30-day Quality Learning Plan

実行日、Gate、制作物、KPI、予算の正本はroadmap.mdとする。本書は実験方針を定義する。

原則

大量生成ではなく、品質ゲートを通る12〜18本と、その制作過程から再現可能な型を得る。調査で既知の事項は仮説の初期値として採用し、生成費を使う比較は「植木拓海の発信で再現するか」に限定する。

Stage 1 — Visual Identity / Day 1〜3

植木個人、PENGIN、UnCity、Agent Venture StudioのBrand Profileを作る。Motion Editorial、Generated Hook、Product Proofの基準作を各1本制作し、色、文字、速度、音、余白、AI映像比率を決める。

Stage 2 — Quality Iteration / Day 4〜14

AIディア、note、Xの実原稿を使い、基準作を別テーマへ適用する。モデル比較は基準作で必要な映像を得られない場合だけ行う。1テーマ内で一度に複数の変数を変更しない。

Stage 3 — Distribution Learning / Day 15〜25

公開承認後、媒体別の視聴指標と遷移を記録する。再生数だけでなく、3秒維持率、完視聴率、保存、共有、プロフィール遷移、note遷移を評価する。

Stage 4 — Knowledge Release / Day 26〜30

再現した型、失敗、原価、制作時間を公開用レポートへ変換する。公開記事自体から短尺動画を生成し、研究と発信が循環する状態にする。