作品集案例要讲证据,不要炒作
初级4 分钟阅读自由职业与个人创业 AI

作品集案例要讲证据,不要炒作

用经授权使用的证据写案例研究:问题、约束、你交付了什么,以及你能证明什么。不要让AI编造指标、推荐语或客户Logo。这套自由职业者作品集工作流,会像审查广告宣传一样审查案例中的主张。

您应该能够做到的事情

案例文稿是否有说服力,取决于你能展示哪些证据,以及获得了哪些授权。用AI整理已经核实的事实,并删除模型编造的任何指标、引语或Logo。

仅在此浏览器中保存。
本文内容

作品集页面通常会走向两个极端:要么含糊得无法说服任何人,要么写得过于用力而夸大成果。AI让第二种错误更容易发生。要求它写“一份听起来很厉害的案例研究”,你可能会得到未经证实的增长百分比、夸张的推荐语,以及“行业领先”之类的措辞,却找不到任何来源记录。

自由职业者靠信任赢得业务。编造的证据会同时伤害两段关系:潜在客户一核对就会发现问题,过往客户也会认出自己的项目被虚构包装。

像审查广告宣传一样审查作品集主张

在美国,广告中的主张必须真实且有依据(FTC advertising and marketing guidance)。背书和推荐语还有专门指南(FTC Endorsement Guides: what people are asking;监管文本见16 C.F.R. Part 255)。即使句子由模型写出,也不存在特别豁免(FTC crackdown on deceptive AI claims and schemes)。在欧盟,面向消费者的误导性行为和遗漏受Unfair Commercial Practices Directive限制。

即使你只向企业销售,这条实用标准仍然有效:如果前客户就在通话中,而你不愿为某个说法辩护,就把它删掉。

不要发布任何无法用材料证明的AI生成推荐语、指标或“结果”。捏造社会证明是宣传主张失实,不只是写作问题。

先证据包,后行文

离线收集:

  • 描述该工作的客户许可(许多案例邮件即可;有些NDA禁止任何公开提及——遵守更严的规则)
  • 用你自己的话写的一句话问题陈述
  • 约束(时间线、技术栈、品牌规则)
  • 实际已交付的交付物
  • 你能证明的结果(截图、获准分享的分析数据导出、前后对比材料)
  • 你将匿名化什么(公司名、收入、个人数据)

若缺少许可,停。写一份标注为示意的假设流程样本,而不是假案例。

剥离关于客户之客户与员工的个人数据。除非许可明确覆盖,否则匿名化具有竞争敏感性的数字。不要把完整合同贴进消费级模型以“提取案例研究”。

工作流

步骤1:自己填证据表

使用作品集证据清单中的字段。先不要使用AI。

步骤2:仅结构化生成

仅使用下方证据表,起草200–300字的案例
文稿,分节:背景、约束、我交付了什么、
结果证据、限度 / 这不能证明什么。
不要编造指标、引语、标志、奖项或客户名称。
若某节缺少证据,写“暂无证据”,不要自行补充。

证据表:
[粘贴]

步骤3:检查编造内容

标出每个数字、比较(“3x”、“行业领先”)与引语。每个高亮需要证据表中的出处,否则删掉。

步骤4:许可审计

确认公开版本匹配客户允许的内容:具名 vs 匿名、指标是/否、截图是/否。

步骤5:署名问责

你仍是作品集主张的责任作者(在AI协助的工作上保留你的姓名)。AI参与润色,并不会减轻你核实并证明这些主张的责任。

为每个案例保留私有“证据”文件夹(许可邮件+截图)。公开页面应从该文件夹可重新生成,而无需打开聊天历史。

示意情景(已标注)

示意情景,非实测案例: 一位自由SEO写作者请模型“加强”案例研究。草稿加入“帮助自然流量在三个月内提升140%”。写作者从未衡量流量。潜在客户在销售通话上要求分析截图。写作者一无所有。丢单还只是较轻的后果,公开投诉会更严重。

匿名化案例仍需要证据

隐去客户名称,并不意味着可以编造指标。“一家Series B SaaS公司”配上捏造的转化率提升,仍然是虚假说法。匿名化只能保护身份,不能创造证据。如果没有可衡量的成果,就写流程质量、你处理过的约束,以及能够展示的交付材料。

当NDA阻断公开案例时

有些NDA完全禁止公开提及。保持诚实的选项:

  • 请求范围有限的书面许可(匿名、无指标)
  • 使用明确标注为示意的方法演示,并清楚说明其中的数据为虚构
  • 请求私密推荐通话,而不是公开页面

不要把禁止披露的真实案例改写成无法辨认的虚构内容,却仍当作事实发布。

验证与回退

验证:每项主张都能对应到证据文件夹中的具体文件。

回退:发布流程拆解(“我如何处理X”),在许可与证明存在之前不写客户故事。

把这套流程与提案草稿配套使用,让销售材料只复用同一组经授权且可核实的证据,而不是另写一套标准更宽松的故事。

继续阅读

通过下一篇文章继续沿着相同的学习路径进行学习。