Маркетолог, ведущий собственное агентство, опубликовал на Habr подборку из семи промптов, которые использует в реальной работе с клиентами. Материал построен как последовательный рабочий процесс: сначала сбор информации, потом анализ, потом выработка гипотез. Каждый следующий промпт опирается на результат предыдущего.
Первый промпт превращает разрозненные вводные от клиента — из формы заявки, переписки или записи зума — в структурированный бриф на пять-восемь страниц. Структура охватывает восемь блоков: информация о компании, продукт, целевая аудитория, текущие каналы трафика, аналитические инструменты, конкуренты, цели и особенности ниши. Готовый бриф автор затем адаптирует под сценарий созвона с клиентом и использует как основу для коммерческого предложения.
Для анализа целевой аудитории автор настаивает на обязательном включении режима Deep Research — функции, при которой модель не опирается только на обучающие данные, а обращается к актуальным источникам в сети. По его словам, Claude за 17 минут нашёл 40 цитат и проанализировал 350 источников по одной нише — работа, которая вручную занимала бы неделю. ChatGPT при этом лучше вытаскивает живые высказывания с форумов, Gemini строит структуру, Claude делает читаемые отчёты. Автор называет практику совмещения результатов нескольких моделей «методом Франкенштейна».
Конкурентный анализ через Perplexity однажды выявил игрока, которого автор не замечал два года.
Конкурентный анализ автор рекомендует строить по схеме: Perplexity собирает данные — идёт на сайты конкурентов, смотрит офферы и цены в реальном времени, — а Claude или ChatGPT анализируют и делают стратегические выводы. Именно этот промпт однажды обнаружил конкурента в том же городе и той же нише, которого автор не замечал два года: компания запустилась полгода назад и уже показывала заметный рост.
Для маркетинговой стратегии автор советует использовать функцию «Проекты», доступную в Claude и ChatGPT. В проект загружается весь накопленный контекст — бриф, анализ аудитории, конкурентный анализ, расшифровка созвона — и прописывается кастомная инструкция. Модель держит весь контекст и генерирует стратегию с учётом конкретных данных, а не общих рекомендаций. Внутри проекта можно запрашивать диаграмму Ганта, менять приоритеты и задавать уточняющие вопросы.
Автор отдельно предупреждает об ограничении, которое касается всех моделей без исключения: медиапланы ИИ считает плохо. Причина — отсутствие актуальных данных о ставках в Яндекс Директе и реальных CTR по нишам. Всё, что связано с бюджетами и прогнозами трафика, он рекомендует считать вручную и только потом вставлять в стратегию.