00:00:00Dalam sebulan terakhir, saya mendapatkan lebih dari 38.000 pengikut di YouTube,
00:00:0350.000 pengikut di Instagram, dan 11.000 pengikut di TikTok.
00:00:08Dan itu sebagian besar berkat sistem konten Claude Code saya.
00:00:12Hari ini saya akan membedah semuanya; skill kustom yang saya buat, alur kerja
00:00:16harian saya, dan menunjukkan cara saya menggunakan Claude Code untuk mengotomatiskan
00:00:20seluruh sistem konten saya. Agar Anda juga bisa melakukannya.
00:00:22Jadi, yang kita lihat di sini adalah tujuh skill Claude Code yang merupakan tulang punggung
00:00:26sistem konten saya. Dan itu telah menghasilkan 10 juta penayangan selama sebulan terakhir.
00:00:30Sebagai tim tunggal, tanpa editor, tanpa asisten virtual, tidak ada apa-apa.
00:00:33Nah, 10 juta penayangan itu tersebar di 90 buah konten
00:00:38selama 30 hari; dari 90 konten tersebut, 30 adalah video berdurasi panjang.
00:00:43Intinya, ada satu video YouTube panjang setiap hari di bulan Maret dan 60
00:00:47video durasi pendek. Itu termasuk Shorts, Reels, TikTok, dan semuanya.
00:00:51Dan angka sebenarnya yang harus Anda fokuskan bukanlah jumlah pengikutnya.
00:00:54Seperti yang saya katakan di pembukaan, bahkan bukan angka 10 juta penayangan itu, tapi 90 video,
00:00:5890 video sebulan untuk satu orang, maksud saya bukan bermaksud sombong,
00:01:02tapi itu adalah volume yang cukup mengesankan.
00:01:05Dan satu-satunya cara saya bisa melakukannya adalah dengan sistem
00:01:10berkelanjutan yang dapat diulang. Dan itulah yang akan kita bahas hari ini.
00:01:14Karena sekali lagi, saya melakukan ini sendirian,
00:01:15tapi saya tidak terpaku di depan komputer 12, 16 jam sehari, kan?
00:01:19Satu-satunya cara saya bisa mempertahankan ini adalah jika ini berkelanjutan,
00:01:22jika ini sesuatu yang masuk akal, terlebih lagi,
00:01:25ketika sampai pada 10 juta penayangan itu,
00:01:27tidak ada satu pun konten yang mendapatkan lebih dari 400.000 penayangan.
00:01:31Jadi ini bukan situasi di mana angka 10 juta itu berasal dari dua
00:01:35konten viral sementara sisanya gagal, kan?
00:01:37Ini adalah kemenangan dengan 90 pukulan jab kecil tanpa satu pun pukulan telak.
00:01:40Jadi menurut saya itu juga perlu diketahui.
00:01:42Kita tidak hanya mencoba membuat konten viral yang mengandalkan keberuntungan.
00:01:45Ini adalah kemenangan kecil yang konsisten yang saya rasa bisa diulangi oleh siapa pun.
00:01:48Jadi bagaimana kita bisa melakukan ini?
00:01:50Bagaimana kita bisa menggunakan Claude Code untuk menciptakan sistem berkelanjutan
00:01:54yang menghasilkan konten yang benar-benar ingin dikonsumsi orang? Nah,
00:01:56pertama kita perlu memahami proses pembuatan konten secara keseluruhan.
00:01:59Kemudian kita perlu memecah proses tersebut menjadi bagian-bagian individual
00:02:04lalu menetapkan otomatisasi dan skill Claude Code tertentu pada bagian-bagian tersebut.
00:02:08Begitulah cara kita membedahnya secara metodis.
00:02:10Dan saya membagi proses konten menjadi empat fase utama.
00:02:13Yang pertama adalah riset. Yang kedua adalah ideasi.
00:02:17Ketiga adalah penulisan skrip. Dan keempat adalah distribusi.
00:02:22Dari empat fase inilah kita menarik berbagai skill Claude Code.
00:02:27Beberapa fase ini memiliki banyak skill karena banyak hal yang terjadi di dalamnya.
00:02:31Ambil contoh penulisan skrip, kan? Itu mencakup hook (pembukaan),
00:02:34itu mencakup skrip sebenarnya,
00:02:36kerangka video, serta pengemasan seperti judul dan
00:02:40thumbnail. Tapi mari kita mulai dengan dua fase pertama: riset dan ideasi,
00:02:44karena saya pikir penting untuk membicarakan keduanya secara paralel karena ini
00:02:47sangat berkaitan seperti siklus, kan? Anda meriset sesuatu,
00:02:50Anda mendapatkan ide dari ide-ide Anda, lalu Anda butuh riset lagi.
00:02:52Dan seringkali dari riset itu, Anda mendapatkan lebih banyak ide.
00:02:56Jadi poin satu dan dua sangat erat kaitannya. Nah,
00:02:59skill utama bagi saya adalah skill alur kerja YouTube saya.
00:03:03Dan ini melibatkan NotebookLM. Sekarang, setiap skill yang Anda lihat di sini,
00:03:08begitu juga dengan mesin riset Twitter,
00:03:10yang akan saya tunjukkan di skrip GitHub saya, dapat ditemukan di Chase AI.
00:03:14Tautan ke sana ada di komentar. Chase AI Plus juga merupakan tempat bagi masterclass
00:03:19Claude Code saya, tempat nomor satu untuk belajar dari nol menjadi pengembang AI.
00:03:22Ini diperbarui setiap minggu. Jadi jika Anda mencoba mencari tahu,
00:03:25bagaimana cara menguasai Claude Code dan memiliki jalur pembelajaran yang jelas?
00:03:29Silakan cek kami, sekali lagi tautan ada di komentar.
00:03:32Kembali ke skill alur kerja YouTube,
00:03:34yang menurut saya paling kuat dari ketujuh skill ini.
00:03:36Skill NotebookLM tersebut memungkinkan kita membawa kekuatan NotebookLM ke dalam
00:03:41Claude Code. Jadi saya bisa memberikan NotebookLM apa pun yang saya mau,
00:03:44apakah itu URL YouTube, PDF, dokumen,
00:03:48apa pun yang bisa dilakukan di aplikasi web NotebookLM biasa,
00:03:51tapi saya bisa melakukannya melalui terminal saya.
00:03:53Dan ini luar biasa karena NotebookLM sangat bagus dalam menangani beberapa konten
00:03:56yang bisa merepotkan bagi Claude Code,
00:03:59terutama hal-hal seperti video YouTube, dan semua ini diproses di server Google, kan?
00:04:03Kita tidak menggunakan token Claude Code untuk melakukan analisis.
00:04:05Kita membiarkan NotebookLM dan Gemini melakukannya untuk kita. Lalu kita tinggal mengambil hasilnya.
00:04:09Dan saya mendapatkan akses ke semua hasil NotebookLM, kan? Video,
00:04:12slide deck, gambar, apa pun yang bisa dilakukan di sini, bisa dilakukan lewat terminal sekarang.
00:04:17Dan skill tersebut menggunakan alat CLI NotebookLM-PI untuk menciptakan
00:04:21jembatan antara Claude Code dan NotebookLM.
00:04:24Repositori ini menyertakan skill-nya sendiri.
00:04:27Jadi riset alur kerja YouTube pada dasarnya adalah skill yang memanggil
00:04:32skill tambahan lainnya. Ini adalah skill tingkat tinggi.
00:04:33Jadi apa yang dilakukan skill alur kerja YouTube adalah mengambil alat CLI
00:04:38NotebookLM-PI dan skill-nya, lalu pada dasarnya mengotomatiskan
00:04:43pencarian sumbernya.
00:04:44Jadi alat ini mengambil banyak URL YouTube berdasarkan percakapan Anda dan menyertakan
00:04:49bagian analisisnya.
00:04:50Jadi alat ini digunakan sebagai jembatan, lalu secara otomatis mencari sumber dan
00:04:54menganalisis semuanya dalam satu perintah.
00:04:56Tapi menggunakan skill ini berarti Anda sudah memiliki sumber informasi, kan?
00:04:59Anda sudah tahu apa yang ingin dibicarakan atau apa yang ingin
00:05:02dianalisis, yang menimbulkan pertanyaan,
00:05:04bagaimana cara kita menentukan apa yang akan dibicarakan sejak awal?
00:05:08Bagaimana Claude Code membantu kita di sana?
00:05:09Dan itu melampaui apa yang Anda lihat di rincian skill ini, kan?
00:05:13Yang perlu kita temukan adalah langkah nol. Anda tahu,
00:05:16kita harus mencari tahu apa sumber utama pengetahuan untuk
00:05:21niche khusus Anda. Untuk teknologi, itu cukup jelas, kan? Untuk semua hal AI ini,
00:05:23semuanya berasal dari beberapa tempat,
00:05:25entah itu langsung dari repo GitHub atau muncul di Twitter, kan?
00:05:30Dan kemudian akhirnya masuk ke YouTube. Sesekali,
00:05:33sesuatu akan bermula dari YouTube,
00:05:35tapi biasanya dari Twitter dan GitHub, baru kemudian ke YouTube. Dari YouTube,
00:05:39hal itu akan menyebar luas.
00:05:40Jadi kita perlu mencari tahu apa sumber utama pengetahuan Anda karena jika itu
00:05:45bukan teknologi dan bukan AI, Anda perlu memahami,
00:05:47dari mana informasi itu berasal?
00:05:49Agar Anda bisa menjadi yang pertama membicarakannya. Jadi dalam kasus saya,
00:05:53karena kita bilang informasinya datang dari GitHub atau Twitter,
00:05:57bagaimana saya menggunakan Claude Code untuk membantu di sana? Nah, untuk Twitter,
00:06:00saya meminta Claude Code membuatkan saya aplikasi web pengikis Twitter.
00:06:04Itulah yang Anda lihat di sini. Hasilnya masuk ke Telegram. Dan setiap 30 sampai 45 menit,
00:06:08saya mendapatkan tweet berdasarkan kata kunci dan penulis tertentu
00:06:12yang muncul dan menunjukkan apa yang mereka bicarakan, jumlah like-nya,
00:06:16dan semacam skor kecepatan tren (velocity score).
00:06:18Ini juga memungkinkan saya membalas mereka jika mau karena saya juga menghubungkan
00:06:21API Twitter saya, dan inilah rincian cara kerja aplikasi web ini. Sekali lagi,
00:06:25cukup mudah untuk membuatnya di dalam Claude Code, padahal ini
00:06:28cukup canggih dan sangat bisa dikustomisasi.
00:06:31Jadi setiap 45 menit atau lebih, waktunya diatur secara acak,
00:06:36alat ini mengikis 40 sampai 90 tweet. Ia menggunakan pengikis tweet Apify.
00:06:39Itu cukup murah.
00:06:40Lalu alat ini menyaring dan memberi skor pada tweet tersebut.
00:06:43Skor didapat berdasarkan sejumlah sinyal. Ia melihat kecepatan, otoritas,
00:06:48waktu, peluang, dan potensi balasan (repliability), karena seperti yang saya katakan,
00:06:52saya punya kemampuan untuk membalas tweet-tweet ini jika saya mau,
00:06:54semua tweet yang didapat dikirim ke Supabase.
00:06:57Untuk memastikan saya tidak selalu mendapatkan tweet yang sama dari orang yang sama
00:07:00dan agar kontennya juga jadi sedikit beragam.
00:07:03Alat ini memberi skor lalu memilihnya berdasarkan skor tersebut menggunakan softmax.
00:07:07Jadi ia menerapkan skor probabilitas pada masing-masing tweet.
00:07:08Sehingga saya tidak selalu mendapatkan skor nomor satu setiap saat. Sekali lagi,
00:07:11kita ingin ada unsur acak di sana.
00:07:13Hasilnya didorong ke Telegram dan ia juga punya kemampuan untuk memberi saya
00:07:16potensi balasan. Saya menghubungkan Brock untuk itu.
00:07:18Nah, jika Anda sudah lama main Twitter,
00:07:21Anda tahu bahwa platform itu benar-benar dipenuhi bot AI yang memposting di sana.
00:07:24Jadi semua balasan tersebut masuk ke Supabase dan pada dasarnya
00:07:29diberi skor. Dengan begitu saya punya wawasan tentang jenis tanggapan yang saya berikan,
00:07:34karena saya juga bisa membuat tanggapan kustom, dan seiring berjalannya waktu,
00:07:36ini menjadi sistem yang memperbaiki dirinya sendiri. Dan yang terakhir,
00:07:40hasilnya muncul di Telegram. Sekarang mari bicara soal sumber utama nomor dua,
00:07:43yaitu repo GitHub yang sedang tren. Ya, ada halaman tren di GitHub,
00:07:47tapi kenapa saya tidak mendapatkan informasi ini secara otomatis disertai
00:07:50wawasan tentang kecepatan tren ini, kan?
00:07:53Berapa banyak bintang yang didapat sejak pertama kali dibuat dan juga bisa
00:07:57disaring, kan? Saya hanya ingin melihat hal-hal tentang AI. Nah,
00:07:59Claude Code melakukan itu semua untuk saya.
00:08:00Ia membuat skrip yang berjalan setiap pagi yang membawakan saya
00:08:04repo GitHub yang sedang tren di bidang AI dan memasukkannya ke dalam folder Obsidian saya.
00:08:08Jadi saya bisa melihat 10 repo teratas yang sedang tren yang dibuat dalam
00:08:12tujuh hari terakhir. Setiap hari saya melihat jumlah bintang, bahasa pemrogramannya,
00:08:16saya dapat tautan dan deskripsi singkat. Selain itu,
00:08:19saya juga bisa melihat lima besar yang sedang tren untuk bulan itu. Dan ia memberi saya
00:08:22saran setiap hari. Kenapa?
00:08:24Jadi, antara skrip GitHub yang dibuat Claude Code ini dan mesin Twitter ini,
00:08:28saya bisa menyelesaikan masalah langkah nol ini,
00:08:31yaitu bagaimana cara menemukan hal-hal untuk dibicarakan sejak awal yang
00:08:34bukan sekadar pengulangan dari apa yang ada di YouTube seminggu terakhir,
00:08:37kan? Kita butuh sesuatu yang baru dan ini memungkinkan kita melakukannya. Dan sekali lagi,
00:08:41hal yang menyenangkan dengan Claude Code adalah Anda tidak harus menggunakan GitHub.
00:08:44Anda tidak harus menggunakan Twitter.
00:08:45Anda hanya perlu mengidentifikasi apa sumber utama bagi Anda dan niche Anda.
00:08:48Lalu biarkan Claude Code membangunnya karena setelah Anda memilikinya,
00:08:52langkah nol dari sumber utama tersebut, barulah Anda bisa menghubungkannya ke sini,
00:08:57ke dalam seluruh pengaturan rincian skill ini, kan?
00:08:59Setelah saya punya ide yang ditemukan di GitHub atau ide dari orang-orang
00:09:03di Twitter, barulah saya bisa menggunakan pencarian alur kerja YouTube ke sana, kan?
00:09:07Ini disebut YT pipeline, tapi tidak harus terbatas pada YouTube, kan?
00:09:09Bisa untuk apa pun. Dan kemudian itu melakukan analisis di NotebookLM.
00:09:13Dan seperti yang Anda lihat dengan GitHub,
00:09:14semua ini juga dilakukan di dalam folder Obsidian saya. Jadi ya,
00:09:20saya akan membuka terminal saya dengan Claude Code yang terhubung,
00:09:22tapi semua yang dibuat Claude Code ada dalam file Markdown di dalam folder saya.
00:09:27Jadi sangat mudah bagi saya untuk melihat apa yang sedang terjadi.
00:09:30Dan untuk melihat laporan serta melihat artikel yang terhubung, kan?
00:09:33Ini memberi saya wawasan yang lebih baik dan menjaga semuanya tetap teratur, kan?
00:09:36Karena terutama jika Anda membuat konten,
00:09:38jika Anda melakukan ini setiap hari, melakukan berbagai jenis riset, hal ini,
00:09:42jika hanya ada di basis kode dan Anda tidak punya Obsidian di sana,
00:09:44Anda sebagai manusia bisa kewalahan; Claude Code bisa menanganinya dengan baik,
00:09:48tapi Anda akan kesulitan. Jadi kita paham di mana mencari ide di tingkat dasar.
00:09:52Dan kita baru saja membahas soal skill YT pipeline,
00:09:55bagaimana kita bisa mengarahkannya pada ide-ide yang kita temukan di suatu tempat,
00:09:59mengirimnya ke NotebookLM dan membiarkannya melakukan banyak riset dan analisis, selanjutnya
00:10:03adalah tahap ideasi dan strategi.
00:10:06Jadi ini adalah mengambil riset tersebut lalu mencari tahu bagaimana kita bisa memposisikan
00:10:10ide-ide ini dengan pemetaan keinginan (desire mapping)?
00:10:12Bagaimana kita bisa mengambil ide-ide ini dan benar-benar mengubahnya menjadi konten yang
00:10:16benar-benar akan dipedulikan orang di tingkat tinggi.
00:10:18Dan apa yang akan dilakukan ideasi ini adalah bukan mengulangi risetnya,
00:10:22tapi melihat riset tersebut dalam hal lanskap persaingan.
00:10:25Seperti, apa yang dikatakan orang lain tentang ini? Apa celahnya?
00:10:29Apa hal-hal potensial yang belum dibahas orang lain yang mungkin beresonansi dengan
00:10:33audiens, kan?
00:10:33Jadi ini adalah mengeluarkan riset dari ruang hampa lalu menempatkannya lagi di
00:10:38lanskap persaingan yang Anda tempati. Mari kita lihat ini saat beraksi.
00:10:42Saya telah melakukan riset tentang RAG dan Claude Code dan berencana menjadikannya
00:10:45beberapa konten. Seperti, tujuh tingkat Claude Code dan RAG,
00:10:49karena itu adalah bidang yang sebenarnya sudah banyak berubah selama
00:10:52setahun terakhir. Jadi kita sedang menjalankan skill ideasi.
00:10:56Melihat riset RAG dan Claude Code terbaru kami dan kembali dengan gambaran lanskapnya.
00:11:00Jadi inilah hasil dari Claude Code. Sekali lagi,
00:11:03ini menarik data dari riset yang sudah kita lakukan sebelumnya.
00:11:05Hal pertama yang diberikannya adalah lanskap kompetitif, sudut pandang yang jenuh,
00:11:10celah yang terbuka, dan kemudian pencapaian luar biasa, bukan?
00:11:14Apa yang dibicarakan orang lain yang seolah menjadi viral setelah memberikan
00:11:17konteks itu, ia masuk ke ide video, kan? Judul, sudut pandang,
00:11:21jenis keinginan yang kita sasar, lalu format dan celah kompetitif.
00:11:25Dan ia melakukan ini untuk banyak video yang berbeda, kan?
00:11:29Secara total ia memberi kita sembilan opsi berbeda dan kemudian memeringkatnya.
00:11:32Dan saya rasa apa yang Anda lihat di sini penting karena ini diulang di semua
00:11:36keahlian dalam sistem ini. Saya menggunakan,
00:11:38ketika kita berbicara tentang penggunaan Claude Code dan otomatisasi,
00:11:40yang sebenarnya kita bicarakan adalah mengubah Claude Code menjadi kolaborator.
00:11:44Benar? Di setiap langkah perjalanan ini,
00:11:46saya ingin memiliki semacam masukan, kan?
00:11:49Saya tidak ingin Claude Code otomatis pergi ke GitHub dan saya bahkan tidak
00:11:53melihatnya. Dan kemudian di akhir ia hanya memberi saya, "Hei,
00:11:55ini naskah lengkap yang akan Anda bawakan hari ini. Omong-omong,
00:11:57saya sudah membuat thumbnail dan judulnya, semuanya sudah siap."
00:12:00"Anda hanya perlu mengucapkan kata-kata ini."
00:12:01Anda tidak menginginkan itu karena hasilnya akan buruk. Oke?
00:12:04Jika Anda melakukan apa pun dengan AI yang memiliki sisi kreatif apa pun,
00:12:08Anda harus tetap memegang kendali. Sekarang,
00:12:13tentu saja di sepanjang proses ini, Claude Code melakukan banyak hal untuk kita,
00:12:16tetapi ia melakukan analisis dan memberikan rencana serta ide-ide potensial.
00:12:20Anda tetap harus ada di sana untuk memeriksa dan berkata, "Hei,
00:12:24saya tidak suka ini. Saya tidak suka itu."
00:12:25Begitulah cara Anda benar-benar mendapatkan hasil akhir yang bagus.
00:12:29Dan begitulah cara Anda mempertahankan gaya bicara Anda karena sebaik apa pun
00:12:32Anda melatih alat ini,
00:12:32jika Anda mengharapkannya beralih dari nol ke naskah penuh tanpa jeda di antaranya,
00:12:37di mana Anda tidak ada di sana untuk berkata, "Ayo pakai ide ini. Mari ubah itu."
00:12:39"Mari ubah yang itu," maka hasilnya akan hambar dan payah.
00:12:42Tapi sisi baiknya adalah, jika Anda ingin mengotomatiskannya seperti itu,
00:12:45Anda bisa, tetapi di setiap langkah perjalanan ini, kan?
00:12:48Harapannya adalah Anda melihat hasil dari Claude Code sebelum Anda
00:12:51berlanjut ke fase berikutnya. Dan apa yang sebenarnya ia lakukan,
00:12:53apa yang sebenarnya Anda dapatkan adalah semua kerja keras untuk melakukan
00:12:58analisis semacam ini dari awal dan melihat hal-hal seperti ini serta melihat
00:13:03ide-idenya membantu Anda menyempurnakan apa yang akan Anda pilih.
00:13:06Karena saya akan katakan sembilan dari sepuluh kali,
00:13:09saya akhirnya melakukan variasi dari apa yang ia berikan.
00:13:11Saya biasanya tidak melakukan hal yang persis sama, kan?
00:13:12Karena kita selalu memiliki sesuatu yang berbeda yang ingin kita masukkan,
00:13:15tetapi itu saja untuk bagian ideasi, kan? Jadi kita sudah lakukan langkah nol,
00:13:18menemukan pengetahuan. Kita sudah lakukan langkah satu.
00:13:21Kita melakukan riset dengan pipeline dan kita memasukkan NotebookLM, kita selesai
00:13:25dengan ideasi. Anda tahu,
00:13:26kita mulai mengerti di mana posisi ide konten potensial ini dalam konteks
00:13:31apa yang dilakukan orang lain. Dan tentu saja,
00:13:34semua ini dilakukan di dalam Obsidian, di dalam vault kita.
00:13:36Dan jika hal-hal tentang Obsidian ini agak sulit Anda pahami,
00:13:39saya akan beri tautan di atas ke video bedah mendalam soal Obsidian dan
00:13:43NotebookLM. Dan itu membawa kita ke fase tiga, yaitu bagian penulisan naskah.
00:13:47Sekarang, untuk urusan naskah, saya harus katakan untuk diri saya sendiri,
00:13:50saya bukan tipe orang yang sangat bergantung pada naskah.
00:13:52Saya hanya akan menulis naskah untuk hook seperti 30 detik pertama.
00:13:57Jadi apa yang Anda lihat di intro video ini, di mana saya bilang, "Ya,
00:13:5938.000 pengikut dan 11.000 orang di TikTok," itu menggunakan naskah, kan?
00:14:04Saya berdiskusi bolak-balik dengan Claude Code cukup sering menggunakan skill hook ini
00:14:07dan mencari tahu, oke, apa sebenarnya yang akan saya katakan?
00:14:09Karena dalam hal konten dan media sosial,
00:14:12hook itu sangat, sangat penting. Kemasan itu sangat, sangat penting.
00:14:14Jadi saya ingin memastikannya tepat meski hanya 20 detik, tapi sisanya,
00:14:17hanya garis besar, konsep dengan poin-poin.
00:14:19Saya tahu secara garis besar apa yang akan dibahas, tapi tidak sepenuhnya.
00:14:20Kita lakukan secara langsung saja.
00:14:21Jadi skill garis besar yang saya berikan kepada Anda, sekali lagi,
00:14:26seperti itu. Itu adalah hal-hal gambaran besar, meski hook-nya sangat tepat.
00:14:30Dan materi hook-nya sebagian besar berasal dari Callaway.
00:14:34Saya mengambil banyak idenya, apresiasi untuk semua kontennya.
00:14:37Karyanya brilian.
00:14:38Jadi saya pada dasarnya melakukan seluruh pengaturan ini pada video Callaway
00:14:43dan menggabungkannya ke dalam cara Claude Code menangani hook, garis besar,
00:14:47judul, dan hal semacam itu. Mari kita lihat ini beraksi.
00:14:50Kita akan menjalankan skill hook,
00:14:51skill garis besar, dan skill judul YouTube pada video potensial Claude Code RAG ini
00:14:55dan lihat apa hasilnya. Jadi saya katakan padanya,
00:14:57"Mari gunakan rekomendasimu."
00:14:58Rekomendasinya adalah tipe pendekatan context engineering dan berkata, "Hei,
00:15:03mari jalankan skill hook, garis besar, dan judul YouTube untuk ini."
00:15:05Inilah yang diberikan untuk bagian hook, ada lima variasi.
00:15:09Dan untuk setiap hook, ia membaginya menjadi hook lisan, hook visual,
00:15:12serta potensi overlay teks jika kita ingin menambahkannya juga.
00:15:15Sekarang, overlay teks secara khusus lebih untuk konten format pendek.
00:15:19Jadi ini bukan sesuatu yang akan saya terapkan pada hook format panjang, lalu
00:15:22pindah ke garis besar dan menyertakan target durasi.
00:15:24Beberapa dokumen terkait yang juga ada di vault Obsidian kita yang mungkin
00:15:28ingin kita referensikan. Lalu ada hook-nya. Dan lagi, garis besar hanyalah bagian.
00:15:32Jadi seperti ide umum, Anda tahu, ide intinya adalah context engineering,
00:15:36kita akan menjelaskan apa itu context engineering serta poin-poin bicaranya.
00:15:39Ia juga menyertakan potensi bantuan visual. Jadi, "Hei,
00:15:42jika saya ingin menambahkan diagram Excalidraw, inilah yang bisa Anda buat."
00:15:45Dan beberapa materi sumber jika saya ingin mereferensikannya di layar
00:15:48juga. Dan itu terus berulang untuk setiap bagian.
00:15:51Dan terakhir beralih ke opsi judul.
00:15:53Hal yang bagus dengan skill judul ini adalah ia tidak melihatnya secara terpisah.
00:15:56Ia benar-benar melihat semua judul Anda yang berkinerja baik sebelumnya untuk
00:16:00mendapatkan gambaran, oke, apa yang sebenarnya berhasil untuk orang ini.
00:16:02Lalu ia membaginya menjadi beberapa tingkatan. Tingkat pertama: context
00:16:07engineering baru saja membuat prompt engineering usang. Lalu ia memberitahu Anda,
00:16:10"Hei, ini dasar pertimbangan saya, kan?"
00:16:11"Ini video sebelumnya yang mendapatkan jumlah penayangan sekian."
00:16:15"Inilah mengapa saya rasa judul ini akan berhasil." Dan ia melakukannya untuk semua ini,
00:16:18judul tingkat dua adalah risiko yang diperhitungkan. Jadi ini sedikit berani,
00:16:21yang bagus untuk diketahui karena kemungkinan besar Anda bisa melakukan pengujian ABC.
00:16:25Jadi sesekali layak untuk mencoba sesuatu yang gila daripada
00:16:28membuat tiga judul tingkat satu yang semuanya terasa mirip.
00:16:31Lalu dilanjutkan dengan opsi teks thumbnail. Dan lagi,
00:16:34sistem yang sama diterapkan di sini. Jadi di antara tiga skill ini: hook,
00:16:38garis besar, dan judul, hampir 90% video kita sudah terpetakan, kan?
00:16:43Kemasannya hampir selesai dalam hal judul, hook, dan apa yang akan
00:16:47ada di thumbnail.
00:16:48Dan kemudian garis besar video pada dasarnya membawa isi konten yang sebenarnya.
00:16:52Satu-satunya hal yang tidak ada di sini tentu saja adalah sesuatu yang
00:16:56terkait dengan pembuatan thumbnail itu sendiri, tapi itu preferensi pribadi.
00:16:58Saya benar-benar merasa AI tidak terlalu bagus dalam membuat thumbnail dari nol.
00:17:02Beda ceritanya jika saya datang dengan ide spesifik,
00:17:04tapi ini sangat visual dan subjektif. Itu adalah sesuatu yang saya lakukan manual.
00:17:08Dan setelah Anda di tahap ini dan puas dengan bagaimana semuanya dibuat,
00:17:11sekarang saatnya untuk benar-benar merekam kontennya, kan? Dan itu murni manual.
00:17:15Seperti, saya bukan orang yang menggunakan avatar AI atau semacamnya.
00:17:18Saya rasa itu tidak sepadan dalam 99% kasus.
00:17:20Jadi tidak ada otomatisasi Claude Code untuk bagian pembuatan konten ini.
00:17:24Dan itu membawa kita ke fase nomor empat, yaitu distribusi, kan?
00:17:28Dan distribusi memiliki beberapa lapisan. Sekarang ada bentuk distribusi
00:17:32yang paling jelas, yaitu seperti, "Hei,
00:17:33kita ingin mengunggah video ini ke platform seperti YouTube, Instagram, atau TikTok."
00:17:37Sangat mudah untuk membuat sesuatu seperti itu di dalam Claude Code,
00:17:40seperti sistem distribusi otomatis.
00:17:42Anda bisa menghubungkannya ke folder tertentu di Google Drive Anda dan membuat
00:17:45otomatisasi yang saat sesuatu ditambahkan, ia akan memicu hal tersebut.
00:17:48Sejujurnya, saya menggunakan CapCut untuk penyuntingan video saya.
00:17:53Dan mengunggahnya ke YouTube dari sana,
00:17:55mengunggahnya ke TikTok dari sana sangatlah mudah.
00:17:58Dan sejujurnya saya hanya mengunggahnya secara manual ke Instagram.
00:18:00Apakah itu hal yang paling efisien di dunia? Tidak,
00:18:02tapi itu berhasil untuk saya karena hanya butuh dua detik dan saya tidak masalah.
00:18:04Apalagi karena untuk Instagram saya mencoba Reels, dan mencoba mengotomatiskan
00:18:09bagian itu sangat menjengkelkan. Saya bahkan tidak yakin itu mungkin,
00:18:11atau setidaknya tidak mungkin saat terakhir kali saya mencoba. Jadi bagi saya, untuk distribusi,
00:18:15saya lebih memikirkan tentang penggunaan kembali konten,
00:18:18mengolah kembali video dari YouTube menjadi konten teks
00:18:22di situs web saya sebagai blog, lalu konten teks di LinkedIn dan Twitter, serta
00:18:27pengolahan format pendek, kan? Jika saya punya konten format panjang,
00:18:30bagaimana saya mengubahnya menjadi format pendek? Saya bukan bicara soal memotongnya saja.
00:18:34Saya bicara soal, oke, bagaimana kita menyuling 30,
00:18:3640 menit pembicaraan saya dengan seseorang di YouTube menjadi klip 30 detik,
00:18:4060 detik, atau 90 detik di Shorts, Instagram, atau TikTok, kan?
00:18:43Jadi dua skill ini, "Content Cascade" dan skill format pendek saya, melakukan ini.
00:18:48Sekarang, Content Cascade adalah tentang distribusi video ke teks, kan?
00:18:52Saya mengambil video YouTube, mengubahnya ke LinkedIn, seperti semua skill.
00:18:55Ini sangat, sangat bisa disesuaikan.
00:18:58Anda mungkin tidak memiliki semacam sumber utama konten YouTube, kan?
00:19:02Namun Anda bisa mengubahnya untuk apa pun.
00:19:04Anda bisa mengarahkan skill ini ke artikel saja atau video YouTube orang lain,
00:19:07sesuatu yang ingin Anda bahas dalam format teks.
00:19:09Dan ini akan mengambil itu dan mengubahnya menjadi blog, Twitter, dan LinkedIn, kan?
00:19:15Tentu saja skill ini secara khusus disesuaikan dengan gaya bicara saya,
00:19:18tetapi tidak terlalu sulit untuk mengubah hal itu.
00:19:19Terutama jika Anda menggunakan sesuatu seperti skill "Skill Creator",
00:19:22yang akan menjalankan pengujian padanya. Jadi saat saya menjalankan skill Content Cascade,
00:19:26ia secara otomatis mengambil transkrip dari YouTube.
00:19:29Ia mengubahnya menjadi postingan blog, secara otomatis mengunggahnya, mengubahnya ke
00:19:33utas Twitter dengan sekitar tujuh balasan berbeda. Sekali lagi,
00:19:35secara otomatis mengunggahnya setelah saya setujui, lalu memberi beberapa variasi
00:19:39postingan LinkedIn. Saya akui saya agak malas kalau soal LinkedIn,
00:19:44tapi saya tidak mengotomatiskan postingan LinkedIn karena saya pakai alat seperti LeadShark.
00:19:48Maksud saya,
00:19:48saya biasanya menggunakan itu untuk mengatur seluruh sistem lead magnet-nya.
00:19:53Jadi ini bekerja sangat baik untuk melakukan itu karena sekali lagi,
00:19:57ada begitu banyak platform, ada begitu banyak platform media sosial.
00:20:01Tidak realistis untuk berpikir, "Baiklah,
00:20:03sekarang saya akan ambil konten ini dan menulis postingan ini sendirian."
00:20:07Anda tahu, saya kenal diri saya, saya lebih ke tipe orang konten video.
00:20:10Jadi cara apa pun untuk mengotomatiskan sisi teksnya sangatlah bagus.
00:20:14Dan di sini di situs web saya, saya di bagian blog dan Anda bisa lihat ia otomatis,
00:20:17jelas sekali, membuat seluruh isi blog-nya,
00:20:20tetapi ia juga menyematkan video YouTube dan memiliki banyak optimasi SEO.
00:20:24Ini sangat berorientasi pada SEO.
00:20:28Jadi ide utamanya adalah blog ini bukan tentang, "Wah,
00:20:31artikel di blog saya bagus sekali." Melainkan lebih kepada,
00:20:33seiring koleksi konten saya terus bertambah, begitu juga blognya,
00:20:38begitu juga visibilitas saya di hal-hal seperti pencarian Google, kan?
00:20:40Semuanya saling berkaitan satu sama lain.
00:20:42Karena saya benar-benar tidak akan menulis blog itu sendirian.
00:20:45Meski saya memberinya banyak contoh tulisan saya agar ia bisa melihat gaya saya,
00:20:48kan? Ia menjauh dari hal-hal seperti istilah khas ChatGPT, kan? Bukan X,
00:20:52tapi Y, kan? Jadi bagian dari skill ini,
00:20:55ia melihat semua klise tulisan AI dan menghindarinya.
00:20:59Dan yang tak kalah penting adalah pengolahan kembali format pendek.
00:21:02Pada dasarnya pengolahan format pendek ini cukup mendasar.
00:21:05Intinya ia mengulangi semua hal ini seperti hook dan garis besar,
00:21:10kan? Lalu ia memasukkan itu ke dalam format 30, 60, 90 detik,
00:21:15kan? Ia memberi Anda hook untuk digunakan.
00:21:16Ia memberi Anda potensi takarir untuk teks yang muncul di layar
00:21:20di bagian awal. Jadi ini hanya bentuk ringkas dari apa yang sudah kita lakukan.
00:21:23Dan karena format pendek saya sudah diarahkan ke video format panjang,
00:21:28semua pekerjaannya sudah selesai, kan? Ia hanya membuang banyak bagian yang tidak perlu.
00:21:31Tetapi hal itu memungkinkan saya untuk,
00:21:33pada dasarnya mengambil apa yang saya buat di YouTube.
00:21:36Dan ini menjadi seperti monster yang bisa saya unggah sebagai blog di situs saya.
00:21:41Saya bisa unggah di Twitter. Saya bisa unggah di LinkedIn. Ini jadi video singkat,
00:21:45menjadi Instagram Reel dan menjadi TikTok, kan?
00:21:48Enam platform,
00:21:52enam konten berbeda dari satu hal utama yang saya buat di YouTube,
00:21:55kan? Dari situlah nama Content Cascade berasal.
00:21:59Dan itulah keindahan sistem ini karena ia tidak hanya berakhir di satu video
00:22:02YouTube. Video YouTube itu sendiri menjadi sumber kecilnya sendiri
00:22:06dari pengetahuan yang kita bicarakan tadi, tetapi untuk Anda.
00:22:09Jadi itulah sistem konten Claude Code saya.
00:22:11Ini pada dasarnya kolaborator saya versi super. Seperti yang sudah saya bilang,
00:22:14di setiap langkah proses ini, saya berdiskusi bolak-balik dengan Claude.
00:22:17Saya tidak berharap ia memberi saya produk yang sempurna di akhir,
00:22:20tetapi saya melimpahkan begitu banyak kerja keras padanya. Semua analisis,
00:22:24semua riset kompetitif, semua hook,
00:22:27semua ide dasar, ia melakukan semuanya.
00:22:29Dan itu membuat saya bisa fokus pada hal-hal yang berdampak tinggi. Selain itu,
00:22:32setelah saya membuat sepotong konten,
00:22:34ia memberi saya jalur eksekusi yang sangat sederhana untuk
00:22:39mendistribusikannya dalam berbagai bentuk di banyak platform, kan?
00:22:42Yang mana membawa kita pada hasil seperti 10 juta penayangan sebulan sendirian
00:22:46tanpa postingan yang benar-benar viral.
00:22:48Jadi jika Anda ingin mendapatkan semua skill yang tepat ini,
00:22:50Twitter research engine, skrip GitHub, dan Claude Code masterclass,
00:22:55pastikan untuk cek Chase AI Plus. Sekali lagi,
00:22:57ada tautan untuk itu di deskripsi dan kolom komentar.
00:23:00Ada juga tautan ke komunitas gratis JCA saya di deskripsi.
00:23:04Jika Anda ingin banyak sumber daya gratis untuk mulai belajar AI.
00:23:07Tapi selain itu, beri tahu saya pendapat Anda dan sampai jumpa.