Большинство маркетологов используют AI как поисковик: задают вопрос, получают ответ, переписывают вручную. Prompt engineering — это принципиально другой подход. Вы не задаёте вопросы — вы проектируете конвейер, на выходе которого предсказуемый результат нужного качества.
Почему большинство промптов не работают
Маркетологи жалуются: «AI пишет воду», «теряет стиль бренда», «не понимает задачу». Проблема почти всегда не в модели — она в промпте. Вот три системных причины плохих результатов.
Анатомия хорошего промпта: роль + задача + контекст + формат
Структура работающего промпта — это не волшебная формула, а логика. Каждый компонент отвечает на вопрос, который иначе AI решает самостоятельно — и, как правило, не так, как вам нужно.
Роль — кто говорит
Задайте AI конкретную экспертизу и перспективу: «Ты CMO SaaS-компании с 8-летним опытом в B2B-маркетинге». Это влияет на выбор слов, глубину аргументации и примеры. Без роли AI пишет «от агентства» — усреднённо и безлично.
Задача — что сделать
Конкретный deliverable: «Напиши email для реактивации подписчиков, которые не открывали рассылку 60 дней. Длина — 150–200 слов. Одна CTA-кнопка в конце». Задача должна содержать формат, параметры и ограничения.
Контекст — что важно знать
Информация о продукте, аудитории, ситуации. Это самая недооценённая часть. Вставьте описание продукта, ключевые возражения аудитории, тон бренда, запрещённые слова. Чем больше контекста — тем меньше угадывания.
Формат — как выдать результат
Структура ответа: «Верни только текст поста. Без вводных фраз типа "Конечно, вот пост". Хэштеги отдельным блоком в конце. Эмодзи — не более одного на абзац». Без этого AI добавляет пояснения, заголовки и структуру, которая вам не нужна.
6 техник, которые реально улучшают вывод
Промпты для маркетинга: шаблоны для SMM, email, рекламных текстов
Ниже — рабочие шаблоны, которые мы используем в наших проектах. Подставьте свои данные в скобках и доработайте под специфику бренда.
SMM-пост: формат «Разрушение мифа»
Задача: напиши пост для ВКонтакте, разрушающий миф о [МИФ]. Длина: 800–1000 символов. Структура: провокационное утверждение → почему люди в это верят → факт, который опровергает → практический вывод для читателя.
Голос бренда: экспертный но не занудный, с конкретными данными, без корпоративного пафоса.
Запрещено: "уникальный", "эксклюзивный", "каждый знает".
Верни только текст поста. Хэштеги (3–5) отдельным блоком после текста.
Email-рассылка: реактивация
Продукт: [ОПИСАНИЕ]. Главная ценность для клиента: [ЦЕННОСТЬ].
Тема письма: предложи 3 варианта с элементом любопытства или пользы.
Тело письма: 120–160 слов. Тон: живой, без давления, с признанием что мы долго не писали ничего полезного.
CTA: одна кнопка — [ДЕЙСТВИЕ].
Верни: три варианта темы, тело письма, текст кнопки.
Рекламный текст: проблема → решение
Продукт: [ПРОДУКТ]. ЦА: [ОПИСАНИЕ ЦА]. Главная боль: [БОЛЬ]. Как продукт решает: [РЕШЕНИЕ].
Формат: заголовок (до 7 слов) + подзаголовок (до 15 слов) + 2–3 буллита с выгодами + CTA.
Тон: прямой, без восклицательных знаков, с конкретными цифрами.
Сделай 2 варианта с разными углами подачи.
Промпт-библиотека vs промпт на ходу — как строить систему
Одиночный хороший промпт — это удача. Система из 20–30 протестированных промптов — это актив компании. Разница принципиальная: промпт на ходу нельзя масштабировать, нельзя передать в команду, нельзя улучшать итеративно.
| Параметр | Промпт на ходу | Промпт-библиотека |
|---|---|---|
| Предсказуемость результата | Низкая — каждый раз по-разному | Высокая — известный диапазон качества |
| Масштабируемость | Не масштабируется | Можно использовать в автоматизации |
| Передача в команду | Зависит от конкретного человека | Любой член команды использует одинаково |
| Итеративное улучшение | Невозможно — нет версионирования | Версионируется, можно откатить, A/B-тест |
| Стоимость поддержки | Постоянно высокая | Снижается со временем |
Как строить библиотеку: начните с 7–10 самых частых задач. Для каждой — один базовый промпт, протестированный на 10–15 примерах. Храните в Notion с полями: тип контента, дата последнего обновления, версия, пример хорошего вывода, пример плохого вывода и что изменили.
Ошибки, которые убивают качество
Из 200+ промптов, которые мы проанализировали в клиентских проектах, 80% проблем качества происходят из одних и тех же пяти ошибок.
Prompt engineering — это не навык написания запросов. Это системное мышление: вы проектируете процесс, а не задаёте вопросы. Вложите неделю в построение библиотеки из 10 промптов — и сэкономите часы каждую неделю на весь остальной год.