Tag: ai content creation

• 

  MrBeast dan Google: Kemitraan Bertahun-tahun untuk Mempromosikan Gemini, Health, dan Fitbit

  YouTuber terbesar MrBeast, yang nama aslinya Jimmy Donaldson, telah menandatangani perjanjian multi-tahun dengan Google. Kemitraan ini bertujuan untuk mempromosikan produk-produk utama perusahaan: chatbot Gemini, platform Google Health, dan perangkat yang dapat dikenakan Fitbit. Bagi banyak bisnis yang menghadapi masalah dalam memilih kontraktor untuk promosi yang komprehensif, pendekatan ini menunjukkan model “satu atap”, di mana semua layanan dapat dipesan di satu tempat.

  Menurut pengumuman resmi Google, Donaldson, sebagai kreator pertama yang mencapai 500 juta pelanggan di YouTube, terus memperluas batas-batas kemungkinan. Sekarang ia akan menggunakan Gemini untuk mewujudkan ide-ide ambisiusnya, menunjukkan kepada audiens bagaimana kecerdasan buatan dapat membantu mewujudkan konsep-konsep yang paling luar biasa. Selain itu, blogger tersebut akan menunjukkan bagaimana Google Health mendukung tujuan kebugaran dan kesejahteraan.

  Detail kolaborasi: bagaimana MrBeast akan mempromosikan Google

  Kemitraan ini akan dimulai pada 5 September dengan sebuah video di mana MrBeast dan timnya akan mencoba bertahan hidup di kondisi paling ekstrem di Bumi: Arktik, hutan, dan gurun. Dalam tantangan ini, mereka akan mengandalkan Gemini, yang akan membantu mereka mengidentifikasi bahaya, mengatasi perubahan cuaca yang tiba-tiba, dan selangkah lebih maju. Ini adalah contoh bagus tentang bagaimana outsourcing konten untuk media sosial dapat digunakan, menyerahkan produksi proyek-proyek besar kepada spesialis eksternal.

  Gemini sebagai alat untuk logistik dan kelangsungan hidup

  • Identifikasi bahaya: Chatbot akan memberikan informasi tentang potensi ancaman dalam kondisi ekstrem.
  • Prakiraan cuaca: Gemini akan membantu tim beradaptasi dengan perubahan kondisi cuaca.
  • Logistik proyek: Donaldson juga akan menjadi wajah kampanye Gemini yang baru, menunjukkan bagaimana aplikasi tersebut membantunya dalam mengatur dan melaksanakan aksi-aksi besarnya.

  “Jimmy Donaldson, lebih dikenal sebagai MrBeast, selalu mendorong batas-batas kemungkinan. Sekarang ia menggunakan Gemini untuk mewujudkan konsep-konsep paling berani, menunjukkan kepada para penggemarnya bagaimana mereka dapat menggunakan AI untuk mewujudkan ide-ide yang sangat besar,” kata Google.

  Promosi Fitbit dan Google Health

  Dalam salah satu video mendatang di salurannya, MrBeast akan menggunakan perangkat Fitbit Air, yang akan menyoroti fungsionalitasnya dalam kehidupan sehari-hari dan selama tantangan yang sulit. Ini menunjukkan promosi komprehensif melalui video pendek, di mana setiap produk diintegrasikan ke dalam konteks alami konten.

  Pilihan MrBeast sebagai mitra bukanlah kebetulan. Dia adalah kreator konten paling populer di YouTube dengan lebih dari 515 juta pelanggan dan menghasilkan 4 hingga 6 miliar tampilan per bulan di saluran utamanya. Keterlibatannya dalam kampanye iklan merek seperti Disney, Lowe’s, dan Jack Links, serta partisipasinya dalam iklan Salesforce di Super Bowl, menyoroti pengaruhnya.

  Signifikansi Strategis Kemitraan bagi Google

  Meskipun Google terkadang bekerja sama dengan YouTuber untuk mempromosikan produk atau acara, tingkat komitmen jangka panjang ini tidak biasa. Ini mungkin bagian dari strategi YouTube untuk mempertahankan kreator konten terkemuka yang mungkin beralih ke platform lain, seperti Netflix, yang menawarkan penawaran yang menguntungkan. Bagi bisnis, ini adalah pelajaran tentang pentingnya hubungan jangka panjang dengan mitra utama dan investasi di dalamnya.

  
  

  Prospek Kolaborasi dan ROI

  Google berjanji bahwa ini hanyalah awal dari kerja sama mereka dengan MrBeast. Kemitraan semacam itu memastikan jangkauan audiens yang tinggi dan menunjukkan potensi siklus produksi video pendek yang lengkap untuk mempromosikan produk teknologi yang kompleks. Bagi mereka yang bertanya-tanya, mana yang lebih murah – AI atau kliping nyata, atau apakah unikasi atau produksi baru itu sepadan, contoh Google menunjukkan bahwa investasi dalam konten berkualitas tinggi yang terintegrasi secara organik selalu membuahkan hasil.

  Pertanyaan yang Sering Diajukan

  Bagaimana cara memilih kontraktor untuk membuat konten video?

  Saat memilih kontraktor untuk produksi video, terutama untuk siklus produksi video pendek yang lengkap, perhatikan portofolio, pengalaman dengan proyek serupa, serta kemampuan untuk menawarkan solusi komprehensif mulai dari ide hingga posting. Penting bagi kontraktor untuk memahami tujuan bisnis Anda dan dapat menyediakan pengganti tim SMM, mengambil alih seluruh proses.

  Mana yang lebih baik: menggunakan AI untuk membuat konten atau merekam dari awal?

  Pilihan antara pembuatan AI dan perekaman dari awal tergantung pada tujuan dan anggaran Anda. AI dapat efektif untuk menghasilkan volume konten yang besar dengan cepat atau repurposing, tetapi untuk cerita yang unik, berkualitas tinggi, dan kaya emosi, seperti MrBeast, perekaman dari awal atau unikasi mendalam tetap lebih disukai. Penting untuk menemukan keseimbangan antara penghematan dan kualitas agar konten benar-benar menarik audiens.

  Evaluasi efektivitas mass-posting mencakup analisis metrik seperti jangkauan, keterlibatan, rasio klik-tayang, dan konversi. Penting untuk melacak jenis konten dan platform mana yang memberikan hasil terbaik untuk mengoptimalkan strategi. Kualitas konten, bahkan dalam distribusi massal, memainkan peran kunci dalam mencapai indikator tinggi.

  Kesimpulan

  Kemitraan Google dan MrBeast adalah contoh nyata bagaimana perusahaan besar menggunakan pengaruh tokoh populer untuk mempromosikan produk mereka. Bagi bisnis yang mencari solusi efektif untuk memesan semuanya di satu tempat — mulai dari pembuatan video hingga promosinya, model ini menunjukkan potensi pendekatan yang komprehensif. Ingatlah bahwa investasi dalam konten berkualitas dan kemitraan strategis dapat secara signifikan meningkatkan kesadaran merek dan loyalitas audiens. Jika Anda merasa tim SMM Anda saat ini tidak mampu mengatasi tugas-tugas, pertimbangkan outsourcing konten untuk media sosial untuk mendapatkan hasil maksimal dari upaya pemasaran Anda.

  08.09.2026

• 

  Massive Video Posting: How an AI Model Created a Pipeline for 127 n8n Nodes for $4

  Posting video massal dan publikasi otomatis video pendek adalah impian banyak pembuat konten. Bayangkan Anda dapat mengatur jadwal penundaan otomatis sehingga publikasi ke 5 platform terjadi tanpa kerja manual, sementara Anda melakukan hal lain. Artikel ini adalah analisis terperinci tentang bagaimana model AI misterius, yang kemudian diidentifikasi sebagai Z.ai GLM 5.3 Flash, menghasilkan layanan posting massal yang kompleks dari 127 node di n8n, hanya dengan biaya 4 dolar.

  Kami akan membahas arsitektur, ekonomi eksperimen, dan pelajaran penting yang diperoleh dalam prosesnya. Bersiaplah untuk mengetahui bagaimana kecerdasan buatan dapat secara radikal mengubah pendekatan terhadap pembuatan dan distribusi konten, menjadikannya tidak hanya efisien tetapi juga sangat ekonomis.

  Pengantar Eksperimen: AI Coder untuk Pipeline Kompleks

  Antara 20 dan 25 Agustus, OpenRouter menyediakan akses gratis ke model stealth/ox-alpha, yang kemudian dideanonimkan sebagai Z.ai GLM 5.3 Flash. Model ini, dengan konteks 1M token dan multimodalitas asli (teks, gambar, video), diposisikan untuk “pengkodean yang efisien dan tugas agen jangka panjang”.

  • Tujuan eksperimen: pengujian beban LLM baru sebagai coder untuk pipeline terdistribusi yang kompleks.
  • Skala tugas: lima API eksternal, aliran biner, tiga lusin kondisi percabangan, polling asinkron – semuanya dalam satu alur kerja.
  • Hasil: dalam tiga hari (21 hingga 23 Agustus), model “mengkodekan” alur kerja dari 127 node, yang mampu mengakses API, menghasilkan media dan mempublikasikan Reels.
  • Ekonomi: 60,9 juta token dihabiskan, di mana 85,3% adalah cache-hit. Biaya akhir dengan harga gabungan $0,07/1M sekitar $4.

  “Di pasar Barat, ada ledakan ikatan otonom dalam semangat ‘scraping-generasi foto/video-autoposting’. Saya tertarik pada pipeline dan toleransi kesalahan.”

  Arsitektur Alur Kerja: 5 Sirkuit dan 127 Node

  Awalnya, alur kerja terdiri dari 156 node, tetapi setelah refactoring, jumlahnya berkurang menjadi 127. Node kerja, tidak termasuk pemicu dan placeholder, berjumlah 113. Setiap sirkuit melakukan fungsi spesifiknya sendiri, memastikan distribusi video pendek.

  Sirkuit 1: “Pencarian” (23 node)

  Sirkuit ini bertanggung jawab untuk menemukan konten viral. Ini berjalan sesuai jadwal (24 jam) dan menganalisis Reels pesaing.

  • Skema: Jadwal (24 jam) → daftar pesaing → Reels melalui ScrapeCreators → matematika viralitas (views > rata-rata × 2,5) → tag TRENDING.
  • Untuk video trending, caption (/v1/TIDAK BOLEHgram/post) dan transkrip (/v2/instagram/media/transcript) ditarik.

Kontur 1.5: “Filter Semantik” (17 node)

Di sini, relevansi konten dievaluasi menggunakan LLM-reranker.

• Model: Qwen3 Reranker 8B melalui chat/completions.
• Logika: evaluasi pada skala 0-1. Konten di bawah ambang batas (misalnya, 0.75) disaring, mencegah publikasi video yang tidak relevan.

Kontur 2: “AI-Dispatcher” (17 node)

Model tidak menyalin konten, tetapi “memeras DNA viralitas” dan menghasilkan ide orisinal.

• Output: skema JSON yang ketat (angle, hooks, voice_script, video_prompt, НЕЛЬЗЯgram_caption).
• Draf yang valid disimpan di Google Sheets dengan status DRAFT.

Kontur 3: “Bengkel Media” (37 node)

Kontur ini bertanggung jawab untuk membuat file media.

• Video: seedance-2.0-mini dengan fullback ke veo-3.1-lite, polling asinkron (Tunggu 10 detik × 20 percobaan).
• Suara: TTS mengembalikan PCM mentah, dikonversi ke WAV dengan cepat.
• Sampul: image-generation dengan nuansa teknologi neon.
• Semua operasi dengan percobaan ulang, peringatan, dan status MEDIA_READY / MEDIA_FAILED.

Kontur 4: “Distribusi” (19 node)

Tahap akhir — cross-posting video dan publikasi konten.

• Penggabungan: video dengan suara melalui ffmpeg (Write-Exec-Read di /tmp). Suara opsional.
• Publikasi: Google Drive (unggah + bagikan secara publik) → Instagram Graph API (kontainer REELS – publikasikan) → permalink → pembaruan Sheets → laporan di Telegram.

Teknik Kunci untuk Interaksi Efektif dengan LLM

Keberhasilan eksperimen sangat bergantung pada perumusan prompt yang tepat. Panel terpadu untuk TikTok, YouTube, Instagram membutuhkan instruksi yang jelas.

• Peran alih-alih permintaan: penggunaan “Senior n8n solutions architect” mengubah nada generasi, membuat respons lebih terlindungi dan kurang bersifat percakapan.
• Larangan mengarang parameter: model harus menunjukkan “VERIFY MANUALLY” jika tidak yakin dengan parameter.
• Iterasi berdasarkan kontur: memproses satu kontur per pesan membantu model agar tidak bingung dengan dependensi.
• Output Contract: satu blok JSON, instruksi impor, dan daftar parameter yang meragukan.

Solusi Rekayasa dan Toleransi Kesalahan

Alur kerja berisi banyak solusi rekayasa yang memastikan stabilitas dan toleransi kesalahan.

PCM ke WAV dengan Cepat

Model TTS mengembalikan PCM mentah, yang tidak dipahami oleh n8n dan НЕЛЬЗЯgram. Model menghasilkan node Kode yang menambahkan header RIFF yang benar, menggunakan binary-helpers n8n bawaan.

Data Statis: akumulator siklus tanpa duplikat

Untuk mengumpulkan tren, digunakan $getWorkflowStaticData('global'), yang memungkinkan untuk menghindari pembengkakan konteks standar dan duplikasi data.

Penanganan Kesalahan: 402 vs 5xx

Sistem membedakan antara kesalahan kritis (402 — tidak ada dana) dan kegagalan sementara (5xx — layanan sementara tidak tersedia).

• 402: peringatan di Telegram + StopAndError (tidak ada gunanya mencoba lagi tanpa dana).
• 5xx: coba lagi × 3 = fail-open (pegangan dilewati, pipeline terus berjalan).

Fail-open untuk reranker

Jika Qwen3 Reranker tidak merespons setelah tiga kali percobaan ulang, semua dokumen diberi skor netral 0,5, yang disaring. Pipeline tidak rusak, tetapi diam-diam melewati putaran.

Kesalahan Model dan Kesalahan Saya Sendiri

Meskipun hasilnya mengesankan, selama proses tersebut terungkap kesalahan model dan kekurangan dalam pendekatan saya.

Kesalahan model:

• require(‘crypto’) di Code-node (n8n tidak mendukung require).
• Google Drive menghapus biner, yang memerlukan node Rebuild Handoff Item.
• Node phantom dengan type/typeVersion yang tidak ada.
• Hardcode IG_USER_ID alih-alih menggunakan kredensial.

Kesalahan saya sendiri:

• Ambang batas reranker yang tidak sejajar (MIN_RELEVANCE_SCORE di stiker dan di node IF).
• Jumlah upaya polling video yang tidak mencukupi selama jam sibuk (20 × 10 detik).

Ekonomi Eksperimen: $4 untuk 60,9 Juta Token

Biaya 500 publikasi atau bahkan lebih, berkat eksperimen ini, ternyata minimal.

• Jendela gratis: model stealth sementara gratis.
• Prompt-caching: 85% permintaan adalah cache-hit karena pengembangan iteratif.
• Biaya akhir: sekitar $4 untuk 60,9 juta token.

Perbandingan harga dengan model lain (harga rata-rata per 1 juta token):

Model	Harga per 1 Juta (masuk/keluar)	Estimasi untuk 60,9 Juta
Anthropic: Claude Opus 4.8	$5 / $25	sekitar $426
OpenAI: GPT-5.6 Terra	$2 / $12	sekitar $183
Anthropic: Claude Sonnet 5	$2 / $10	sekitar $171
Qwen: Qwen3.8 27B	$0,35 / $2,75	sekitar $36
DeepSeek: V3.1 Terminus	$0,27 / $1	sekitar $21
stealth/ox-alpha + cache	gratis	sekitar $4

Paradoksnya adalah model gratis membangun pabrik yang menggunakan layanan murah, menghemat biaya yang signifikan untuk paket mass-posting selama sebulan.

Area Pertumbuhan Alur Kerja dan Pengembangan Lebih Lanjut

Pengembangan proyek lebih lanjut dapat mencakup:

• Pemisahan Monolit: menjadi tiga alur kerja (Radar / Generate / Publish).
• Bot Telegram: dengan manajemen human-in-the-loop (“Publikasikan / Buat Ulang”).
• Neuroavatar: integrasi model HeyGen: Avatar IV untuk membuat video dengan avatar.

Kesimpulan

Eksperimen dengan stealth/ox-alpha menunjukkan bahwa model AI mampu membuat pipeline yang kompleks dan toleran terhadap kesalahan untuk publikasi video pendek otomatis. Faktor kunci keberhasilan adalah spesifikasi teknis yang jelas dan pendekatan terstruktur untuk berinteraksi dengan LLM. Teknologi ini membuka peluang besar untuk unggah massal dengan proxy dan anti-deteksi, memungkinkan posting ke 10 akun dan lebih, secara signifikan mengurangi upaya.

Jika Anda mencari cara memilih layanan mass-posting, perhatikan solusi yang menggunakan pendekatan AI serupa. Mass-posting melalui API menjadi lebih mudah diakses dan efisien dari sebelumnya. Coba terapkan prinsip-prinsip ini dalam proyek Anda dan yakinkan diri Anda akan kekuatannya!

Pertanyaan yang Sering Diajukan

Apa itu stealth/ox-alpha?

stealth/ox-alpha adalah nama kode model AI yang kemudian dianonimkan sebagai Z.ai GLM 5.3 Flash. Model ini memiliki konteks 1 juta token dan multimodalitas asli, yang dirancang untuk pengkodean yang efisien dan tugas-tugas agen.

Berapa biaya eksperimen untuk membuat alur kerja?

Berkat periode uji coba gratis dan persentase hit cache yang tinggi (85%), biaya eksperimen sekitar 4 dolar untuk 60,9 juta token.

Platform apa saja yang didukung untuk cross-posting?

Dalam alur kerja ini, publikasi ke Instagram Reels melalui Graph API telah diterapkan. Namun, arsitektur memungkinkan perluasan daftar platform, termasuk TikTok dan YouTube, untuk membuat panel kontrol terpadu.

Bisakah 100 video dipublikasikan per hari menggunakan sistem seperti itu?

Ya, secara teoritis bisa. Sistem ini dirancang untuk publikasi video pendek otomatis dan mass-posting. Batasan akan tergantung pada throughput API dari platform yang digunakan dan sumber daya komputasi.

Bagaimana cara memastikan toleransi kesalahan dalam mass-posting?

Toleransi kesalahan dipastikan melalui logika perlindungan: pemisahan kesalahan 402 dan 5xx, strategi fail-open untuk node-node penting, serta polling dan percobaan ulang asinkron. Ini menjamin bahwa jadwal untuk 10+ akun akan berjalan mulus, bahkan saat terjadi kegagalan sementara.