فارسی

چه چیزی وارد می‌کنید و چه چیزی تحویل می‌گیرید

مناسبِ چه کسانی است

تیم‌های آموزش مشتری و ادآپشن

مدیران آموزش، صاحبان آکادمی و لیدهای ادآپشن که به مشتریانی آموزش می‌دهند که محصول را بالفعل استفاده می‌کنند و پرداخت‌کننده‌اند؛ در محصولی که مدام قابلیت‌های جدیدی می‌دهد و نیاز به توضیح دارد.

با چه چیزی شروع می‌کنید

یادداشت‌های انتشار، مقالات راهنما و دِک‌ها

محتوایی که شرکت شما از قبل تولید می‌کند: یادداشت‌های انتشار، مقالات مرکز راهنما، اسلایدهای وبینار، دِک‌های انیبلمنت—به‌علاوه یک ضبطِ صفحه از قابلیت که تیم خودتان تهیه می‌کند.

چه چیزی دریافت می‌کنید

کتابخانه‌ای که کل محصول را پوشش می‌دهد

ماژول‌های کوتاه در سطحِ قابلیت با یک مجری ثابت؛ آمادهٔ بازبینی و سپس آماده برای آکادمی، مرکز راهنما یا راهنمای درون‌برنامه‌ای شما. VisionStory فایل تحویل می‌دهد، نه درس‌های منتشرشده.

فاصله‌هایی که یک کتابخانهٔ کامل‌تر پُر می‌کند

آموزش مشتری به‌ندرت از نظر کیفیت شکست می‌خورد؛ مشکل معمولاً پوشش است: دو دوره‌ای که درست ساخته شدند واقعاً خوب‌اند و بقیه تبدیل شده‌اند به یک مقالهٔ راهنما با اسکرین‌شات‌های شماره‌گذاری‌شده. فاصله از کم‌کاری نیست؛ مسئله این است که ویدیو قبلاً به تیم تولید، یک روز رزروشده و یک ردیف بودجه که سالی یک‌بار تمدید می‌شود نیاز داشت، در حالی که محصول هر فصل چیزی تازه و ارزشمند برای توضیح دادن منتشر می‌کند. وقتی ساخت یک ماژول به‌جای یک چرخهٔ تولید، فقط یک بعدازظهر هزینه داشته باشد، این حساب‌وکتاب دیگر جواب نمی‌دهد.

قابلیت‌هایی را که کسی باز نکرده به چیزی تماشایی تبدیل کنید

در بازبینی فصلی، خروجیِ گزارش استفاده روی صفحه می‌آید و الگو دقیقاً مثل فصل قبل است. ورک‌اسپیس صدها صندلی دارد و بیشترشان هیچ‌وقت آن ماژولی را که حساب کاربری به‌خاطرش ارتقا گرفته باز نکرده‌اند. کسی ریزش نکرده، کسی شکایت نکرده و هیچ‌چیز در صف تیکت‌ها نشانهٔ مشکل نیست. قابلیت همان‌جا مانده—پولش پرداخت شده و استفاده نمی‌شود—و گفت‌وگوی تمدید اشتراک 9 ماه دیگر به‌خاطر همین سخت‌تر خواهد بود.

راه‌حل به‌ندرت «یک مقالهٔ راهنمای بهتر» است، چون مشتری اصلاً آن‌قدر جلو نرفته که دنبال مقاله بگردد. یک ماژول 3 دقیقه‌ای که قبل از اینکه از کسی بخواهد چیزی را پیکربندی کند نشان می‌دهد قابلیت چه می‌کند، سؤال را از «چطور از این استفاده کنم؟» به «اصلاً ارزش وقتِ سه‌شنبه‌ام را دارد؟» تبدیل می‌کند. VisionStory آن ماژول را از همان یادداشت انتشار و دِکی که دارید می‌سازد و تیم شما آن را هرجا که مشتری‌ها از قبل هستند قرار می‌دهد: آکادمی، مرکز راهنما یا یک نکتهٔ درون‌برنامه‌ای. چیزی که انجام نمی‌دهد این است که تصمیم بگیرد کدام قابلیت‌ها سزاوار چنین ماژولی هستند؛ آن قضاوت از داده‌های استفادهٔ خودِ شما می‌آید.

به بقیهٔ کتابخانه همان رسیدگیِ دورهٔ پرچم‌دار را بدهید

دو دوره در کاتالوگ واقعاً شبیه دوره‌های واقعی هستند. همان سالی ساخته شدند که برایش یک ردیف بودجه وجود داشت: تهیه‌کننده، متن از پیش نوشته‌شده، و یک نفر جلوی دوربین. هر چیزی که بعد از آن اضافه شده یک مقالهٔ متنی با اسکرین‌شات‌های شماره‌گذاری‌شده است که زیر همان مسیر ناوبری قرار گرفته؛ بنابراین مشتری وقتی در کاتالوگ کلیک می‌کند، از یک ماژول تولیدشده به یک دیوار متن می‌رسد و بی‌سروصدا نتیجه می‌گیرد که نیمهٔ دوم آن‌قدر مهم نبوده که تمامش کند.

یکدست کردن کتابخانه مهم‌تر از این است که برای یک ماژولِ خاص سقف را بالاتر ببرید. وقتی برای هر موضوع همان مجری، همان مقدمه، همان سبک زیرنویس و همان انضباطِ طول محتوا را اعمال کنید، کل کاتالوگ مثل یک برنامهٔ واحد خوانده می‌شود؛ و هزینهٔ هر ماژول هم یکسان است، چه موضوع «جریان کاریِ اصلی» باشد چه یک تنظیمِ خروجی. یک مقالهٔ متنی بدون بازنویسی به یک ماژول روایت‌شده تبدیل می‌شود؛ کاری که معمولاً جلوی پاک شدن بک‌لاگ را می‌گیرد. البته هنوز هم کسی از تیم شما باید تصمیم بگیرد کدام مقاله‌ها ارزش ارتقا دارند و کدام‌ها بهتر است همان متن باقی بمانند که مخاطب فقط سریع مرورشان می‌کند.

یک توضیح برای هر قابلیت را در گردش نگه دارید، نه سه تا

پشتیبانی نمی‌توانست منتظر ماژول بماند؛ پس مسئول پشتیبانی نسخهٔ خودش از توضیح را نوشت و آن را به‌صورت یک ماکرو ذخیره کرد تا در تیکت‌ها پیست کند. یک هفته بعد هم کسی همان سوال را در انجمنِ کاربران با کلمات کمی متفاوت جواب داد، با یک تبصرهٔ اضافه دربارهٔ حساب‌هایی که روی پلن قدیمی‌تر هستند. حالا این قابلیت سه توضیحِ در گردش دارد و هیچ‌کدام‌شان هم روزی که نوشته شدند، غلط نبودند.

مشتری‌ها معمولاً هر پاسخی را که آخر از همه به دست‌شان برسد باور می‌کنند، و این تقریباً همیشه پاسخِ تیکت است؛ پس آن ماکرو بی‌سروصدا تبدیل می‌شود به «مستنداتِ واقعی»، در حالی که کاتالوگ همچنان رفتاری را توصیف می‌کند که از آن زمان تا حالا دو بار قید و شرط خورده است. راه‌حل این نیست که روی نوشته‌های پشتیبانی پلیس‌بازی دربیاورید. راه‌حل این است که چیزی به آن‌ها بدهید که به آن ارجاع دهند: یک ماژول کوتاه که از همان یادداشت انتشار ساخته شده که داشتند خلاصه‌اش می‌کردند؛ آن‌قدر کم‌هزینه که کتابخانه بتواند برای هر قابلیتی که مردم واقعاً درباره‌اش می‌پرسند یک ماژول داشته باشد، تا پاسخ تیکت و پست انجمن به آن لینک دهند، نه اینکه دوباره با کلمات خودشان آن را تکرار کنند. VisionStory آن منبعِ مکتوب را به ماژول تبدیل می‌کند، اما نمی‌تواند ببیند میزِ کمک یا انجمنِ شما قبلاً چه چیزهایی منتشر کرده‌اند؛ بنابراین یکسان‌سازیِ عبارت‌بندی در هر سه جا هنوز کاری است که باید کسی از سمت شما انجامش بدهد.

یاد بدهید کدام گزینه را انتخاب کنند، نه اینکه کجا کلیک کنند

یک ضبطِ بی‌صدای صفحه همراه با زیرنویس مسیر کلیک را کاملاً خوب آموزش می‌دهد. مشتری می‌بیند نشانگر از روی پنل تنظیمات رد می‌شود، همان توالی را کپی می‌کند و به همان صفحه می‌رسد. اما چیزی که نمی‌تواند یاد بدهد تصمیمِ یک قدم قبل‌تر است: اینکه از بین سه گزینه کدام‌یک برای حسابی با اندازهٔ آن‌ها مناسب است، آیا با بزرگ‌تر شدن حجم داده‌ها هنوز همان حالت پیش‌فرض جواب می‌دهد یا نه، و روشن کردنش چه اثری روی بقیه افراد در ورک‌اسپیس می‌گذارد.

همان تصمیمِ زودتر معمولاً جایی است که پذیرش متوقف می‌شود. تیکتی که بعدش می‌آید به‌ندرت دربارهٔ «چطور قابلیت را فعال کنیم» است؛ بیشتر دربارهٔ این است که اصلاً فعالش بکنند یا نه، برای کدام تیم، و با تنظیماتی که از قبل دارند چه اتفاقی می‌افتد. چنین استدلالی باید از زبانِ کسی گفته شود که محصول را می‌شناسد؛ یعنی اول باید مکتوب شود. ساختن ماژول از روی یادداشت انتشار و دِکِ enablement این شرط‌ها را وارد اسکریپت می‌کند، به‌جای اینکه در ذهنِ یک نفر باقی بماند. VisionStory همان اسکریپت را با یک مجری ثابت، صدا و زیرنویس بازخوانی می‌کند. اینکه کدام توصیه برای کدام نوع حساب درست است، همچنان تصمیمِ تیم‌های محصول و پشتیبانی شماست؛ و هیچ ماژولی نباید بدون بررسیِ یکی از آن‌ها تأیید شود.

یک آکادمی را بدون تیم تولید، استودیو یا چرخهٔ بودجه اجرا کنید

آکادمی مشتری معمولاً یک نفر است و بخشی از وقتِ یک نفر دیگر، داخل تیم موفقیت مشتری یا بازاریابی محصول. نه دوربینی هست، نه تدوین‌گری و نه استودیویی؛ و بودجهٔ ویدیو هم یک ردیف هزینه مربوط به 3 سال پیش بود که صرف همان دو دوره‌ای شد که هنوز هم در حال اجرا هستند. در همین حین، محصول هر فصل چیزی عرضه می‌کند که ارزش توضیح دادن دارد. محدودیت، کمبود جاه‌طلبی نیست؛ مشکل این است که هر گزینهٔ موجود روی میز، یک توانِ تولیدی را فرض می‌گیرد که تیم نه دارد و نه قرار است به آن دسترسی پیدا کند.

این گردش‌کار دقیقاً برای همین اندازهٔ تیم ساخته شده است. مجری، صدا و زیرنویس‌ها از محتوای مکتوب می‌آیند، نه از فیلم‌برداری؛ بنابراین لازم نیست چیزی را با تقویمِ کسی هماهنگ کنید و وقتی یک صفحه تغییر می‌کند، ماژول می‌تواند دوباره ساخته شود به‌جای اینکه با اطلاعات غلط باقی بماند. سپس یک نسخهٔ نهاییِ تأییدشده را می‌توان از همان فایلی که بازبین‌ها تأیید کرده‌اند، برای مناطقی که برنامه‌تان همین حالا پوشش می‌دهد، به هرکدام از 88 زبان دوباره منتشر کرد. چیزی که دستی می‌ماند قضاوت است: اینکه چه چیزهایی را پوشش دهید، چه بگویید، و آیا ماژول آن‌قدر دقیق هست که منتشر شود یا نه.

تیم‌های آموزش مشتری چگونه از VisionStory استفاده می‌کنند

بیشتر تیم‌ها با یک کاتالوگ نامتوازن به اینجا می‌رسند: دو دورهٔ تولیدشده در ابتدای فهرست، دنباله‌ای طولانی از مقاله‌های راهنما پشت سرشان، و دو انتشار آخر هم که اصلاً پوشش داده نشده‌اند. مراحل زیر همین موجودی را قدم‌به‌قدم سامان می‌دهد و در هر مرحله مشخص می‌کند مالک محصول قبل از اینکه مشتری ماژول را ببیند، چه بررسی‌ای را بدهکار آن ماژول است.

قبل از انتشار هر ماژول، مالک محصول تأیید می‌کند که رفتار قابلیت، رابط کاربریِ نمایش‌داده‌شده و عبارت‌بندی‌ها همگی با نسخه‌ای که در حال حاضر به‌طور عمومی در دسترس است مطابقت دارند؛ و هیچ چیزی که هنوز در بتا است یا پشت فلگ قرار دارد طوری توصیف نشده که انگار همهٔ حساب‌ها همین حالا آن را دارند.

  1. 01

    یادداشت انتشار را به یک پیش‌نویس قابل‌اجرا از ماژول تبدیل کنید

    یادداشت انتشار، مقالهٔ مرکز راهنما یا دِک توانمندسازی داخلی مربوط به فیچری را که پوشش می‌دهید به AI Video Agent بدهید. خروجی یک پیش‌نویس است که هنوز می‌توانید ویرایشش کنید: صحنه‌ها مرتب شده‌اند، روایت نوشته شده، یک مجری اضافه شده و زیرنویس‌ها تولید شده‌اند. هیچ‌کدام نهایی نیست. مالک فیچر پیش‌نویس را با محصولِ واقعی تطبیق می‌دهد، هرجا که متن منبع به‌صورت آرمانی توصیف کرده اصلاح می‌کند و ادعاهایی را که نسخهٔ فعلی پشتیبانی نمی‌کند حذف می‌کند.

    ویژگی ایجنت ویدیوی هوش مصنوعی
    ایجنت ویدیوی هوش مصنوعی
    یک پرامپت، URL، PDF یا اسکریپت را به یک پیش‌نویس ویدیویی چندنما و قابل‌ویرایش با آواتار، صداگذاری و زیرنویس تبدیل کنید.
  2. 02

    به‌جای بازنویسی، از دِک وبینار دوباره استفاده کنید

    موضوعات طولانی‌تر معمولاً از قبل به شکل یک دِک وجود دارند: وبیناری که هنگام لانچ برگزار کردید، اسلایدهای توانمندسازی که تیم پشتیبانی با آن آموزش دیده، یا به‌روزرسانی فصلی محصول. آن دِک یا PDF را وارد AI Presentation کنید تا به یک ویدیوی روایت‌شده با مجریِ آواتاری تبدیل شود که ترتیب بخش‌های اصلی شما را حفظ می‌کند؛ بنابراین همان توالی‌ای که مشتری‌ها به‌صورت زنده طی کردند، همان توالی‌ای است که در حالت آن‌دیمند هم دریافت می‌کنند. مطمئن شوید هر اسکرین‌شات روی اسلایدها هنوز با رابط کاربریِ منتشرشده یکسان است، چون دِکی که برای وبینار لانچ ساخته می‌شود اغلب بیلدی را نشان می‌دهد که دقیقاً با همان شکل هیچ‌وقت منتشر نشده است.

    ویژگی ارائه هوش مصنوعی
    ارائه هوش مصنوعی
    یک دِک، سند یا PDF موجود را به یک ارائهٔ روایت‌شده با مجریِ آواتاری تبدیل کنید که ترتیب بخش‌های اصلی را حفظ می‌کند.
  3. 03

    مجری را کنار رابط کاربریِ در حال توضیح قرار دهید

    برای هر چیزی که باید محصول را نشان دهد، مجری را با ویدیوی پرده سبز تولید کنید و آن لایه را به ادیتوری ببرید که تیم‌تان همین حالا استفاده می‌کند؛ جایی که پس‌زمینه کی‌اوت می‌شود و مجری کنار اسکرین‌ریکوردینگ خودتان قرار می‌گیرد. مجری توضیح می‌دهد کدام گزینه برای کدام نوع حساب کاربرد دارد، در حالی که پنلی که درباره‌اش صحبت می‌شود قابل‌مشاهده می‌ماند. VisionStory فقط لایهٔ مجری را تولید می‌کند: نه از صفحهٔ محصول شما فیلم‌برداری می‌کند و نه این دو را با هم کامپوزیت می‌کند. راهنمای قدم‌به‌قدم را خودتان در یک محیط دمو ضبط کنید و قبل از ترکیب لایه‌ها مطمئن شوید هیچ نام واقعی مشتری، آدرس یا داده‌ای در کادر دیده نمی‌شود.

    ابزار ویدیوی پرده سبز
    ویدیوی پرده سبز
    یک لایهٔ مجری بسازید که بتوان آن را کنار محصول، صفحه‌نمایش یا صحنه کامپوزیت کرد.
  4. 04

    فوتیج‌های قدیمی وبینار و دمو را با کتابخانهٔ جدید هم‌خوان کنید

    برنامه‌ها به‌مرور فوتیج‌های قابل‌استفادهٔ مجددی جمع می‌کنند که دیگر شبیه بقیهٔ کتابخانه نیست: یک وبینار با بیت‌ریت پایین، یک کلیپ دموِ اولیه از یک ورک‌فلو که تغییری نکرده، یا یک walkthrough که در یک تماس ضبط شده است. قبل از اینکه وارد یک ماژول شوند، آن‌ها را از AI Video Enhancer عبور دهید. این ابزار تاری، نویز و آسیب‌های فشرده‌سازی را بدون دست‌زدن به زمان‌بندی یا صدا ترمیم می‌کند، پس روایتِ موجود هم‌زمان باقی می‌ماند. سپس فریم‌هایی را که معنی را منتقل می‌کنند—مثل برچسب‌های منو و نام فیلدها—بررسی کنید و اگر هنوز خوانا نیستند یا رابط کاربریِ قدیمی را نشان می‌دهند، آن بخش را دوباره ضبط کنید.

    ابزار بهبوددهنده ویدیو با هوش مصنوعی
    بهبوددهنده ویدیو با هوش مصنوعی
    تاری، نویز و آسیب‌های فشرده‌سازی را در فوتیجِ موجود ترمیم کنید، بدون اینکه زمان‌بندی یا صدا تغییر کند.
  5. 05

    ماژولِ تأییدشده را برای مناطق تحت پوشش دوباره منتشر کنید

    وقتی ماژول نهایی و تأیید شد، با AI Video Translator نسخه‌های دوبله‌شده و دارای لب‌خوانی هماهنگ را در 88 زبان تولید کنید، در حالی که فوتیجِ محصول روی صفحه و زمان‌بندی دست‌نخورده می‌ماند. فقط از نسخهٔ منتشرشده دوبله بگیرید و از یک گوینده در هر بازار بخواهید تأیید کند اصطلاحات محصول در دوبله با برچسب‌های رابط کاربری که مشتری‌های شما از قبل در زبان خودشان می‌بینند، هم‌خوان است.

    ابزار مترجم ویدیوی هوش مصنوعی
    مترجم ویدیوی هوش مصنوعی
    از یک ویدیوی منبعِ تأییدشده، نسخه‌های زبانی دوبله‌شده و دارای لب‌خوانی هماهنگ بسازید.

سوالات متداول

  • این‌ها ویدیوهای کوتاهی هستند که به مشتری‌های فعلی یاد می‌دهند چطور از محصولی که قبلاً خریده‌اند ارزش بگیرند؛ برخلاف ویدیوهای مارکتینگ که هدف‌شان قانع کردن افراد برای خرید است. در عمل، یک کتابخانه معمولاً سه نوع محتوا را پوشش می‌دهد: اینکه یک فیچر به چه درد می‌خورد و چه کسانی باید آن را فعال کنند، اینکه یک ورک‌فلو از ابتدا تا انتها چگونه انجام می‌شود، و اینکه در آخرین انتشار چه چیزهایی تغییر کرده است. این ویدیوها در آکادمی مشتری، مرکز راهنما یا راهنمای درون‌برنامه‌ای قرار می‌گیرند و معیار سنجش‌شان این است که آیا استفاده از محصول جلو می‌رود یا نه؛ نه اینکه چقدر تولیدشان پرزرق‌وبرق بوده است.

کاربران عاشق VisionStory هستند

کشف کنید چرا تولیدکنندگان محتوا و بازاریابان به VisionStory برای نیازهای ویدیوی هوش مصنوعی خود اعتماد دارند. از امکانات قدرتمند تا تجربه کاربری آسان، جامعه ما از نتایجی که با VisionStory به دست می‌آورند، شگفت‌زده‌اند.

همه بررسی‌ها را در G2 ببینید