپتنویسی که بهشدت بیرحم است، دقیقاً همان چیزی است که آن را جذاب میکند: سد ورود به پایینترین حد ممکن است و تقریباً هر کسی میتواند وارد شود؛ به همین دلیل، اکثریت قاطع افراد وارد میدان میشوند، دو پرامپت میفروشند و سپس بیخیال میشوند. اما آن اقلیت کمی که واقعاً میمانند، یک تست ۴.۹۹ دلاری را آرامآرام به یک کسبوکار پولسازِ نیچ تبدیل میکنند که ماهانه چند هزار دلار درآمد ثابت دارد.
ابزارها در دستان همه است. تفاوت در این نیست که آیا میدانید با AI کار کنید یا نه؛ تفاوت در این است که آیا اراده دارید همان یک پرامپتی که برایتان خوب جواب داده را در یک آخر هفته بستهبندی کرده و برای فروش بگذارید — اول اولین فروش را رقم بزنید، بعد برای ارتقا حرف بزنید.
]]>حتماً این لحظه ناامیدکننده را تجربه کردهاید: هفته پیش دیدید که یک شرکت رباتسازی سرمایه کلانی جذب کرده، اما امروز که میخواهید با کسی دربارهاش حرف بزنید، هر چه میگردید نمیتوانید دقیقاً پیدا کنید چقدر سرمایه جذب کرده، چه کسانی سرمایهگذار بودند و ارزشگذاری چقدر بوده. دهها اکانت عمومی، سه چهار سایت انگلیسی، دو سه گروه صنعتی را زیر و رو میکنید، اطلاعات اینجا و آنجا پراکنده است، اعداد با هم تناقض دارند، و فقط برای “تطبیق دادن” یک شب کامل وقت میگذارید.
دردناکتر اینجاست: جدولی که یک شب کامل برای درست کردنش وقت گذاشتهاید را در گروه میفرستید، و زیرش یک عالمه “خدا خیرت بده” میآید. شما برای همه وقت صرفهجویی کردهاید، اما خودتان یک ریال هم در نیاوردهاید.
فرصت پول درآوردن هیچوقت در “دسترسی به اطلاعات بیشتر” نیست، بلکه در “مرتب کردن اطلاعات پراکنده و فروختن آن به کسانی که وقت مرتب کردن ندارند” است. در هر حوزهای که سریع پیش میرود، یک نفر دارد همان کار را میکند: یک پایگاه اطلاعاتی درست میکند که بشود در آن جستجو کرد، مقایسه انجام داد و سرنخها را دنبال کرد، و بعد برایش پول میگیرد. قبلاً برای این کار باید یک تیم میگرفتید؛ در سال ۲۰۲۶، یک نفر + یک عالمه هوش مصنوعی کافی است.
این مقاله را برایت مو به مو باز میکنم: این کسبوکار “محصول اطلاعاتی پولی” چطور کار میکند، چقدر میشود درآورد، چطور از صفر راهش بیندازی، و بزرگترین تلههایش کجاست.
اول سه نمونه واقعی را ببین تا بفهمی سقف این کسبوکار “مرتبسازی اطلاعات” چقدر بالاست:
آیا متوجه شدید؟ آنها “اطلاعات” را نمیفروشند، بلکه “زمان ذخیرهشده” را میفروشند. چیزی که سرمایهگذاران و کارآفرینان بیش از اطلاعات کم دارند، جدولی است که بعد از دیدنش بتوانند تصمیم بگیرند. شما صدها گزارش را فشرده میکنید و به یک جدول قابل مرتبسازی و مقایسه تبدیل میکنید، و آنها حاضرند ماهانه مبلغی به شما بپردازند.
و بزرگترین متغیر در سال ۲۰۲۶ این است: AI کار سنگین “مرتبسازی صدها منبع” را بر عهده گرفته است. قبلاً این کار نیاز به استخدام نیرو برای نظارت روزانه و کپیپیست داشت؛ حالا یک نفر که بلد باشد با AI کار کند، میتواند از پسش بربیاید. اما راستش را بخواهید—هزینه از بین نرفته، فقط از “استخدام برای ورود داده” به “نظارت بر AI که اشتباه نکند” منتقل شده است، این بخش را بعداً در قسمت مشکلات باز میکنم. آستانه ورود واقعاً پایین آمده، اما بیشتر مردم حوصله ندارند اول ۵۰ منبع لیست کنند، بعد ۱۰۰ ردیف داده استخراج کنند، و روز سوم میروند سراغ دیدن ویدیوهای کوتاه. پس این کسبوکار، الان تعداد کمی واقعاً انجامش میدهند.
موفقیت این کسبوکار ۸۰٪ به مسیری که انتخاب میکنید بستگی دارد. هر حوزهای ارزش ساخت پایگاه اطلاعاتی را ندارد. یک مسیر خوب باید همزمان سه شرط داشته باشد:
بر اساس این سه معیار، هوش مصنوعی تجسمیافته / رباتهای انساننما در حال حاضر بهترین نمونه از یک حوزهی پرپتانسیل هستند:
این حوزه هر سه معیار را کاملاً پوشش میدهد: هر روز اخبار جدید از تأمین مالی / محصولات جدید / مقالات علمی منتشر میشود (اطلاعات زیاد است)، اطلاعات در دهها رسانهی انگلیسیزبان + مقالات علمی + وبسایتهای رسمی پراکنده است (اطلاعات پراکنده است)، و سرمایهگذاران و فعالان این حوزه وقت بسیار گرانبهایی دارند و تمایل بالایی به پرداخت پول دارند (ارزشمند است).
اگر فکر میکنید رباتها از شما خیلی دور هستند، یک مثال بزنم که کاملاً در دسترستان است: پایگاه داده محصولات پرفروش跨境电商 (ساختاریافته از محصولات داغ هفته گذشته در TikTok Shop / Shopee، میزان فروش، قیمتها و زنجیره تأمین)، پایگاه داده موارد موفق ابزارهای هوش مصنوعی (چه کسی با چه ابزاری چقدر درآمد داشته و چطور این کار را کرده)، یا پایگاه داده پلاگینها/قالبهای یک SaaS عمودی خاص. منطق دقیقاً یکسان است—تا زمانی که آدمهای آن حوزه هر روز از “ناقص بودن اطلاعات” و “عدم تطابق دادهها” سردرد بگیرند، فرصت شما آنجاست.
برعکس، به چه چیزهایی دست نزنید: شایعات سرگرمکننده (اطلاعات زیاد اما بیارزش)، حوزههایی که قبلاً یک پایگاه داده رایگان و باکیفیت درست شده (شما تمایزی ندارید)، و صنایعی که خیلی کند تغییر میکنند (هفتهای یک آپدیت، مشترک نگه نمیدارد).
اول کدنویسی نکن. یک هفته وقت بگذار و تمام منابع معتبر حوزهات را لیست کن: رسانههای صنعتی، وبسایت رسمی شرکتها، صفحههای استخدام (که اغلب سیگنالهای سنگین پنهان دارند)، کتابخانههای مقالات، GitHub، KOLهای کلیدی در X / توییتر، و خبرنامههای خارجی. اول ۲۰–۵۰ منبع باکیفیت جمع کن، این پایه و اساس پایگاه اطلاعاتی توست. کیفیت منابع مستقیماً اعتبار پایگاه داده تو را تعیین میکند.
این جایی است که هوش مصنوعی واقعاً قدرت خود را نشان میدهد. با ابزارهایی مثل Firecrawl محتوای صفحات وب را استخراج کنید (جایگزین متنباز: Crawl4AI)، سپس دادهها را به Claude یا GPT بدهید تا فیلدهای مورد نظر را استخراج کنند—نام شرکت، محصول، مبلغ سرمایهگذاری، مرحله، سرمایهگذاران، مسیر فناوری—و بهطور خودکار در جدولی ساختاریافته پر کنند.
اگر کدنویسی بلد نیستید نگران نباشید، اول نسخهی «آخر هفتهای ساده» را اجرا کنید: متن کامل ۲۰ گزارش را در محیط Kimi /豆包 / ChatGPT قرار دهید، یک جدول فیلدهای تعیینشده (نام شرکت / مبلغ سرمایهگذاری / مرحله / سرمایهگذاران / تاریخ) به آن بدهید، از آن بخواهید طبق جدول استخراج کند، خودتان یکبار دستی چک کنید و اول ۵۰ ردیف جمع کنید. بعد از اینکه تأیید کردید «این جدول واقعاً کسی میخواهد ببیند»، بعد به فکر اتوماسیون بیفتید.
یک نکتهی ریز که میتواند تفاوت ایجاد کند: همه اعداد را به یک معیار واحد تبدیل کنید. در اطلاعات اولیه، مبلغ سرمایهگذاری بعضیها «چند ده میلیون یوان»، بعضیها «۵ میلیون دلار آمریکا» و بعضیها «اعلام نشده» است. شما با مدل بزرگ + یک سری قوانین تبدیل که خودتان تعیین کردهاید، همه را به یک عدد واحد به دلار آمریکا تبدیل کنید و مشخص کنید که «آیا شامل سرمایهگذاری استراتژیک میشود یا نه». کاربران بیشتر از همه از تناقض اعداد بدشان میآید—شما «آشفتگی» را به «نظم» تبدیل میکنید، این همان دلیلی است که او پول میدهد.
این نقطهای است که مشخص میکند آیا میتوانی پول بگیری یا نه.
کسانی که فقط خبر میآورند که «امروز یک شرکت دیگر سرمایه جذب کرد» — این محتوا رایگان همهجا هست و کسی بابتش پول نمیدهد. کاری که تو باید بکنی ساختن یک بانک اطلاعاتی است: کاربر اسم یک شرکت را جستجو کند، بتواند تاریخچه سرمایهگذاری، مسیر فناوری، افراد کلیدی و رقبای آن را ببیند؛ بتواند ده شرکت در یک حوزه را از نظر ارزشگذاری و مشخصات محصول مقایسه کند؛ بتواند یک سرنخ را بگیرد و تا بالادست و پاییندست زنجیره را بررسی کند — مثلاً از یک شرکت رباتیک برود سراغ تأمینکننده اصلیاش، و بعد مشتریهای آن تأمینکننده را پیدا کند.
یک جمله را به خاطر بسپار: کاربر برای «سرعت» پول نمیدهد، برای «کامل بودن، دقیق بودن، و قابلیت جستجو» پول میدهد.
اولین نسخه را با چه چیزی بسازی؟ نیازی به کدنویسی نیست.
از Feishu Multidimensional Table / Notion / Airtable استفاده کن تا بانک اطلاعاتی را بسازی، چند تا نمای فیلتر و مقایسه درست کن؛ برای دریافت پول از Xiaobao Tong / Aifaka / Stripe استفاده کن و یک اشتراک بگذار. وقتی واقعاً کسی پول داد، بعدش به فکر ساختن یک سایت مستقل بیفت. از اول خودت را درگیر فرانتاند، هاستینگ و لاگین نکن — اینها کارهای بعد از تأیید شدن ایده هستند.
به ترکیب درآمدی که IT Juzi قبلاً تأیید کرده مراجعه کن و بر اساس مرحلهای که هستی انتخاب کن:
راهاندازی سرد: اول با محتوای رایگان، ترافیک هدفمند را جذب کنید. هفتهای یک تحلیل عمیق بر اساس پایگاه دادهتان منتشر کنید (در WeChat Newsletter / X)، تا مخاطبان ارزش پایگاه شما را ببینند، سپس «دادههای کامل + بهروزرسانی لحظهای» را برای نسخه پولی نگه دارید. Stratechery همین مسیر را رفته – مقالات رایگان اعتماد میسازند، محتوای عمیق اشتراک میآورد.
اما راستش را بخواهید: ۹۰٪ سختی این کسبوکار جذب مشتری است، نه ساختن پایگاه داده. یک پایگاه اطلاعاتی که کسی نمیشناسد، با «هفتهای یک پست» در دریای توجه سال ۲۰۲۶ بهراحتی غرق میشود. یا باید خودتان در این حوزه شبکه داشته باشید، یا حاضر باشید شش ماه در X / Jike / یک انجمن تخصصی وقت بگذارید تا اولین چندصد کاربر هدفمند را جمع کنید. هرچقدر هم پایگاه دادهتان قشنگ باشد، اگر کسی نبیند صفر است – این مرحله از نوشتن کد سختتر است.
چاله اول: هوش مصنوعی ممکن است ارقام تأمینمالی را “توهم” بزند – خودت باید اعداد را چک کنی. مدلهای بزرگ زبانی وقتی دادههای ساختاریافته استخراج میکنند، نرخ دقتشان معمولاً بین ۷۰ تا ۸۵ درصد گیر میکند و باقیش پر از دادههای کثیف است. بدتر از همه، با نهایت جدیت شروع به جعل میکنند – “شایعه” را به عنوان “سند محکم” استخراج میکنند، یوان را به جای دلار مینویسند، و “نزدیک به صد میلیون” را “صد میلیون تمام” حساب میکنند. هوش مصنوعی بهت کمک میکنه دادهها رو بگیری، اما مرحله راستیآزمایی رو نمیتونه برات انجام بده، و این دقیقاً همان مرحلهایه که از همه طاقتفرساتره. در مراحل اولیه، هر رقم کلیدی رو باید از دو منبع مستقل تأیید کنی. اگر مطمئن نیستی، صریحاً بنویس “بر اساس برآورد گزارشهای عمومی، تأیید مستقل نشده” – وانمود نکن که منبع موثقی هستی.
چاله دوم: دره مرگ واقعی، در ماههای دوم و سوم نگهداشت کاربره. دیتابیس رو که یه بار ساختی، تموم نمیشه – باید هفته به هفته و ماه به ماه بهروزرسانی کنی. این همون مانع پنهانه. کاربر رایگان وقتی حس کنه “دیگه بس بوده” میره، کاربر پولی وقتی فکر کنه “آپدیتها کند شده” اشتراکش رو لغو میکنه. “یه نفر + هوش مصنوعی” رو که میشنوی، به نظر راحت میاد، اما سختیش در بهروزرسانی مداومه. NomadList ده سال دووم آورده، نه به خاطر روز اول راهاندازیش، بلکه به خاطر این که Pieter Levels روز به روز دادههاش رو نگهداری کرده.
坑 سوم: باور نکنید که «فقط بساز و بذار خودکار بره».
کراولرها بسته میشن، منابع داده تغییر میکنن، APIها گرون میشن، کلیدها از کار میافتن — یه شبه یه عالمه NULL تو دیتابیس سبز میشه، این زندگی روزمره این بیزینسه. نگهداری از این سیستم، از خودش جمعآوری داده خستهکنندهتره. پس تا قبل از اینکه پرداختی راه بیفته، آدم استخدام نکن و برای خرید منابع داده گرونقیمت پول نسوزون. اول با منابع رایگان/ارزون + AI یه نسخه حداقلی رو راه بنداز. اهرم قدرت تو دست خودته و AI، نه تو پول سوزوندن.
منتظر «کامل فهمیدن و بعد شروع کردن» نباش. همین آخر هفته، سه تا کار انجام بده:
این جدول رو برای ۱۰ نفر از آدمهای همون حوزه بفرست و ببین چه واکنشی دارن. اگه کسی پرسید «این بهروزرسانی مداوم داره؟ چنده؟» — تبریک میگم، به اولین اشتراکات رسیدی.
AI دروازه ورود به جمعآوری اطلاعات رو خراب کرده، ولی این پنجره تا ابد باز نمیمونه. وقتی دیدی سومین نفر توی فید دوستات با همین روش داره پول درمیاره، دیگه دیر شده. قبلاً این کار به یه تیم نیاز داشت، حالا یه نفر با یه عالمه AI میتونه شروع کنه — همین آخر هفته، دست به کار شو.
]]>اول به سه آمار نگاه کنید.
اولین کاری که مایکروسافت در سال مالی جدید ۲۰۲۶ انجام داد، اخراج حدود ۴۸۰۰ نفر بود که معادل ۲.۱٪ از کارمندان جهانی این شرکت است. طبق گزارش Reuters، متا (Meta) در حال آمادهسازی موج جدیدی از اخراجهاست که ممکن است بیش از ۲۰٪ باشد (متا رسماً این موضوع را تأیید نکرده است). آمار TrueUp حتی تکاندهندهتر است — در ۵ ماه اول سال ۲۰۲۶، صنعت فناوری جهان بیش از ۱۰۰ هزار نفر را اخراج کرده است.
در سوی دیگر، سم آلتمن از OpenAI مرتباً یک جمله را تکرار میکند: «بهزودی شرکتی ظهور میکند که فقط یک نفر دارد، اما ارزش آن یک میلیارد دلار است.» داریو آمودئی، مدیرعامل Anthropic، این زمانبندی را حتی تهاجمیتر پیشبینی میکند — شاید همین سال ۲۰۲۶.
از یک سو، غولهای فناوری «کاسه نان» کارمندان را یکی پس از دیگری میشکنند، و از سوی دیگر، باهوشترین مغزهای سیلیکونولی روی اینکه «یک نفر بتواند یک تیم کامل را شکست دهد» شرط میبندند.
این دو اتفاق در واقع یک چیز هستند: شرکتها هرچه بیشتر لاغر میشوند، اما کسانی که میتوانند بهتنهایی کار کنند، بیشتر و بیشتر پول درمیآورند. چیزی که فاصله بین این دو را پر میکند، دانستِ کار با AI است.
پس این مقاله فقط به یک سؤال پاسخ میدهد: بهعنوان یک انسان عادی، در حال حاضر دقیقاً چه باید بکنید تا جان و آیندهتان را به دست غولهای فناوری نسپارید؟ پاسخ تنها یک جمله است — منتظر تیغ اخراجها نمانید؛ همین امروز با هوش مصنوعی یک «شرکت تکنفره» برای خودتان بسازید.
اول بیایید بزرگترین دروغ و نصیحتت توخالی تاریخ را دور بریزیم: مهمترین چیز در کارآفرینی «پیدا کردن آدم، پیدا کردن پول و پیدا کردن منابع» است.
این حرف فقط برای کارآفرینان پیاپی و کسانی که پدرشان میلیاردر است صادق است. برای آدمهای عادی، این داستانِ «آدم جمع کردن» یک تلهی مرگبار است — شما نه آدمهای قابلاعتمادی پیدا میکنید، نه پولی؛ و در نهایت فقط با یک فاجعه و ورشکستگی روبهرو میشوید.
در گذشته، این یک بنبست مطلق بود. اما هوش مصنوعی هزینهی این سه کار (پیدا کردن آدم، پیدا کردن پول و پیدا کردن منابع) را تا حدی پایین آورده که حتی یک انسان عادی هم میتواند از پس آن بربیاید:
این رویایی در توهم نیست. دادههای Carta، پلتفرم دادههای سرمایهگذاری خطرپذیر، نشان میدهد: امروزه سهم استارتاپهای تازهتأسیسی که توسط تنها یک نفر پایهگذاری شدهاند، به حدود یکسوم رسیده و نسبت به سال ۲۰۱۵ تقریباً دو برابر شده است. دلیل این رشد دو برابری فقط یک چیز است — ابزارهای هوش مصنوعی به اندازه کافی قدرتمند شدهاند.
پس حقیقت «شرکت تکنفره» هرگز این نیست که «همهچیز را خودت به تنهایی انجام دهی»؛ بلکه این است: تو به تنهایی + مجموعهای از AI agentها + یک زیرساخت برونسپاری، کاری را به پایان میرسانی که در گذشته فقط یک تیم کوچک قادر به انجامش بود.
من این مسیر را تا حداقل ممکن کوتاه کردهام تا همین امروز بتوانی از آن پیروی کنی.
مرحله اول: یک حوزه عمودی (Niche) کوچک را انتخاب کن که واقعاً به آن تسلط داری؛ سراغ بازارهای کلی و عمومی نرو.
ورود به «بازارهای عمومی» یعنی تقدیم کردن خودت به عنوان طعمه به غولهای بازار. تنها شانس پیروزی یک فرد عادی، پیدا کردن یک جمعیت هدفِ خرد است که غولها به آن اهمیت نمیدهند، اما تو میتوانی زوایای پنهانش را به روشنی توضیح دهی. مثلاً اگر مادر هستی، سراغ موضوع «اضطراب خواب در مادران فرزند دوم» برو؛ اگر سابقه تجارت خارجی داری، به سراغ «بازرسی و بازیافت گوشیهای دستدوم در یکی از کشورهای جنوب شرقی آسیا» برو. هرچه حوزه عمودیتر و کوچکتر باشد، شکاف اطلاعاتی بیشتر است و اهرمی که هوش مصنوعی برای تو ایجاد میکند، قدرتمندتر و بیرحمانهتر خواهد بود.
مرحله دوم: با استفاده از هوش مصنوعی «حداقل محصول پذیرفتنی» را بساز، در عرض یک هفته آن را راهاندازی کن و منتظر یک شاهکار بزرگ نمان.
به دنبال محصولِ بینقص نباشید. از ChatGPT و Claude برای نوشتن متن و کد استفاده کنید، با Midjourney محتوای تصویری بسازید و با ابزارهای آمادهی ساخت سایت و فروش (مثل Shopify، 小报童 و 爱发卡) محصولتان را برای فروش عرضه کنید. اول اولین فروش را رقم بزنید، بعد سراغ بهینهسازی بروید. تنها هدف نسخهی اول، اعتبارسنجیِ این است که «آیا واقعاً کسی حاضر است برای این کار به شما پول بدهد یا نه».
قدم سوم: تمام کارهای تکراری را به AI agent برونسپاری کنید.
پاسخ به سوالات مشتریان، پاسخ به ایمیلها، پست روزانه در شبکههای اجتماعی و پایش قیمت رقبا—اینها دقیقاً همان کارهایی هستند که بیشترین زمان را میبلعند و بهراحتی توسط هوش مصنوعی جایگزین میشوند. با استفاده از یک ابزار agent برای اتوماتیک کردن این فرآیندها، میتوانید تمام وقت خود را صرف کارهایی کنید که فقط شما از عهدهی آنها برمیآیید؛ کارهایی مثل «پیدا کردن کاربر» و «تصمیمگیری».
قدم چهارم: زیرساختهای آماده را سرهم کنید، بههیچوجه چرخ را از نو اختراع نکنید.
اینجا جایی است که خیلیها زمین میخورند. مسائل مربوط به انطباق قوانین، لجستیک، پرداخت و انبار—همهی اینها توسط سرویسدهندگان بالغ و آزمودهشده پوشش داده میشوند: برای دریافت پرداختها Stripe، PayPal و 连连 وجود دارند، برای لجستیک بینالمللی 店小秘 و 芒果店长، و برای ساخت سایت Shopify. کاری که شما باید بکنید «سیمکشی» است، نه «ساخت قطعات». محصولتان را به سیستمهای آمادهی دیگران متصل کنید و بهتنهایی میتوانید یک شرکت کامل را بهتنهایی به حرکت درآورید.
فقط صحبت درباره روشها فایدهای ندارد؛ بیایید سراغ دادهها برویم.
مورد اول: Dan Koe—یک نفر، صفر کارمند، درآمد سالانه ۴.۲ میلیون دلار.
دن کو (Dan Koe) در فضای «شرکتهای تکنفره» در سطح بینالمللی، نامی است که هیچجا نمیتوان از آن فرار کرد. او با تکیه بر نوشتن، دورههای آموزشی و محصولات دیجیتال، شرکتی که تنها یک نفر (خودش) در آن کار میکرد را به گردش مالی سالانهای حدود ۴.۲ میلیون دلار و حاشیه سود ۹۸٪ رساند (او خودش در یک مصاحبه پادکستی علنی در سال ۲۰۲۳ این عدد را اعلام کرد؛ از آنجا که هزینههای تولید محصولات دیجیتال پایین است، این سطح از حاشیه سود منطقی به نظر میرسد، اما باید با دیدی محتاطانه به آن نگاه کرد).
حاشیه سود ۹۸٪ یعنی چه؟ یعنی او تقریباً هیچ هزینه نیروی کار ندارد و تقریباً تمام گردش مالی، همان سود خالص است. فرمولی که او علناً ارائه کرده بسیار ساده و بیپرده است: پیدا کردن حوزهای که بتوانید بهطور مستمر در آن محتوا تولید کنید → جذب یک مخاطب وفادار با محتوا → تبدیل این مخاطبان به خریداران محصولات دیجیتال. این استراتژی، امروزه با ابزارهای هوش مصنوعی، موانع کپیبرداری و اجرای آن را بهمراتب پایینتر از گذشته آورده است.
مورد دوم: Medvi — دو نفر، شروع با ۲۰ هزار دلار، رسیدن به ۴۰۰ میلیون دلار گردش مالی در یک سال.
حتی کوبندهتر از این، شرکت Medvi (در حوزه پزشکی از راه دور) است که توسط متیو گالاگر (Matthew Gallagher) تأسیس شده. به گزارش فوربز در سال ۲۰۲۶ (دادههای مالی آن توسط نیویورکتایمز بررسی شده است)، او در سپتامبر ۲۰۲۴ با حدود ۲۰ هزار دلار کار را شروع کرد و تیمش تنها شامل خودش و برادرش بود. در سال ۲۰۲۵ گردش مالی این شرکت به ۴۰۱ میلیون دلار رسید و پیشبینی میشود در سال ۲۰۲۶ از ۱.۸ میلیارد دلار فراتر بزند.
او چطور این کار را کرد؟ استک تکنولوژیاش صددرصد هوش مصنوعی بود: ChatGPT، Claude و Grok برای کدنویسی و تولید متن، Midjourney و Runway برای خلق محتوای خلاقانه، و یک AI agent برای پشتیبانی مشتری. اما کارهای سنگین مثل انطباق قوانین (compliance)، لجستیک و داروخانه را همه به سرویسدهندههای آمادهای مثل CareValidate و OpenLoop برونسپاری کرد. او حتی یک قطعه هم نساخت، فقط چند سیمکشی کرد. چیزی که بیشتر سوزانده میکند حاشیه سود است: غول صنعت، Hims & Hers، با ۲۴۴۲ نفر کارمند، تنها ۵.۵٪ حاشیه سود خالص دارد؛ اما Medvi با تنها دو نفر، حاشیه سود خالص ۱۶.۲٪ دارد، یعنی تقریباً ۳ برابر رقیبش. آدمهای کمتر، در عوض خوردنِ بیشتری دارند.
برگردیم به داخل کشور و جنوب شرقی آسیا: این استراتژی را میتوان دقیقاً به همان شکل پیاده کرد.
نیازی نیست حتماً به تلمدیسین (پزشکی از راه دور) در اروپا و آمریکا بپردازید. یک مثال ملموستر: در TikTok Shop اندونزی یک نیچ (دستهبندی فرعی) خاص و کمتر دیدهشده را انتخاب کنید (مثلاً یک ابزار آرایشی خاص)، با AI به صورت انبوه محتوای ویدیویی کوتاه به زبان اندونزیایی تولید کنید، با یک agent بهصورت ۲۴ ساعته و خودکار به استعلامها پاسخ دهید و سفارشها را به انبارهای شخص ثالث در خارج از کشور بفرستید تا برایتان ارسال کنند — هیچکس برای مدیریت موجودی، لجستیک و پشتیبانی نیازی نیست استخدام کنید. Dan Koe مدل «محتوا + محصول دیجیتال» را تأیید کرد، و Medvi مدل «AI + اسمبل کردن زیرساختها» را — این دو مسیر در تجارت الکترونیک فرامرزی در جنوب شرقی آسیا هم به همان خوبی جواب میدهد.
تا این حد درباره نیمه پر لیوان حرف زدیم، اما باید بزرگترین تلههایی که باعث سقوط میشوند را هم روی میز بگذاریم؛ وگرنه فقط در حال توهمسازی هستیم. کسانی که تنهایی کار میکنند، در اکثر مواقع نه به خاطر «ناتوانی در ساخت محصول» نابود میشوند، بلکه به خاطر گیر افتادن در این سه مانع اصلی شکست میخورند.
مانع اول: مرگ در جذب مشتری، نه در محصول.
با ارزشترین دارایی یک فردِ تنها، هرگز قدرت محصول نیست، بلکه قدرت توزیع و انتشار است. مهم نیست محصولتان چقدر عالی باشد، اگر کسی آن را نبیند، نتیجه صفر است. خیلیها سه ماه صرف صیقل دادن یک «محصول بینقص» میکنند و در روز اول عرضه میفهمند که اصلاً بلد نیستند مشتری جذب کنند — این دقیقاً علت مرگ واقعی ۹۰٪ کسبوکارهای تکنفره است. پس محصول را کنار بگذارید؛ اول از خود بپرسید: «۱۰۰ مشتری اول من از کجا میآیند؟»
مانع دوم: مرگ در گسست جریان نقدینگی.
Medvi با ۲۰ هزار دلار سرمایه اولیه راه افتاد، اما آن در آمریکا و در حوزه پزشکی از راه دور بوده است. واقعیترین خطر برای افراد عادی این است: هنوز اولین فروش کسبوکار جانبی ثبت نشده که حقوق شغل اصلی از دست رفته است. با یک هیجان لحظهای استعفا ندهید و همهجانبه (all in) وارد کار نشوید. استراتژی درست برای کسبوکار تکنفره این است: «شغل اصلی به عنوان تضمین امنیت، کسبوکار جانبی به عنوان آزمون و خطا». تا زمانی که درآمد پایدار شغل جانبی از نیمیِ درآمد شغل اصلی شما پیشی نگیرد، اصلاً عجلهای برای تماموقت کار کردن نیست.
مانع سوم: هوش مصنوعی (AI) ریشه رقابتپذیری شما را کم عمقتر میکند.
وقتی هر کسی بتواند از agent استفاده کند و هر کسی بتواند محتوا را بهصورت انبوه تولید کند، «دانستن کار با AI» دیگر یک مزیت رقابتی نیست. خندق امنیتی واقعیِ شما، دانش تخصصی (know-how) شما در یک حوزه عمودی است که طی سالها انباشته شده؛ رقبای شما حتی با داشتن AI هم به اندازه شما در این حوزه سررشته ندارند. به همین دلیل در گام اول تاکید میکنیم که «حوزه عمودیِ واقعاً به آن مسلط هستید را انتخاب کنید»: AI یک تقویتکننده است، آنچه را تقویت میکند خودِ شما هستید؛ بدونِ «شما»، این تقویتکننده فقط یک پوسته خالی است.
وقتی این سه مانع را در ذهن روشن کردید، دوباره به مسیر ۴ مرحلهای قبلی نگاه کنید؛ آنوقت میفهمید هر مرحله دقیقاً در برابر چه چیزی شما را محافظت میکند.
منتظر «آماده بودن» نمانید، چون آن روز هرگز نخواهد آمد. همین امروز این سه کار را انجام دهید:
۱. یک ساعت وقت بگذارید و ۳ حوزه عمودی که میتوانید دربارهشان بهخوبی توضیح بدهید را بنویسید، سپس کوچکترینِ آنها را انتخاب کرده و شروع کنید.
۲. با کمک AI در عرض یک هفته حداقل محصول (MVP) را بسازید و آن را برای فروش بگذارید، حتی اگر فقط ۹.۹ یوآن قیمت داشته باشد — اولین فروش را ثبت کنید و تبدیل از «کارمند» به «رئیس» کامل شود.
۳. یک کلافهکنندهترین و تکراریترین بخش کارتان را انتخاب کنید و آن به AI agent بسپارید، تا زمان خودتان آزاد شود و روی رشد کسبوکار تمرکز کنید.
لیست اخراجهای شرکتهای بزرگ همچنان طولانیتر میشود و شاید «شرکت میلیارد دلاری تکنفره»ی Sam Altman همین سالِ آینده به واقعیت بپیوندد. بازه زمانیِ بین این دو رویداد، بهترین فرصت برای افراد عادی است تا با استفاده از AI سرنوشت خود را بازنویسی کنند.
تو قبل از اخراج شدن به فکر راهاندازی یک شغل جانبی نمیافتادی؛ بلکه وقتی شغل جانبیات را راه انداختی، دیگر از اخراج نمیترسیدی. اول «شرکت یکنفره» خودت را بساز، آن را به تور پشتیبانت تبدیل کن و بعد از آن، راه نجات و موفقیتت را از آن بساز.
]]>خیلیها میخواهند از YouTube درآمدزایی کنند، اما همگی در یک نقطه شکست میخورند: باید جلوی دوربین بروند، تدوین کنند، سناریو بنویسند و صداگذاری کنند. از نوشتن تا تدوین یک ویدیو، گاهی نصف روز و گاهی دو تا سه روز زمان میبرد. با دندانگره ماهی چهار ویدیو منتشر میکنند، در نتیجه هر کدام چند صد بازدید میگیرد، بعد از سه ماه جایی برای امید نمیبینند و بیخیال میشوند.
اما آن کانالهای فلسفه و روانشناسی که اخیراً در YouTube میبینید — صدا با AI ترکیب شده، تصویر با AI تولید شده، حتی متن با AI نوشته شده — کیفیتشان بهطرز دیوانهواری بالاست و روزی یکوفدویی ویدیو هم منتشر میکنند. این سرعت دست یکدو نفر نیست؛ این یک گروه از افراد هستند که با روش «کارخانهای» ویدیو تولید انبوه میکنند.
اول نتیجه را اینجا بگذاریم: این روش واقعاً پولساز است، اما در سال ۲۰۲۶ دیگر «درآمد خودکارِ درازکش» نیست. YouTube با یک سیاست «محتوای غیرواقعی»، کانالهای تنبلی را که «مقاله میچرخند،素材 میبندند و هیچ دیدگاهی ندارند» را بهطور انبوه از درآمدزایی حذف کرد؛ آنهایی که زنده ماندند و پول درآوردند، کسانی هستند که AI را بهعنوان اهرم استفاده میکنند و خودشان نقش کارگردان را بازی میکنند. این خط تولید را چطور میسازند، چقدر درآمد دارد و دامها کجاست — همه را در ادامه موشکافی میکنیم.
سرنخ از یک مشاهدۀ درونیِ حلقه (کانال inside1024) میآید: بازیگران پشت این کانالها فرایند «تولید سریع، انبوه و صنعتیِ ویدیوهای باکیفیت» را بهکار انداختهاند. تشبیهِ پست اصلی بسیار دقیق است — انگار از «مرغِ پرورشیافته در کارگاه خانگی» به «مرغِ پرورشیافته در مزرعه صنعتی» سوییچ کردهاید: ارزان، باثبات و فراوان.
اول ببینیم این بازار چقدر بزرگ است:
منطق پولسازی در اینجا بسیار ساده است: YouTube ۵۵٪ از درآمد تبلیغاتی ویدیوهای طولانی را به خالقان محتوا میدهد. هوش مصنوعی خط تولید «نوشتن متن → صداگذاری → تولید تصویر → تدوین» را کاملاً صنعتی میکند و هزینه تولید هر ویدیو را از چند صد دلار به چند دلار کاهش میدهد. درآمد شما از ترکیب سه متغیر حجم تولید × تعداد بازدید هر ویدیو × RPM به دست میآید.
اما اینجا یک نقطه عطف وجود دارد: YouTube فقط به «کسانی که کارگردانی میکنند» پول میدهد. ابزارها در دسترس همه هستند، اما چیزی که تعیین میکند آیا میتوانید بهطور پایدار درآمدزایی کنید یا نه، این است که آیا دیدگاه انسانی و روایتهای اصیل خود را در آن تزریق میکنید یا خیر. این نکته را در ذهن داشته باشید، کل این مقاله درباره همین موضوع است.
خیلیها فکر میکنند «تماشا داشتن یعنی پول درآوردن»، اشتباه است. حوزه کاری متفاوت است، و درآمدِ همان میزان بازدید میتواند ۵ برابر متفاوت باشد.
اول بگذارید روشن کنیم که RPM چیست. RPM درآمد شما به ازای هر هزار بازدید است (پس از کسر سهم YouTube). این عدد توسط YouTube تعیین نمیشود، بلکه نتیجه مناقصه تبلیغکنندگان است—در حوزه مالی و کسبوکار، تبلیغکنندگان حاضرند برای هر کلیک روی یک تبلیغ بیش از ده دلار بپردازند؛ اما در حوزه طنز فقط چند سنت میدهند، بنابراین سهمی که به شما میرسد نیز شبروز تفاوت دارد. به عبارت دیگر، وقتی حوزه کاری خود را انتخاب میکنید، در واقع در حال انتخاب «چقدر تبلیغکنندگانِ حاضر به خرج کردن برای این مخاطب، ثروتمند هستند» میباشید.
بازههای زیر، بر اساس تحلیلهای عمومی از VidIQ، StudioBinder و موارد مشابه گردآوری شدهاند:
| حوزه | RPM معمول (دلار در هر هزار بازدید) |
|---|---|
| امور مالی شخصی / سرمایهگذاری | ۱۰–۲۵ |
| آموزش و یادگیری | ۹–۱۴ |
| مستند تجاری | ۸–۱۸ |
| فلسفه / روانشناسی | ۴–۸ |
| تاریخ / جنایت واقعی | ۴–۱۰ |
| سرگرمی / طنز | ۲–۵ |
با همان ۱۰۰ هزار بازدید: حوزه امور مالی ۱۰۰۰–۲۵۰۰ دلار درمیآورد، اما حوزه سرگرمی فقط ۲۰۰–۵۰۰ دلار. اگر حوزه اشتباه را انتخاب کنی، تمام زحماتت به هوا میرود. همین دلیل میگذارد که کانالهای فلسفه/روانشناسی اینقدر زیاد شوند—برای AI نوشتنشان راحت است (همیشه سبز هستند و نیاز به راستیآزمایی ندارند) و RPMشان هم بد نیست؛ اما اگر واقعاً پشتِ پول درآوردن هستی، امور مالی و آموزش همان تکههای چرب و پر گوشت هستند.
یک تقویتکننده دیگر هم هست: مخاطبان آمریکایی ۳ تا ۵ برابر مخاطبان جنوب شرق آسیا RPM بالاتری دارند. برای خالقان محتوای چینی این یک معدن طلای پنهان است—قبلاً لهجه انگلیسیات سدِ تو بود، اما حالا صداگذاری AI (مثل ElevenLabs) این دیوار را فرو ریخته است؛ میتوانی با لهجه آمریکایی بینقص بروی و از RPM بالای تبلیغدهندگان آمریکایی سود ببری. این همان فرصت طلایی «درآمد دلاری از بازارهای خارجی» است که برای افراد عادی هم دستیافتنی است.
یک نمونه واقعی (یک خالق محتوا در Medium با نام کاربری @Non_Conformist که تجربهاش را بهطور شفاف به اشتراک گذاشته است): او یک کانال آموزشی بدون چهره (faceless) به زبان انگلیسی دارد؛ مخاطبانش عمدتاً آمریکاییهای ۲۵ تا ۳۴ ساله هستند و RPM او بین ۱۲ تا ۱۴ دلار است و درآمد تجمعیاش در دو سال به ۲۵۳ هزار دلار (حدود ۱.۸ میلیون یوان) رسیده است. ۷۰ درصد از این درآمد تنها از ۱۰ ویدیوی وایرال به دست آمده و بیشترین درآمد یک ویدیو ۵۷ هزار دلار بوده است. اما او صادقانه اعتراف میکند که خودش هم به مدت ۵ ماه مانیتایز شدن کانالش لغو شده بود — نوسانات این مسیر کاملاً واقعی است.
این خط تولید را میتوانید همین امروز طبق همین الگو پیاده کنید:
گام اول: انتخاب حوزه. تقاطع سه عامل: RPM بالا × سازگار با AI × همیشه سبز. فلسفه، روانشناسی، تاریخ علمی، مدیتیشن، توسعه فردی و آموزش پایه سواد مالی، همگی مناطق طلایی اثباتشده هستند. سراغ سرگرمی و طنز نروید.
گام دوم: سناریونویسی (AI مینویسد، انسان رهبری میکند — این ارزشمندترین گام در کل فرآیند است). از Claude / GPT برای نوشتن متن استفاده کنید و ساختار آن را بر اساس «قلاب → استدلال → داستان/داده → یک جمله طلایی برای پایان» بچینید. ۱۲۰۰ تا ۱۸۰۰ کلمه معادل ویدیوهای ۸ تا ۱۲ دقیقهای است (هرچه ویدیو طولانیتر باشد، تبلیغات بیشتری درج میشود و RPM بالاتر میرود). چرا این گام ارزشمندترین بخش است؟ زیرا زاویه انتخاب موضوع، دیدگاه شخصی و مثالهای اختصاصی، تنها «حس انسانی» هستند که هنگام بررسی توسط YouTube به رسمیت شناخته میشوند و دقیقاً همان چیزی است که شما را از «محتوای کارخانهای و تکراری» متمایز میکند.
مرحله سوم: صداگذاری. برای انگلیسی از ElevenLabs و برای چینی از 火山语音 / CosyVoice استفاده کنید؛ امروزه آنقدر طبیعی شدهاند که حتی برای زبانمادریها تشخیص واقعی بودنشان غیرممکن است. ⚠️ یک تله: از صدای شبیهسازیشده افراد مشهور استفاده نکنید. YouTube در برابر صداهای سنتزی بدون مجوز هیچگونه تساهلی ندارد؛ در بهترین حالت مانعیتیزاسیون (فعالسازی درآمد) شما را لغو میکند و در بدترین حالت، اکانتتان را برای همیشه مسدود میکند.
مرحله چهارم: تصویرسازی. با Midjourney / 即梦 تصاویر ثابت بسازید و با افکت Ken Burns (زوم و حرکت آرام) حس سینمایی به آن بدهید؛ اگر پویایی میخواهید، برای تولید ویدیوهای AI از 可灵، Runway و Vidu استفاده کنید. ۱۰ تا ۱۵ تصویر باکیفیت همراه با حرکت دوربین، کاملاً برای پوشش دادن یک ویدیوی ۱۰ دقیقهای کافی است.
مرحله پنجم: تدوین. با 剪映 / CapCut بهصورت خودکار زیرنویس اضافه کنید، روی ریتم موسیقی تنظیم کنید و ترانزیشنها را بگذارید. پردازش دستهای، کلید تولید انبوه است: وقتی سناریو، صداگذاری و تولید تصویر را قالبسازی کنید، یک بازیگر حرفهای میتواند در یک آخر هفته نزدیک به ۲۰ ویدیو را بهصورت دستهای تدوین کند — این سطح از تولید، چیزی است که کانالهای شخصیِ چهرهدار (با میانگین ۴ تا ۸ ویدیو در ماه) هرگز به آن نمیرسند. اما صادقانه بگویم، چیزی که واقعاً زمانبر است، خودِ تدوین نیست؛ بلکه کارهای ظریفی مثل هماهنگسازی b-roll، سنکرون کردن لبخوانی و زیرنویس است؛ بنابراین، عدد «دو تا سه ساعت برای هر ویدیو» میانگین زمان پردازش دستهایِ قالبسازیشده است، نه زمان صرفشده برای تولید یک مستند از صفر.
مرحله ششم: مقیاسپذیری و درآمدزایی. ابتدا حدود ۵۰ ویدیو تولید کنید تا الگوریتم حوزه فعالیت شما را شناسایی کند (این نقطه عطف مقیاسپذیری است که همه میپذیرند). سد درآمدزایی: ۱۰۰۰ سابسکرایب + ۴۰۰۰ ساعت بازدید (یا ۱۰ میلیون بازدید Shorts در ۹۰ روز) → ورود به برنامه شرکای YouTube (YPP، یعنی فقط بعد از قبولی میتوانید در ویدیوهایتان تبلیغ بگذارید و از درآمد آن سهم ببرید؛ بررسی معمولاً چند روز تا یک ماه طول میکشد) → فعالسازی تقسیم درآمد تبلیغاتی. سپس با اضافه کردن بازاریابی وابسته (Affiliate)، اسپانسرشیپ برندها و محصولات دیجیتال، اهرم درآمدزایی هر ویدیو را به حداکثر برسانید.
حقیقت تلخ را از ابتدا بگویم: به احتمال زیاد، شما ضرر خواهید کرد. طبق آمار وبلاگهای صنعتی مانند autofaceless، فقط حدود ۳٪ از کانالهای YouTube خودکار واقعاً به درآمدزایی میرسند؛ شایعترین دلیل شکست، تسلیم شدن در ماه چهارم تا ششم است — دقیقاً همان نقطهای که بهره مرکب الگوریتم در آستانه جهش است. سرمایهگذاری واقعی پول نقد هم همینقدر جدی است: یکی از خالقان محتوا در مرور عملکرد خودش گفته که در ۱۵۰ روز ۲۶ هزار دلار (عمدتاً برای اشتراک ابزارها + برونسپاری تدوین + بانک素材) هزینه کرده تا اولین درآمدها شکل بگیرند؛ ساخت یک بانک ۵۰ ویدیویی با برونسپاری حدود ۵۰۰۰ دلار خرج دارد.
و بزرگترین متغیر جدید در سال ۲۰۲۶، پاکسازی سیستماتیک «نسخههای تنبل» توسط YouTube است. جدول زمانی به این شکل است: در ژوئیه ۲۰۲۵، YouTube سیاست قدیمی «محتوای تکراری» خود را به «محتوای غیراصیل (inauthentic content)» تغییر داد و شروع به لغو گسترده درآمدزایی دستهای از کانالها کرد — استخراج مقالات → صداگذاری با AI → استفاده از تصاویر آرشیوی → هیچ دیدگاهی، هیچ روایتی، که در صنعت به آن کانالهای cash cow میگویند. سپس در ژوئیه ۲۰۲۶، قوانین را بیشتر سختگیرانه کرد و چند دسته از محتوا را که به عنوان «غیراصیل» تشخیص داده میشدند، مشخص کرد.
به این جزئیات دقت کنید، زیرا بقای شما به آن بستگی دارد: چیزی که باعث مسدودیت و حذف نمیشود، خودِ صداگذاری با AI است، بلکه «نبود دیدگاه انسانی، نبود بینش اصیل و نبود ساختار روایی» است. موضع رسمی YouTube این است — استفاده از AI به عنوان ابزار و با هدایت خلاقیت انسانی، همچنان درآمدزایی میکند؛ اما تولید انبوه تماماتوماتیک و کپیبرداریهای تکراری، بیرحمانه حذف میشوند.
بنابراین سرنوشت افراد حاضر در این مسیر فقط یکی از دو حالت زیر است:
قضاوت من این است: از نیمه دوم سال ۲۰۲۶ به بعد، پنجره کانالهای faceless با تولید انبوهِ کاملاً مبتنی بر AI، تا نیمی بسته شده است؛ فرصتهای باقیمانده، فقط برای کسانیReserved که حاضرند نقش کارگردان را بازی کنند، باقی مانده است.
به محض شروع، خط تولید راه نیندازید؛ اول با یک حلقهٔ مینیمال، خودتان را بسنجید:
۱. با Claude سه سناریوی فلسفی یا روانشناختی بنویسید و دیدگاه و مثالهایتان را خودتان اضافه کنید؛
۲. با ElevenLabs صداگذاری کنید، با Midjourney ده تصویر تولید کنید و با CapCut یک ویدیوی ۸ دقیقهای تدوین کنید؛
۳. منتشر کنید و دادهها را ببینید.
از نظر هزینه، نسخههای رایگان ابزارها برای اجرای این حلقهٔ مینیمال کافیاند؛ اگر جدی میکنید، با بودجهٔ ماهانه ۳۰ تا ۵۰ دلار (عمدتاً اشتراک ابزارها) شروع کنید و از همان ابتدا روی برونسپاری سرمایهگذاری سنگین نکنید.
یک حقیقت آخر: اگر فقط قصد دارید سه ماه امتحان کنید و پولی هم سرمایهگذاری نمیکنید، وارد این بازی نشوید — به احتمال زیاد جزو همان ۹۷٪ میشوید. اما اگر حاضرید AI را بهعنوان اهرم بگیرید و خودتان کارگردان باشید، با صبر از ماه ششم عبور کنید؛ همین حالا که وارد میشوید، هنوز میتوانید به سر سفرهای برسید که YouTube سالانه دهها میلیارد دلار بین خالقان محتوا تقسیم میکند؛ وقتی حتی «صداگذاری AI + استفاده از素材 آماده» هم توسط الگوریتم نابود شود، دیگر جایی برای شما در این سفره نیست. همین امروز اولین سناریو را بنویسید و منتظر نمانید.
]]>منبع دادهها: اسناد رسمی برنامه شرکای YouTube (آستانه YPP، تقسیم ۵۵٪، سیاست محتوای غیرواقعی)؛ دادههای بازار و RPM از تحلیلهای عمومی صنعت در منابعی نظیر Hollywood Reporter، VidIQ، StudioBinder، Frameloop، Mixcord، Clippie، Unkoa و autofaceless گردآوری شده است؛ نمونه درآمد سازندگان محتوا از مرورهای عمومی در Medium (کاربر @Non_Conformist، ۲۵۳ هزار دلار در دو سال) گرفته شده است. درصدهای صنعتی، نرخ موفقیت، مبالغ سرمایهگذاری و موارد مشابه در متن، عمدتاً برآوردهای نهادهای تحلیلی یا وبلاگهای تأمینکنندگان هستند و نماینده دادههای رسمی YouTube نیستند.
وقتی خیلیها درباره «رفتن به بازار آمریکا» صحبت میکنند، اولین چیزی که به ذهنشان میرسد این است: برندسازی، سئو، پمپاژ پول در کانالهای اصلی و رقابت تا پای مرگ با غولهای غربی در یک دریای سرخ بهشدت اشباعشده.
اما اگر به آن دسته از پیشگامان تجارت بینالملل که واقعاً در سکوت ثروت انباشتهاند نگاه کنید، میبینید که مدتهاست دست از تقلا برای جلب طبقه متوسط سفیدپوست برداشتهاند. در تجارت الکترونیک آمریکا، در حال حاضر بالاترین حاشیه سود و راحتترین مسیر برای رشد سریع، بههیچوجه کسبوکار با سفیدپوستان نیست، بلکه تجارت با ۶۸ میلیون لاتینتبار (جمعیت اسپانیاییزبان) است.
این یک سوداگریِ ناشی از شکاف اطلاعاتی کلاسیک است. امروز میخواهیم این موضوع را کالبدشکافی کنیم که چرا لاتینتبارها بهترین مخاطبان هستند و چگونه یک فردِ بدون سرمایه و پسزمینه میتواند با استفاده از ابزارهای هوش مصنوعی، در عرض ۳۰ روز بهسرعت وارد این بازار شود.
ابتدا نگاهی به چند داده سرسختکننده بیندازیم که تمام تصورات شما را زیر و رو میکند:
۱. مقیاس جمعیتی و نرخ رشد: بر اساس آخرین آمار، جمعیت لاتینتبارهای آمریکا در سال ۲۰۲۴ به حدود ۶۸.۱ میلیون نفر رسیده است که ۲۰٪ از کل جمعیت آمریکا را تشکیل میدهد و موتور محرک اصلی رشد جمعیت در کل ایالات متحده است (بیش از ۷۰٪ از رشد جمعیت را تأمین کرده است).
۲. قدرت خرید وحشتناک: تا سال ۲۰۲۵، قدرت خرید لاتینتبارهای آمریکا به رقم تکاندهندهی ۲.۷ تریلیون دلار رسیده است.
علاوه بر حجم عظیم دادهها، از نظر ویژگیهای تجاری، این گروه هدف برای تجارت الکترونیک محصولات بدون برند (بهویژه برای فروشندگان چینی) کاملاً بینقص است:
در اینجا، هرکس زودتر وارد بازی شود، اولین کسی خواهد بود که از سودآورترین هدیههای ترافیک بهرهمند میشود.
در گذشته، برای ورود به بازار اسپانیاییزبان، مجبور بودید با حقوق بالا اپراتورهایی را استخدام کنید که به زبان اسپانیایی مسلط باشند. اما اکنون با وجود AI، تنها با یک نفر و یک کامپیوتر میتوانید کل این چرخه را بهتنهایی اجرا کنید.
فقط تخیل نکنید که مکزیکیها چه دوست دارند. مستقیماً به Mercado Libre (مِرکادو لیبره)، بزرگترین پلتفرم تجارت الکترونیک بومی در آمریکای لاتین بروید و ببینید دقیقاً در حال خرید چه چیزی هستند.
اقدام کمکی هوش مصنوعی:
با استفاده از Perplexity یا ChatGPT (با فعالسازی مرور وب)، این دستور را وارد کنید:
«۵۰ محصول پرفروش برتر Mercado Libre در ۳۰ روز گذشته را تحلیل کن، برندهای معروف را حذف کن، کالاهای روزمره بدون برند (برند سفید) با نرخ خرید مجدد بالا و بارِ خانوادگیِ قوی را استخراج کن و جدول تحلیل را ارائه بده.»
محصولات اثباتشده و پرفروش در آمریکای لاتین را از طریق TikTok Shop یا فروشگاه مستقل، بهصورت معکوس به لاتینتبارهای مقیم آمریکا بفروشید. این استراتژی «بازخورد معکوس»، نرخ موفقیت بهشدت بالایی دارد.
اگر میخواهید با جامعه لاتینتبارها (مخصوصاً مکزیکیها) کسبوکار کنید، بههیچوجه از آن لحن رسمی، خشک و ترجمهشدهی انگلیسی استفاده نکنید؛ باید از همان اسپانیاییِ خیابانی استفاده کنید که آنها هنگام اسکرول کردن در TikTok با آن ارتباط برقرار میکنند.
اقدام کمکی هوش مصنوعی:
تصاویر محصول یا توضیحات انگلیسیِ خود را به Claude 3.5 Sonnet بدهید و از این Prompt استفاده کنید:
«تو الان یک مادر لاتینتبار ساکن لسآنجلس هستی؛ زبنگ و حسابگر، اما عاشق خانواده. لطفاً با استفاده از اسپانیاییِ خیابانیِ رایج در آمریکا و لحنی بهشدت تحریکآمیز، ۳ متن کوتاه تبلیغاتی در TikTok برای این محصول بنویس. الزامات: زبان باید کاملاً محاورهای و خودمانی باشد، روی ارزش خرید (性价比) تمرکز کند، از ایموجی استفاده کند و از ۵۰ کلمه فراتر نرود.»
شما میتوانید بدون هیچ هزینهای، به دهها نسخه کپیرایتِ بومیسازیشده و باکیفیت دست پیدا کنید؛ آنها را مستقیماً در Facebook یا TikTok وارد کنید تا تست A/B اجرا کنید و هرکدام که دادههای بهتری آورد، همان را مقیاسبندی کنید.
آمریکاییهای لاتینتبار به شدت به جامعه و اعتماد خانوادگی (Family First) اهمیت میدهند. در مقایسه با هزینههای سنگین برای تبلیغات پلتفرمی، پیدا کردن KOCهای (مصرفکنندگان نظرات کلیدی) اسپانیاییزبان با چند هزار فالوور برای فروش محصولات، نرخ تبدیل فوقالعادهای دارد.
اقدامات کمکی AI:
با استفاده از ابزارهای AI (مانند ChatGPT)، میکرو-بلاگرهایی که با هشتگهای اسپانیایی (مانند #LatinaMom و #Familia) فعالیت میکنند را بهصورت دستهجمعی استخراج یا فیلتر کنید و اجازه دهید AI پیامهای خصوصیِ همکاری به زبان اسپانیایی با صمیمیت بالا تولید کند.
در ازای ارسال رایگان نمونه، ویدیوهای نقد و بررسی آنها را بگیرید. دستمزد این بلاگرها بسیار پایین است؛ حتی با چند جور جوراب یا چند لباس میتوانید با آنها به توافق برسید، اما فالوورهای مکسیکی-آمریکایی پشت آنها، وقتی پای تبدیل شدن به مشتری وسط میآید، بیرحمانه عمل میکنند.
در عصری که AI فاصله زبانی و اطلاعاتی را از بین برده، آن چیزی که به عنوان «موانع ورود» از آن یاد میشود، اغلب فقط در ذهن شما وجود دارد.
۶۸ میلیون مخاطب و ۲.۷ تریلیون دلار قدرت خرید، همانجا منتظر هستند. نیازی نیست حتی یک کلمه اسپانیایی بلد باشید و نیازی هم نیست به آمریکا پرواز کنید.
همین امروز، یک حساب کاربری ثبت کنید، با AI اولین متن تبلیغاتی اسپانیایی خود را بنویسید و یک تست ۱۰ دلاری اجرا کنید.
به خاطر داشته باش، در مسیر جهانیسازی کسبوکار، بزرگترین ریسک این است که هنوز فقط به بازارهایی خیره شدهای که همه دیگران هم به آنها چشم دوختهاند.
منبع شواهد: yunying23/10971
]]>«یک نفر، یک کامپیوتر و انبوهی از ابزارهای AI؛ فروش جوراب به ۱۹ میلیون دلار در ۳۰ روز—این شانس نیست، بلکه “اجرای یک سیستم” است. حالا این سیستم را برایتان بشکافم: انتخاب محصول با اسکن روندها توسط AI، تولید انبوه محتوا با AI، بهینهسازی تبلیغات با AI… حداقل ۳ گام از این مسیر را همین امروز میتوانید پیادهسازی کنید.»
در این دورانی که هر روز ترافیک گرانتر و حاشیه سود کمتر میشود، بسیاری از فعالان سنتی تجارت الکترونیک و کسانی که به دنبال درآمد جانبی هستند، مدام شکایت میکنند: «تجارت الکترونیک بیرحم شده است!」「هزینه ترافیک از حد گذشته!」「آیا الان هنوز هم میشود پول درآورد؟» هر روز به صفحه نمایش خیره میشوند، برای نیم درصد حاشیه سود با رقبا به جنگ پای میکشند و برای نوشتن چند متن تبلیغاتی وایرال، مغزشان را به کار میاندازند.
مشکل دقیقاً همینجاست: اکثریت قاطع مردم هنوز هم با مدل سنتیِ کاملاً دستی و اتکا به زور بازو در حال تجارت الکترونیک هستند. یک نفر کارِ ده نفر را انجام میدهد، در نهایت از خستگی نیمهجان میشود و تمام درآمدش هم فقط عرقِ جبین است.
اما در نقطهای که شما نمیبینید، عدهای با استفاده از AI سیستمهای درآمدزای خودکاری ساختهاند که با برتری فاحش، رقبا را زمینگیر میکنند.
طبق گفته پست اصلی (تأیید مستقل نشده)، اخیراً یک مورد بهشدت عجیب و غیرعادی وایرال شده است: یک نفر، صرفاً با تکیه بر AI و با فروش جوراب، در عرض ۳۰ روز وحشتناک ۱۹ میلیون دلار پول درآورده است.
این شبیه به یک داستان خیالی به نظر میرسد و حتی شاید اغراقی بیحد و مرز باشد. اما اگر فقط روی کلمات «فروش جوراب» و «۱۹ میلیون» تمرکز کنید، کلید اصلی ثروتسازی در پسزمینه این مورد را کاملاً از دست میدهید: این فروش کالا نیست، این اجرای یک سیستم است.
اگر این الگو را بهدرستی درک کنید، در واقع میتوانید آن را بینهایت کپی و گسترش دهید. امروز، ما این استراتژی پولسازی با AI را که توسط افراد بیشماری نادیده گرفته شده، کالبدشکافی میکنیم.
در درک سنتیِ تجارت، برای خلق درآمدی در سطح دهها میلیون، به تیمی متشکل از دهها یا صدها نفر نیاز دارید: تیم انتخاب محصول، تیم طراحی، تیم کپیرایتینگ، تیم تبلیغات، تیم پشتیبانی… هر حلقه به انسان نیاز دارد و با اضافه شدن هر نفر، هزینهها و اتلافِ مدیریت نیز بیشتر میشود.
اما بزرگترین فرصت در عصر AI این است که با استفاده از ابزارها، شکل سازمانی “شرکت” را به حد نهاییِ “یک نفر” فشرده میکنید.
دیگر نیازی نیست با آدمها دستوپنجه نرم کنید؛ باید با سیستم بجنگید. وقتی با GPT کپیرایتینگ را انجام میدهید، با Midjourney تصاویر محصولات را میسازید، با Coze گردشکار پشتیبانی هوشمند مشتری را میچینید و با انواع ابزارهای اتوماسیون، انتخاب محصول و مانیتورینگ دادهها را انجام میدهید، در واقع صاحب یک ابرتیم ۱۰۰ نفره شدهاید که خستهنشدنی، بدون احساسات و بدون نیاز به حقوق است.
منطق تجاریِ زیربناییِ آنچه به عنوان “1900万美金” (1900 میلیون دلار) مطرح میشود (صرفنظر از اینکه آیا این داده اغراقآمیز است یا خیر)، کاملاً منطقی و برقرار است: هزینه حاشیهای بسیار پایین + راندمان تست بسیار بالا + توزیع ترافیک جهانی = قدرت انفجاری و وحشتناک.
این به این معنی نیست که با شانس به یک محصول پرفروش برخوردهاید؛ بلکه از نظر احتمالات، وقتی بتوانید هر روز با هزینهای بسیار پایین ۱۰۰۰ محتوای تبلیغاتی را تست کنید، قطعاً به یک محصول پرفروش (爆款) خواهید رسید. این دقیقاً همان “BUG” این عصر است.
فکر نکنید که این سیستم دستنیافتنی و پیچیده است؛ تمام پردههای رازآلود آن را کنار بزنید. برای کپی کردن این مدل در پلتفرمهای داخلی یا آسیای جنوب شرقی (مثل Taobao، نسخه بینالمللی Pinduoduo یعنی Temu، TikTok Shop یا Shopee)، فقط باید این مسیر سهگانه هستهای را اجرا کنید.
در تجارت الکترونیک سنتی انتخاب محصول چگونه است؟ نگاه به رقبا، تکیه بر تجربه، و حدس و گمان.
در انتخاب محصول خودکار با AI چگونه است؟ اجرای دادهها، استخراج روندها، و پیدا کردن بازارهای آبی (Blue Ocean).
لازم نیست خودتان حدس بزنید چه جورابی بهتر میفروشد؛ کاری که باید بکنید این است که یک خزنده (Crawler) بنویسید، یا از ابزارهای تحلیل داده آماده (در ترکیب با قدرت پردازش دادههای GPT) استفاده کنید تا در سراسر وب، ویژگیهای محصولاتی را که بحثبرانگیز بودنشان در حال صعود است اما عرضهشان هنوز کافی نیست، استخراج کنید.
مثلاً، با استخراج دادههای شبکههای اجتماعی و دادن آنها به Claude یا GPT برای تحلیل معنایی، نتیجه میگیرید که تقاضا برای جورابهای «تابستانی، تنفسپذیر، دارای الگوهای فرهنگ پاپ خاص، ضد بو و ضد باکتری» در حال افزایش است. سیستم مستقیماً این کلمات کلیدی را هدف قرار داده و پروفایل محصول را ایجاد میکند.
اقدام عملی:
با استفاده از رابطهای API نرمافزارهای انتخاب محصول آماده، بهطور دورهای دادههای روند دستهبندی TikTok و Shopee را به GPT بدهید تا هوش مصنوعی هر روز ۱۰ محصول برتر بازارهای آبی پتانسیلدار را برایتان خروجی بدهد.
محصول را انتخاب کردی، حالا چطور بفروشی؟ این دقیقاً همان حلقهای است که فاصلهها را به وحشتناکترین شکل ممکن ایجاد میکند.
قبلاً باید مدل میگرفتی، عکاس استخدام میکردی، استودیو اجاره میکردتی، یک روز عکاسی و سه روز ادیت میکردتی تا در نهایت فقط ۱۰ عکس تحویل بگیری. اما حالا؟
۱. کپیرایتینگ و سناریونویسی: مستقیماً با GPT دهها نسخه متن بازاریابی با زاویههای دید مختلف (تمرکز روی درد، طنز، آنباکسینگ) تولید کن.
۲. بخش بصری و ویدیو: با Midjourney تصاویر صحنهمحور و کاملاً واقعی از محصول بساز؛ با ابزارهای ویدیوی AI، به چند عکس ساده صداگذاری AI اضافه کن و مستقیماً حجم انبوهی از محتوای ویدیویی کوتاه تولید کن.
بقیه در یک روز ۳ ایده را تست میکنند، اما تو ۳۰۰ ایده را تست میکنی. نیازی نیست بدانی کدام عکس وایرال میشود؛ فقط باید این ۳۰۰ عکس را داخل سیستم بریزی و اجازه دهی الگوریتم جواب را به تو بدهد.
اقدام عملی:
روی Coze یا پلتفرمهای مشابه، یک گردش کار خودکار (Workflow) بساز: ورودی لینک محصول یا نقطه فروش -> GPT تولید ۵۰ سناریوی ویدیوی کوتاه -> فراخوانی API صوتگذاری و API تولید تصویر برای خلق محتوا. همه چیز کاملاً خودکار پردازش میشود.
محتوا آماده است، حالا وقت آن است که در پلتفرمهایی مثل TikTok Shop یا Pinduoduo به صورت انبوه توزیعش کنی. در این مرحله، زمانبرترین بخشها یعنی پشتیبانی مشتری و تحلیل دادهها سراغت میآیند.
بهمحض اینکه این سیستم بهخوبی راه بیفتد، کار روزانه شما فقط تماشای داشبورد و تنظیم پارامترهاست؛ درست مثل بازیهای شبیهسازی مدیریت.
شاید فکر کنید «۱۹ میلیون دلار» بیش از حد دور از ذهن یا غیرقابل تصور است؛ پس بیایید یک مورد واقعی و عمیق در خارج از کشور را بررسی کنیم.
اخیراً یک برند جورابهای ضدلغزش (Grip Socks) که مخاطب هدف آن عمدتاً افراد علاقهمند به پیلاتس (Pilates) بود، صرفاً با استفاده از یک گردش کار کاملاً مبتنی بر AI توانست به درآمد ۱ میلیون دلاری در یک ماه (معادل تقریباً ۷ میلیون یوآن) دست یابد و در مقیاس سالانه مستقیماً به سطح دهها میلیون برسد.
استراتژی اصلی آنها، منطق سنتی تست محصول در تجارت الکترونیک را کاملاً کنار گذاشت؛ در عوض، هزاران ساعت ویدیوی تمرین پیلیتس در YouTube و تکهپارههای نظرات کاربران را به ChatGPT دادند تا «سیگنالهای تقاضا» (Demand Signals) را استخراج کند. هوش مصنوعی به آنها گفت: درد واقعی مشتری، لیز نخوردن جوراب نیست؛ بلکه نبود جورابی است که با هویت زیباییشناختی «Pilates Princess» (پرنسس پیلیتس) هماهنگ باشد و رنگش به لباسهای یوگا بپوشد.
سپس، با استفاده از هوش مصنوعی، بهصورت انبوه محتوای بصری با طراحی مینیمال و رنگهای آبی کماشباع تولید کردند و با خلق دیوانهوار ویدیوهای ۳۰ ثانیهای، به انتشار وایرال دست زدند. این قیف فروش مبتنی بر «استخراج بینش از دادهها + رندر انبوه بصری با AI + بازاریابیِ هویتمحور»، باعث شد جورابی که هزینه ساختش ۳ تا ۵ دلار بود، مستقیماً با قیمت بیش از ۲۰ دلار فروخته شود و حاشیه سود ناخالص به ۷۰٪ برسد.
این قدرتِ «سیستم» است. فروش جوراب، فروش ماگ، فروش محصولات دیجیتال؛ دیگر مهم نیست چه میفروشی. آنچه اهمیت دارد، این مدل قیف فروش است: «انتخاب محصول با AI + تولید انبوه محتوای AI + دسترسی خودکار».
دیگر در گروهها با دیگران بر سر اینکه آیا هوش مصنوعی حباب است یا نه بحث نکنید، و معطل این نشوید که آیا یک مدل بزرگ زبان (LLM) احمق شده یا نه.
کسانی که روی موج این فرصتها پول درمیآورند، مدتهاست دستهایشان را کثیف کردهاند و با استفاده از AI برای جذب ترافیک و درآمدزایی شروع کردهاند.
کاری که شما امروز میتوانید انجام دهید، رویابافیِ فردا به دستآوردن ۱۰ میلیون نیست؛ بلکه همین حالا دستبهکار شوید و اولین حداقل محصول پذیرفتنی (MVP) خود را بسازید.
چکلیست اولین قدم شما:
۱. در Coze یک حساب کاربری ثبت کنید و سعی کنید یک عامل هوشمند بسازید که بر اساس کلمات کلیدی، بهطور خودکار ۱۰ متن تبلیغاتیِ فروش تولید کند.
۲. با استفاده از Midjourney یا ابزارهای تولید تصویر هوش مصنوعی داخلی، برای یک کالای کوچکِ اطراف خود، ۳ تصویر اصلیِ کاملاً طبیعی و بینقص برای محصول تولید کنید.
۳. این متنها و تصاویر را در شبکههایی مانند شیائوخونگشو، دویین یا هر پلتفرم ترافیکی دیگری منتشر کنید و ببینید آیا بازدید و تعامل واقعی دریافت میکنید یا خیر.
به دنیای فعلی با نگاهِ سنتی نگاه نکنید؛ خود را مدیرعامل یک شرکت چندملیتی با کارمندان نامحدود تصور کنید. صفحهکلیدِ دست شما، چوبفرمانِ فرماندهیِ لشکری عظیم است.
همین حالا اقدام کنید و اولین سیستم درآمدزایی خود را بهثبت برسانید!
]]>«یک نفر، یک کامپیوتر و انبوهی از ابزارهای AI؛ فروش جوراب به ۱۹ میلیون دلار در ۳۰ روز—این شانس نیست، بلکه “اجرای یک سیستم” اس]]>