\u00c9\u00e9n Persoon Runde Anthropic's Marketing Gedurende 10 Maanden
Dertig seconden. Zo lang heeft Austin Lau nodig om een complete set Google Ads responsieve zoekadvertenties te genereren \u2014 vijftien koppen, vier beschrijvingen, opgemaakt in een CSV-bestand klaar voor upload. Dezelfde taak kostte hem vroeger dertig minuten per keer. Elke. Keer. Opnieuw.
Dit is het gedeelte waardoor ik ophield met scrollen en echt oplette: Austin is geen ingenieur. Hij had nooit een terminal geopend voordat Claude Code gelanceerd werd. Hij moest Googlen hoe hij er een moest openen. En toch runde deze ene persoon gedurende tien maanden de volledige growth marketing-operatie bij Anthropic \u2014 een bedrijf gewaardeerd op $380 miljard na de Series G in februari 2026. Betaald zoeken. Betaalde social. App stores. E-mail. SEO. Alles.
Geen team van twaalf. Geen team van vijf. \u00c9\u00e9n growth marketeer met Claude Code en een verzameling aangepaste vaardigheden die hij zelf bouwde.
Toen ik dit verhaal voor het eerst hoorde, was mijn eerste reactie niet "dat is indrukwekkend" \u2014 het was "ik moet precies begrijpen hoe hij dat deed, en daarna moet ik mijn eigen versie bouwen." Dat is wat ik deed. Ik besteedde een weekend aan het reverse-engineeren van Austin's aanpak, het aanpassen van zijn architectuur voor personal brand-content, en het stresstesten ervan tegen mijn eigen marketingworkflow. Wat ik vond, veranderde mijn kijk op de relatie tussen AI-agents, marketingoperaties en de toekomst van \u00e9\u00e9n-persoonsteams.
Wat Austin Lau Daadwerkelijk Bouwde in Claude Code
De offici\u00eble Anthropic-blogpost vertelt de nette versie. Austin bouwde een aangepaste slash-commando genaamd /rsa dat responsieve zoekadvertenties genereert. Hij typt het commando, voert campagnegegevens en zoekwoorden in, en Claude vergelijkt alles met richtlijnen voor merkstijl, productnauwkeurigheidsregels en Google Ads-best practices die hij had gecodeerd als Agent Skills.
Austin's systeem is niet \u00e9\u00e9n prompt die alles doet. Het is een netwerk van gespecialiseerde componenten die samenwerken:
Laag 1: De Datafundamenten. Austin voedde Claude uitgebreide context over het merk van Anthropic \u2014 toon-van-stem-richtlijnen, productberichtgeving, bestaande goed presterende advertentieteksten, campagneprestatieprestaties.
Laag 2: Gespecialiseerde Agent Skills. Elke marketingfunctie krijgt zijn eigen skill-definitie. E\u00e9n skill behandelt naleving van merkstijl. Een andere behandelt Google Ads RSA-best practices. Een andere behandelt productnauwkeurigheid.
Laag 3: De Orchestrator. Het /rsa slash-commando doet het werk zelf niet. Het routeert inputs naar de juiste skills, assembleert outputs van meerdere gespecialiseerde processen en formatteert alles in uploadklare deliverables.
Het resultaat? Een workflow die vijftien koppen en vier beschrijvingen per advertentiegroep exporteert naar een CSV-bestand klaar voor directe upload naar Google Ads \u2014 na menselijke beoordeling, wat Austin benadrukt als niet-onderhandelbaar. Hij bouwde ook een Figma-plugin die tot 100 variaties van advertentiecreatives genereert met \u00e9\u00e9n klik.
Wat me trof, was niet de effici\u00ebntiewinst \u2014 hoewel het terugbrengen van dertig minuten naar dertig seconden een reductie van 98% is. Wat me trof, was het architectuurpatroon. Gespecialiseerde sub-agents geco\u00f6rdineerd door een orchestrator, getriggerd door \u00e9\u00e9n commando, die output in meerdere formaten produceren.
Waarom Ik Besloot Dit te Herbouwen voor Personal Brand-Content
Ik bouw al een tijdje AI-marketingsystemen in Claude Code. Mijn vijf-agents-opstelling behandelt onderzoek, social content, e-mail, designrichting en data-analyse. Het werkt. Maar het bekijken van Austin's aanpak onthulde een hiaat in mijn eigen workflow.
Mijn systeem was agentgericht \u2014 elke agent opereerde onafhankelijk, en ik routeerde werk handmatig tussen hen. Austin's systeem is skillgericht met orkestratie. In mijn opstelling ben ik de orchestrator. In Austin's opstelling behandelt de orchestrator-agent dat allemaal.
Dus begon ik een personal brand-contentsysteem te bouwen gemodelleerd naar Austin's architectuur \u2014 geoptimaliseerd voor LinkedIn-posts, e-mailonderwerpregels en -inhoud, videohooks en social media-teksten.
De bouw kostte me ongeveer zes uur verspreid over een weekend.
Stap 1: Kloon Je Gebruikersprofiel in een Datapakket
Ik maakte een gebruikersprofieldocument aan dat Claude als fundament gebruikt voor elk stuk content dat het genereert:
# Gebruikersprofiel \u2014 Contentsysteem Fundament
## Identiteit
- Naam: [Jouw naam]
- Rol: [Jouw primaire professionele identiteit]
- Merk: [Jouw merk/site-URL]
- Niche: [Specifiek expertisegebied]
## Doelgroep
- Primair: [Wie jouw content leest \u2014 wees specifiek]
- Pijnpunten: [Top 3-5 problemen die ze proberen op te lossen]
- Aspiratie: [Wat ze willen worden/bereiken]
- Technisch niveau: [Hoeveel weten ze al]
## Contentpijlers
- Pijler 1: [bijv. AI-ontwikkeling & Automatisering]
- Pijler 2: [bijv. Cloud & DevOps]
- Pijler 3: [bijv. Software-engineering]
- Pijler 4: [bijv. Building in Public]
## Aanbod
- Primair: [Wat je verkoopt of aanbiedt]
- Secundair: [Andere diensten/producten]
- CTA-voorkeur: [Hoe je graag afsluit \u2014 zacht, direct, enz.]
## Onderscheidende factoren
- Wat jouw perspectief uniek maakt
- Echte ervaringen/projecten waarnaar je verwijst
- Meningen die je hebt die anderen in jouw vakgebied niet hebben
Ik besteedde ongeveer vijfenveertig minuten aan het eerlijk invullen hiervan. Die vijfenveertig minuten betalen dividend op letterlijk elk stuk content dat het systeem produceert.
Stap 2: Extraheer Je Toon van Stem in een Levend Document
Ik verzamelde vijf stukken content die ik had geschreven die mijn stem echt vertegenwoordigden en voedde ze aan Claude met deze prompt:
Analyseer deze vijf stukken content van mijn merk. Extraheer een gedetailleerde
toon-van-stem-gids die het volgende vastlegt:
1. Zinsstructuurpatronen (lengtevariatie, gebruik van fragmenten,
alinearitme)
2. Woordenschatvoorkeuren (woorden die ik overgebruik, woorden die ik vermijd, technisch
vs conversationeel evenwicht)
3. Hoe ik stukken open (patronen in mijn hooks en introducties)
4. Hoe ik technische uitleg handle (analogie\u00ebn, codevoorbeelden,
stap-voor-stap vs narratief)
5. Mijn relatie met de lezer (collega, mentor, vriend, autoriteit)
6. Meningen en redactioneel standpunt (waar ik uitgesproken ben, waar ik
voorzichtig ben, waar ik direct ben)
7. Wat ik NOOIT doe (clich\u00e9s die ik vermijd, tonen die ik nooit aansla)
De output was een twee pagina's tellend toon-van-stem-document. Claude raak ongeveer 80% van mijn patronen bij de eerste poging.
Stap 3: Bouw Je Hook-Bibliotheek op Basis van Bewezen Patronen
Ik stelde een bibliotheek samen van ongeveer 150 hooks georganiseerd per type:
- Nieuwsgierigheidshooks: "Ik had [X] bijna niet getest. Toen zag ik wat het kon."
- Contrairen hooks: "Iedereen zegt dat je [gangbaar advies] nodig hebt. Ze hebben het mis."
- Verhaalhooks: "Om 2 uur 's nachts op een dinsdag mislukte mijn deployment en..."
- Statistiekhooks: "73% van [doelgroep] heeft precies dit probleem."
- Resultaathooks: "Ik bracht mijn [taak] terug van [tijd] naar [tijd]. Zo deed ik het."
- Vraaghooks: "Wat als het grootste probleem met jouw [X] niet [voor de hand liggend iets] is?"
Elke hook bevat het sjabloonpatroon, twee tot drie echte voorbeelden en een notitie over voor welk contentformaat het het beste werkt.
Stap 4: Bouw de Sub-Agent Architectuur
Het systeem gebruikt twee gespecialiseerde sub-agents geco\u00f6rdineerd door een orchestrator.
Sub-Agent 1: De Hook Writer
# Hook Writer Sub-Agent
## Rol
Genereer aandachttrekkende hooks voor marketingcontent over
meerdere formaten.
## Contextbestanden
- @user-profile.md
- @tone-of-voice.md
- @hook-library.md
## Outputformaten
Genereer voor elk onderwerp:
- 3 LinkedIn-posthooks (eerste 2 regels die v\u00f3\u00f3r "zie meer" verschijnen)
- 3 e-mailonderwerpregels (onder 50 tekens, nieuwsgierigheidsgericht)
- 2 videohooks (eerste 10 seconden van script, conversationeel)
## Regels
- Elke hook moet een open lus cre\u00ebren of specifieke waarde beloven
- Stem exact overeen met de toon-van-stem-gids
- Gebruik nooit generieke openers ("In de wereld van vandaag...", "Heb je ooit...")
- Verwijs naar specifieke tools, cijfers of scenario's uit het onderwerp
- Varieer de structuur over de set \u2014 geen twee hooks mogen hetzelfde patroon volgen
Sub-Agent 2: De Body Copy Writer
# Body Copy Writer Sub-Agent
## Rol
Breid hooks uit naar volledige, publicatieklare contentonderdelen.
## Contextbestanden
- @user-profile.md
- @tone-of-voice.md
## Input
- Onderwerpssamenvatting of artikel-URL
- Geselecteerde hooks van Hook Writer
## Outputformaten
Genereer voor elke aangeleverde hook:
- LinkedIn-post (150-300 woorden, eindig met betrokkenheidsvraag of CTA)
- E-mailinhoud (200-400 woorden, conversationeel, enkele CTA)
- Video-scriptuitbreiding (30-60 seconden script vanuit de hook)
## Regels
- De inhoud moet waarmaken wat de hook beloofde
- Voeg minimaal \u00e9\u00e9n specifiek voorbeeld, cijfer of referentie per stuk toe
- Stem overeen met de toon-van-stem-gids \u2014 met name alinearitme en
woordenschatvoorkeuren
- Eindig elk stuk met een duidelijke volgende stap voor de lezer
- Herhaal de hook nooit letterlijk in de inhoud
De Orchestrator: Alles Samenbrengen
# Content Orchestrator
## Trigger
/content [onderwerp of URL]
## Proces
1. Als input een URL is, haal het artikel op en vat het samen
2. Genereer een onderwerpsbriefing: belangrijkste invalshoek, doelgroepsegment,
primair inzicht
3. Routeer briefing naar Hook Writer \u2014 verzamel hookvariaties
4. Routeer hooks + briefing naar Body Copy Writer \u2014 verzamel complete stukken
5. Assembleer eindoutput als gestructureerde contentbank
## Outputformaat
### LinkedIn-posts
[Hook 1]
[Inhoud 1]
---
[Hook 2]
[Inhoud 2]
### E-mailcampagne
Onderwerpregels: [Lijst]
Inhoud: [Volledige e-mail]
### Videohooks
[Hook + scriptuitbreiding 1]
[Hook + scriptuitbreiding 2]
## Kwaliteitspoort
Verifieer v\u00f3\u00f3r output:
- Elk stuk stemt overeen met de toon-van-stem-gids
- Geen twee stukken gebruiken dezelfde invalshoek of hookstructuur
- Alle formaatspecifieke beperkingen zijn nageleefd
- CTA's zijn aanwezig en merkaangepast
Als je liever iemand deze volledige opstelling voor je laat bouwen, neem ik precies dit soort Claude Code-automatiseringsprojecten aan: fiverr.com/s/EgxYmWD.
Stap 5: Implementeer, Test en Breek Het
Mijn eerste test produceerde LinkedIn-posts die technisch correct waren maar steril aanvoelden. De oplossing was het toevoegen van een specifieke instructie aan de Body Copy Writer: "Voeg altijd minimaal \u00e9\u00e9n eerstepersoonsopinie, reactie of ervaring met betrekking tot het onderwerp toe."
Het tweede probleem was herhaling over formaten heen. Ik voegde een beperking toe aan de orchestrator: "Ken een andere invalshoek toe aan elk formaat. LinkedIn = contraintu\u00eftief inzicht. E-mail = praktische afhaling. Video = persoonlijk verhaal."
Na drie rondes testen en verfijnen produceerde het systeem content die ik met lichte bewerking daadwerkelijk zou publiceren.
De Eerlijke Beoordeling: Wat Dit Goed Doet en Wat Niet
Wat het goed doet:
De multi-channel output is echt. \u00c9\u00e9n onderwerp, \u00e9\u00e9n commando, vijf tot acht publiceerbare contentonderdelen in minder dan twee minuten. De stemconsistentie over formaten heen is merkbaar beter dan wat je krijgt van \u00e9\u00e9n enkele megaprompt.
Wat het niet oplost:
Strategie. Het systeem kan je niet vertellen waarover je moet schrijven. Het weet niet welke onderwerpen deze week bij je doelgroep zullen aanslaan.
Echte originaliteit. Het systeem produceert uitstekende variaties op bestaande idee\u00ebn, maar het genereert geen origineel onderzoek en heeft geen ervaringen die de moeite waard zijn om over te schrijven.
De eerlijke productiviteitsrekening:
V\u00f3\u00f3r dit systeem kostte het genereren van een week aan multi-channel content me ongeveer vier tot vijf uur. Met het systeem duurt generatie ongeveer vijftien minuten. Beoordeling en bewerking duurt nog eens vijfenveertig minuten. Werkelijke reductie: van vijf uur naar ongeveer \u00e9\u00e9n uur. Een tijdsbesparing van 80%.
Wat Dit Betekent voor Solo-Marketeers en Kleine Teams
Het verhaal van Austin Lau is geen anomalie. Het is een voorproefje.
Het patroon is duidelijk. Het Customer Marketing-team stelt nu case studies op in dertig minuten in plaats van twee\u00ebnhalf uur \u2014 een besparing van tien uur per week. Austin's advertentiegeneratie ging van dertig minuten naar dertig seconden.
Voor solo-marketeers en kleine teams is de implicatie helder: de uitvoeringsdrempel voor multi-channel marketing stormt in. Het concurrentievoordeel verschuift van "wie meer content kan produceren" naar "wie een betere strategie, betere data en betere smaak heeft."
Het Zes-Stappen-Draaiboek: Je Herbouw-Checklist
1. Gebruikersdata klonen (45 minuten). Vul het gebruikersprofieldocument in met pijnlijke specificiteit.
2. Toon-van-stem extraheren (30 minuten). Voed vijf van je beste contentonderdelen aan Claude en extraheer een toon-van-stem-gids.
3. Hook-bibliotheek integreren (1-2 uur). Stel dertig tot vijftig bewezen hooks samen georganiseerd per type.
4. Skill-architectuur bouwen (2-3 uur). Bouw twee sub-agents en \u00e9\u00e9n orchestratorskill.
5. Implementeren en testen (1 uur). Voer het /content-commando uit tegen vijf verschillende onderwerpen.
6. Uitbreiden (doorlopend). Voeg nieuwe sub-agents toe voor platforms die je wilt bestrijken.
Totale initi\u00eble bouwtijd: ongeveer zes uur. Totaal doorlopend voordeel: vier-plus uur bespaard per week.
Veelgestelde Vragen
Heb je programmeerervaring nodig om dit Claude Code-marketingsysteem te bouwen?
Nee. Austin Lau had nooit een terminal geopend voordat hij zijn systeem bouwde. Claude Code-skills zijn geschreven in markdown, niet in traditionele programmeertalen.
Hoe verschilt dit van gewoon ChatGPT of Claude gebruiken met een lange prompt?
De sub-agent-architectuur is het belangrijkste verschil. Gespecialiseerde agents behandelen elk \u00e9\u00e9n taak met volledige aandacht. De orchestrator co\u00f6rdineert hen \u2014 en produceert hogere kwaliteitsoutput dan elke enkele prompt.
Kan dit systeem content in meerdere talen verwerken?
Ja, met aanvullende configuratie. Je zou taalspecifieke toon-van-stem-kits maken en taalroutering toevoegen aan de orchestrator.
Wat kost dit maandelijks om te draaien?
Voor een typische solo-marketeer die vijftien tot twintig contentbatches per maand genereert, verwacht je ruwweg $50-80 aan API-gebruik.
Hoe lang duurt het voordat het systeem content produceert die je daadwerkelijk zou publiceren?
Plan voor drie tot vijf verfijningsronden na de initi\u00eble bouw.
Laten We Samenwerken
- Fiverr: fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited: ramlit.com
- ColorPark: colorpark.io
- xCyberSecurity: xcybersecurity.io
