ハッチング・グロース #7：Hatch - ハイライトから新しいアイデアを生み出す
* この記事は、「Hatching Growth #7: Hatch: Turning Highlights Into New Ideas」を翻訳し、公開するものです。
本シリーズ「Hatching Growth」は、Glaspがいかにオーガニックに数百万人のユーザーを獲得したかを紐解く記事群です。本シリーズでは、成功した施策も失敗した施策も取り上げ、その過程で得た教訓をご紹介します。「ユーザー」という言葉はあまり使いたくないのですが、便宜上ここでは使用しますのでご承知おきください🙇♂️
振り返り：#1〜#6を一目で
「Next 1 Million Project」の背景
YouTube Summary がエスケープベロシティに到達した後、私たちは Next 1 Million Project という名のもとに一連の実験を行いました。アイデアはシンプルで、「次の100万人のユーザーを獲得できるようなコンセプトを素早くテストしつつ、Glaspのミッションを強化するものは何かを探る」というものでした。
Hatch は、その探求のひとつでした。
Kindle Personality Test が「本を通じたアイデンティティ探索」を試みたのに対し、Hatch は「リミックスを通じた新しい知識探索」を試みました。
Hatchとは？
最もシンプルに言えば、Hatch は 2つの記事からハイライトを取り出し、それらを横断的に推論して、新しい記事（通常1,000〜1,500語）を生成する 仕組みです。生成物には明示的な出典が付与されます。
手動またはランダム: 自分で2つの記事を選ぶか、システムにランダム選択させることができます。
出典表記: すべての生成記事には参照元の記事が明示されます。
Auto-Hatch: デイリー自動生成を有効化すると、1日1本の新しい記事が自動生成されます。
スケール: 1アカウントに約2,790本の記事があった場合、約389万通りの組み合わせが可能です。
また、ユーザー間の組み合わせ（例：私と共同創業者のハイライトを組み合わせる）も実験し、多様性が新しい洞察を生み出すかを探りました。
なぜ作ったのか
いくつかの動機が重なっていました：
マーケティングハック: YouTube Summary が大きな節目を迎えた後、次に拡散する実験を探していました。当時 GPT-4 における流行語は「Reasoning engine」であり、ハイライトを組み合わせるのはタイムリーに感じられました。
コンテンツ＋SEO戦略: Hatching Growth #2 で触れたように、Glasp の成長は SEO に大きく依存しています。高品質なテキストが増えるほど、検索での露出も増えます。Hatch はそのコンテンツ・フライホイールを自動化しました。
アセットの活用: ハイライトは耐久性のある資産です。それをリミックスすることで、その価値を複利的に高められます。
コア行動のインセンティブ: より多くの Hatch を解放するには、ユーザーはより多くのハイライトを追加する必要があります。これはプロダクトのコアループを強化します。
ローンチとディストリビューション
Hatch は X、LinkedIn、YouTube、そして Product Hunt でローンチしました。ディストリビューション戦略には以下が含まれます：
生成記事のスクリーンショットを添えた日次投稿。
元記事の著者を X / LinkedIn でタグ付け。一部はリポストしてくれ（例：Behance の Scott Belsky）、軽いバズが生まれました。
Product Hunt ローンチ: 大きなブレイクには至りませんでしたが、好奇心旺盛なオーディエンスに露出できました。
YouTube Summary や ChatGPT Extensions のようなバイラルにはなりませんでしたが、可視性を生み、フィードバックループを回す種にはなりました。
ユーザーからのフィードバック
「なぜ2つのソースだけ？」 → 3つ以上の記事を組み合わせたいという要望。
「なぜハイライトだけ？」 → Glasp Post、Medium、Substack などの投稿を使いたいという要望。
「アイデアが湧いてくる」 → 異なるコンセプトを横断する推論が、プロジェクトや執筆に予想外のつながりを生み出す点が好評。
学んだこと
グロースハックとして: 弱い。好奇心や新規性だけでは100万人規模の牽引力は生まれない。
システム資産として: 強い。一度回り始めれば、Hatch はほとんどメンテなしでコンテンツを生み続ける。実際にいくつかの記事は Wikipedia や大手メディアに引用された。
TAM（獲得可能市場）の重要性: YouTube Summary は「時間」という普遍的な課題を解決した。一方 Hatch は「アイデアリミックス」というニッチな好奇心を解決している。この差が採用率を分けた。
推論への期待は継続: 人間 × AI の共推論は、有望な新しいインタラクションパターンに感じられる。
技術スタック
フロントエンド: Next.js
インフラ: GCP（Firestore for highlights、Cloud Run for services）
LLM: GPT（推論用）
ポストモーテム（振り返り）
マーケティングとして: 弱い。大規模な採用には至らなかった。
戦略として: 妥当。長期的な SEO とアセット活用のプレイブックには適合。
探索として: 価値あり。推論ベースのリミックスが本当に新規性あるコンテンツを生み出せることを再確認した。
次に向けて
Hatch が大きなヒットになるとは期待していませんが、静かに積み重なっていくでしょう。Auto-Hatch だけでも毎日数百本の新しい記事を生成し、それらが時間とともにインデックスされていきます。 それ以上に重要なのは、このプロジェクトが「AIを推論のパートナーとして活用する最前線」を探り続けさせてくれることです。
次回は、これら Next 1 Million プロジェクト の実験のその後について共有します。――何が残り、何を終了し、どのように学びをコアプロダクトに折り込んだのか。
もし「分析してほしい実験」があったり、「特定の記事で Hatchを試してほしい」といったリクエストがあれば、ぜひコメントで教えてください🙏
Glaspとのパートナーシップ
現在、ニュースレターのスポンサーシップを提供しています。学びを愛するコミュニティに向けて、プロダクトやイベント、サービスを紹介したい方は、ぜひニュースレターのスポンサーとしてご参加ください。熱心な読者にリーチできます。
