Strix - AI Social Media Researcher (AI Skills)

Kamu pernah bikin riset social media yang hasilnya cuma kumpulan data tanpa kesimpulan? Atau lebih sering: riset yang kesimpulannya "perlu lebih konsisten" dan "harus lebih kreatif" tapi nggak ada yang tahu harus ngapain konkretnya?

Strix hadir untuk menyelesaikan itu.

Strix adalah AI Skill untuk Claude yang berperan sebagai social media researcher profesional. Bukan mesin compile data, bukan generator laporan otomatis yang cuma urutkan angka dari besar ke kecil. Strix adalah partner riset yang membaca pola dari data mentah, menarik insight yang benar-benar baru, mengidentifikasi gap yang belum tergarap siapapun, dan menurunkan semuanya menjadi rekomendasi yang cukup detail untuk langsung di-briefkan ke tim eksekusi.

Yang bikin Strix beda: dia punya standar yang ngotot. Setiap deskripsi konten harus 10 layer, yang menjawab menarik kenapa, mekanismenya apa, audiensnya merespons seperti apa. Setiap insight harus punya 3 elemen: pola apa yang ditemukan, kenapa pola itu terjadi, dan apa artinya untuk brand. Setiap rekomendasi harus Level 3, cukup detail supaya tim bisa langsung jalan tanpa tanya balik.

Dan Strix punya "anti-generik radar" yang kejam. 7 kategori frasa yang dilarang muncul tanpa penjelasan. "Engagement tinggi", "audiens aktif", "kompetitor kuat" semua ini akan di-flag dan diminta spesifikasi. Karena riset yang generik itu bukan riset. Itu cuma data entry yang dibungkus kalimat rapi.

Apakah kamu bisnis owner yang mau keputusan social media berbasis evidence? Manajer yang capek dengan riset tim yang dangkal? Atau tim riset yang butuh framework supaya output-nya konsisten dan tajam? Strix dibangun untuk kamu semua.

Ini Cocok Buat Kamu yang...

• Capek dengan riset yang hasilnya cuma kumpulan data tanpa insight: spreadsheet penuh angka tapi nggak ada yang bisa menarik kesimpulan yang actionable.
• Tim riset kamu selalu pakai deskripsi generik: "kontennya menarik", "audiensnya aktif", "kompetitor kuat" tanpa penjelasan kenapa dan dibanding apa.
• Keputusan konten masih berdasarkan feeling, bukan data: padahal tahu seharusnya ada riset yang mendasari.
• Mau tahu apa yang kompetitor belum garap: supaya kamu bisa menemukan celah yang bisa diisi duluan.
• Butuh standar riset yang konsisten: bukan riset yang hasilnya beda-beda tergantung siapa yang ngerjain.
• Rekomendasi dari riset selalu terlalu abstrak: "perbanyak konten edukasi" tapi konten edukasi yang kayak gimana? Untuk siapa? Format apa? Ukur pakai apa?

Yang Kamu Dapatkan di Dalam Strix

• Brand Profile System: Strix paham konteks brand kamu sebelum riset apapun. Setiap output relevan dan spesifik untuk brand kamu, bukan analisis yang bisa ditempel ke brand manapun.
• Data-to-Insight Framework (4 Level): Strix memaksa setiap output naik dari data mentah ke informasi ke insight ke decision. Riset yang berhenti di level data dianggap belum selesai.
• Standar 10 Layer Deskripsi Konten: setiap konten yang dianalisis harus diurai di 10 dimensi: format, premis, hook (dengan mekanisme psikologis), alur, visual, talent, cara brand masuk, performa, reaksi audiens, dan CTA/TTA. Nggak ada yang boleh terlewat.
• Anti-Generik Rules (7 Kategori): daftar frasa yang dilarang muncul tanpa spesifikasi. "Engagement tinggi" harus dijawab: tinggi dibanding apa? Di metrik mana? Kenapa? Implikasinya apa?
• Pattern Recognition System (4 Jenis): Strix mencari pola secara sistematis: Recurring (berulang), Correlation (korelasi), Anomaly (anomali yang menarik), dan Absence (yang seharusnya ada tapi nggak ada, sering jadi peluang terbesar).
• Gap Analysis Framework (3 Jenis Gap): Content Gap (topik yang belum digarap), Positioning Gap (posisi yang belum ditempati), Execution Gap (cara eksekusi yang belum dicoba). Setiap gap diprioritaskan dengan matriks Impact vs Feasibility.
• Standar Insight (3 Elemen Wajib): setiap insight harus punya: Pola (apa yang ditemukan), Mekanisme (kenapa terjadi), Implikasi (apa artinya). Insight yang cuma mengulang data bukan insight.
• Standar Rekomendasi Level 3 (Briefable): setiap rekomendasi harus cukup detail: apa yang dilakukan, bagaimana, siapa yang eksekusi, berapa frekuensinya, kenapa, ukur apa, constraint apa. Tim bisa langsung jalan tanpa tanya balik.
• 5 Jenis Riset + Strategy Research: Audiens, Kompetitor, Kreator, Kata Kunci, Trend, masing-masing dengan standar minimum. Plus Strategy Research komprehensif multi-section dengan cross-research synthesis.
• 23 Pola Strategis: Case Pattern Library berisi pola dari studi kasus social media (Engineered UGC, OGC, Cultural Positioning, dll) sebagai lensa pattern recognition.

Manfaat Nyata yang Kamu Rasakan

Kalau kamu bisnis owner:

• Keputusan social media akhirnya berbasis evidence, data yang sudah diterjemahkan jadi insight dan tindakan konkret, bukan feeling.
• Tahu persis di mana peluang yang belum digarap, gap analysis menunjukkan celah yang kompetitor belum isi.
• Riset jadi investasi yang menghasilkan, setiap riset berujung pada rekomendasi yang langsung bisa dieksekusi.

Kalau kamu marketer atau manajer:

• Punya standar riset yang konsisten untuk seluruh tim, 10 layer, anti-generik, 3 elemen insight. Semua bicara di standar yang sama.
• Bisa mengevaluasi kualitas riset secara objektif. "layer 3 belum explain mekanisme hook" bukan "risetnya kurang mendalam".
• Brief dari riset ke tim eksekusi langsung actionable, rekomendasi Level 3 sudah lengkap.

Kalau kamu tim riset atau tim konten:

• Nggak bingung mulai riset dari mana, framework per jenis riset dengan standar minimum yang jelas.
• Kualitas output naik signifikan, dari deskripsi generik ke analisis berlapis: pola, mekanisme, implikasi.
• Belajar berpikir analitis sambil kerja, setiap interaksi mengajarkan cara baca data, cari pattern, dan tulis insight yang tajam.

Mungkin Kamu Pernah Ngerasa Begini...

• "Riset udah dikerjain berminggu-minggu tapi hasilnya cuma data"

Karena nggak ada framework yang memaksa output naik dari level data ke insight ke rekomendasi. Strix punya hirarki 4 level, kalau output masih di level data mentah, itu belum dianggap selesai.

• "Tim riset gue selalu nulis 'kontennya menarik' tanpa penjelasan"

Karena nggak ada standar spesifisitas. Strix punya 10 layer wajib dan 7 kategori anti-generik yang memastikan setiap deskripsi punya kedalaman: menarik kenapa, mekanismenya apa, audiensnya merespons seperti apa.

• "Gue nggak tahu apa yang kompetitor belum garap"

Karena riset biasa cuma memetakan "apa yang ada" tanpa mengidentifikasi "apa yang belum ada". Strix wajib gap analysis di setiap riset, content gap, positioning gap, execution gap, supaya kamu tahu celah mana yang bisa diisi duluan.

• "Rekomendasi dari riset selalu 'perbanyak konten edukasi'. terus gimana?"

Karena rekomendasi masih Level 1 (arah saja). Strix standar minimum Level 3, lengkap: konten edukasi tipe apa, format apa, hook seperti apa, untuk siapa, ukur pakai apa, kenapa ini diprioritaskan. Tim bisa langsung jalan.

Yang Bikin Strix Beda dari AI Researcher Lain :

• 10 layer deskripsi konten wajib: nggak ada "kontennya menarik" tanpa penjelasan mekanisme.
• Anti-generik radar (7 kategori): frasa kosong di-flag dan diminta spesifikasi.
• 4 jenis pattern recognition: lebih dari sekadar cari yang berulang. juga korelasi, anomali, dan absence (yang seharusnya ada tapi belum ada).
• 3 jenis gap analysis: content, positioning, execution. Setiap riset wajib identifikasi gap.
• Insight harus punya mekanisme: yang menjelaskan "karena mekanisme Y, implikasinya Z", lengkap dengan reasoning.
• Rekomendasi Level 3: briefable. Tim bisa langsung eksekusi tanpa tanya balik.

"Kenapa Nggak Prompt Sendiri Aja?"

• Prompting = "analisis data ini" tanpa standar. Strix = 12 prinsip kerja + standar per jenis riset + anti-generik rules yang bekerja otomatis.
• Prompting menghasilkan deskripsi seadanya. Strix memaksa 10 layer per deskripsi konten, nggak ada yang boleh terlewat.
• Prompting nggak punya quality control. Strix self-check anti-generik di setiap output + push back kalau data belum lengkap.
• Prompting menghasilkan rekomendasi abstrak. Strix standar Level 3, tim bisa langsung eksekusi.
• Kualitas prompting bergantung kemampuan kamu. Kualitas Strix konsisten karena framework dan standar sudah built-in.

Strix dalam Angka :

• 10 layer wajib per deskripsi konten
• 5 jenis riset utama dengan standar masing-masing
• 4 level hirarki analisis (Data → Informasi → Insight → Decision)
• 4 jenis pattern recognition
• 3 jenis gap analysis
• 3 elemen wajib per insight (Pola + Mekanisme + Implikasi)
• 7 kategori red flag anti-generik
• 23 pola strategis dalam Case Pattern Library
• 10 mode kerja terstruktur
• 20.000+ kata knowledge base

Satu Hal Lagi

Strix bukan AI yang langsung menganalisis tanpa mikir. Strix gali konteks dulu, baca standar yang relevan, konfirmasi pemahaman, baru mulai. Dan kalau data yang kamu kasih belum lengkap, Strix bilang, Strix push back dan minta dilengkapi.

Karena riset yang benar-benar bernilai yang menghasilkan insight yang mengubah cara kamu memandang data.

Rp 499.000: Sekali beli, pakai selamanya.

Strix adalah AI Skill untuk Claude (claude.ai). Dibangun oleh Nakama Creative Lab & Insightory by Nakama.