Perintah yang sama menulis iklan yang sama karena model bahasa mengisi setiap celah dalam masukannya dengan jawaban yang paling mungkin untuk kategori tersebut, dan pesaing Anda menanyakan pertanyaan yang sama. Rekayasa konteks untuk pemasaran adalah solusinya: memutuskan apa yang dibaca oleh model sebelum ditulis, mulai dari iklan pesaing dan ketegangan audiens hingga aset merek dan riwayat kinerja. Ubah konteksnya dan hasilnya pun berubah.
Poin penting
- Perintah singkat membuat model mengisi kekosongan dengan rata-rata kategori, itulah sebabnya tim yang berbeda mendapatkan iklan yang hampir identik.
- Rekayasa konteks adalah tentang masukan yang dibaca model, bukan kata-kata dalam permintaan.
- Empat lapisan konteks paling penting untuk periklanan: iklan pesaing, ketegangan audiens, aset merek, dan riwayat kinerja.
- Lebih banyak konteks tidak selalu lebih baik; paket kecil, terkurasi, dan didukung bukti mengalahkan semua yang Anda miliki.
Mengapa prompt yang sama menulis iklan yang sama?
Karena model tidak mempunyai apa pun untuk dikerjakan kecuali pengertiannya sendiri tentang apa yang khas. Mintalah "iklan Facebook untuk merek perawatan kulit premium yang ditujukan untuk para profesional yang sibuk" dan Anda akan mendapatkan perawatan diri yang layak mendapatkan istirahat dan kilau, karena itulah inti dari semua yang telah dibaca model tentang kategori tersebut. Setiap pesaing yang mengetik permintaan serupa mendapat pusat serupa.
Penelitian tentang penulisan kreatif menunjukkan pola yang sama dalam skala besar. Dalam penelitian yang diterbitkan di Science Advances, cerita yang ditulis dengan satu ide yang dihasilkan AI memiliki 10.7% lebih mirip satu sama lain dibandingkan cerita yang ditulis tanpa AI, meskipun bantuan AI membuat setiap cerita mendapat skor lebih tinggi (Universitas Exeter). Setiap keluaran akan terlihat lebih baik jika berdiri sendiri; setnya terlihat lebih mirip.
Pemasar memperhatikan akibat sebelum mereka dapat menyebutkan penyebabnya. Di ruang kerja pengoptimalan iklan SOMIN, studi spasi kosong selama 30 hari pada 156 postingan (2026] bulan September) mengelompokkan 23 di bawah satu ketegangan: lembaga AI yang mengutamakan kecepatan dibandingkan kualitas dan mengirimkan keluaran umum, dan alat AI yang diadopsi tanpa pengawasan manusia yang memadai. Output generik jarang menjadi masalah model. Ini biasanya merupakan masalah input.
Apa itu rekayasa konteks, dan apa bedanya dengan rekayasa cepat?
Rekayasa yang cepat adalah tentang bagaimana Anda mengutarakan permintaan; rekayasa konteks adalah tentang segala sesuatu yang dilihat oleh model ketika dijawab. Anthropic mendeskripsikan rekayasa konteks sebagai mengkurasi seluruh rangkaian token yang dibaca model pada inferensi, dengan tujuan menemukan "kumpulan token sinyal tinggi sekecil mungkin" yang memungkinkan hasil yang diinginkan (Rekayasa Antropik).
Artikel yang sama mencatat bahwa perhatian model adalah anggaran yang terbatas, dan penarikan kembali menurun seiring dengan terisinya jendela konteks. Dalam istilah pemasaran, hal ini mengesampingkan kedua hal ekstrem: perintah satu baris yang tidak memberi tahu model apa pun, dan buku merek berhalaman 200 yang ditempelkan secara keseluruhan.
Panduan dorongan Anthropic menambahkan dua poin yang penting untuk pekerjaan iklan (dokumentasi Claude). Menjelaskan alasan di balik instruksi membantu model mencapai tujuan Anda yang sebenarnya. Dan contohnya harus cukup bervariasi sehingga model tidak mengambil pola yang tidak diinginkan, seperti yang terjadi ketika tim menempelkan satu contoh iklan dan menerima sepuluh salinannya.
Konteks apa yang harus Anda berikan kepada AI sebelum ia menulis iklan?
Berikan empat lapisan inti, ditambah momen dan formatnya. Ini mencerminkan masukan yang dibaca agen SOMIN sebelum mereka menulis, dan struktur yang sama berfungsi saat Anda memberi pengarahan kepada asisten umum secara manual.
| Lapisan konteks | Apa yang harus diberikan kepada model | Dari mana asalnya | Apa yang terjadi tanpanya |
|---|---|---|---|
| Iklan pesaing | Sekitar 20 iklan terbaru dari merek pesaing Anda, dikelompokkan berdasarkan proposisi dan ketegangan yang digunakan masing-masing merek | Perpustakaan iklan, pemantauan kategori | Model menulis kategori rata-rata, sering kali mendekati iklan pemimpin pasar |
| Ketegangan penonton | Dua atau tiga ketegangan, masing-masing dengan buktinya (ukuran sampel, contoh postingan) dan persona yang dimilikinya | Mendengarkan sosial, ulasan, permintaan pencarian | Manfaat umum seperti "menghemat waktu" tanpa ada alasan bagi siapa pun untuk peduli |
| Aset merek | Aturan suara, klaim yang disetujui dan poin bukti, kebenaran produk, kata-kata yang tidak pernah Anda gunakan | Pedoman merek, daftar klaim yang disetujui | Klaim yang tidak dapat Anda buktikan dan merupakan suara yang bisa menjadi milik siapa pun |
| Sejarah kinerja | Pemenang dan pecundang pada kuartal terakhir, masing-masing memiliki satu alasan | Ekspor platform iklan, log pengujian | Model mengulangi apa yang telah gagal atau mengabaikan apa yang berhasil |
| Momen dan pasar | Musim, acara lokal, bahasa dan isyarat budaya per pasar | Kalender konten, tim lokal | Salinan yang benar tetapi tidak relevan, atau diterjemahkan daripada dilokalkan |
| Batasan format | Saluran, panjang, rasio aspek, aturan kepatuhan | Rencana media, spesifikasi platform | Pengerjaan ulang di akhir proses |
Iklan pesaing ada untuk dihindari, bukan untuk ditiru
Tujuan dari menunjukkan kepada model apa yang dikatakan pesaing adalah untuk memberitahukan model mana yang tidak boleh dituju. Beri label pada proposisi yang ramai secara eksplisit dan mintalah sudut pandang yang tidak digunakan oleh proposisi tersebut.
Ketegangan membutuhkan buktinya
Ketegangan tanpa bukti hanyalah dugaan bahwa sang model akan dengan senang hati berdandan. Mesin wawasan SOMIN menyimpan setiap wawasan sebagai persona, ketegangan, dan sudut pandang, bersama dengan teori perilaku di balik sudut tersebut dan keterlibatan di baliknya. Salah satu contoh dari ruang kerja penelitian audiens kami memadukan wawasan "Untuk benar-benar terhubung, berani menyimpang dari jalur yang sedang tren" dengan sudut pandang perilaku kelompok, yang didukung oleh interaksi 2,061 di seluruh postingan 65. Itu adalah unit konteks yang dapat digunakan oleh model.
Riwayat kinerja memerlukan alasan
"Iklan B mengalahkan iklan A" tidak banyak mengajarkan model tersebut. "Iklan B menang karena menyebutkan biaya menunggu, yang ditanggapi oleh audiens kami" memberikan prinsip untuk digunakan kembali.
Berapa banyak konteks yang terlalu berlebihan?
Terlalu banyak adalah segala sesuatu yang tidak mengubah keluaran. Setiap iklan, pedoman, atau bagan tambahan bersaing untuk mendapatkan perhatian model, sehingga kumpulan bukti yang dikurasi biasanya mengalahkan segalanya.
Pola yang lebih baik adalah pengambilan pada saat dibutuhkan. Artikel Anthropic merekomendasikan agar agen menyimpan referensi yang ringan dan memuat data yang mendasarinya melalui alat hanya jika diperlukan. Dalam praktiknya, hal ini berarti menghubungkan asisten ke data kategori Anda, misalnya melalui konektor MCP, dan membiarkannya menanyakan sepuluh iklan pesaing paling relevan untuk ringkasan ini alih-alih membaca 500.
Konteks audiens memerlukan disiplin yang sama. Di ruang kerja SOMIN yang mendengarkan media sosial, sebuah wawasan menyatakan bahwa postingan yang sempurna dan sempurna memiliki performa yang lebih buruk daripada cerita yang mentah dan nyata, sebuah sudut pandang yang didasarkan pada teori penentuan nasib sendiri dan didukung oleh keterlibatan 330 di seluruh postingan 24. Catatan seperti itu lebih bernilai bagi model daripada halaman kata sifat merek lainnya.
Bagaimana Anda membangun paket konteks yang dapat digunakan kembali oleh tim Anda?
Perlakukan konteks sebagai aset yang dipertahankan, bukan hanya sekali saja. Paket yang dapat digunakan kembali memiliki pemilik, struktur, dan tanggal penyegaran.
- Petakan kategori. Buat daftar pesaing dan pecahkan kode iklan terbaru mereka berdasarkan persona, proposisi, ketegangan, dan nada.
- Pilih ketegangannya. Pilih dua atau tiga ketegangan yang dapat dijawab secara kredibel oleh merek Anda, dengan ukuran sampel dan postingan contoh.
- Tulis lapisan merek satu kali. Aturan suara, klaim yang disetujui, poin bukti, dan kata-kata yang dilarang, dalam file terstruktur singkat.
- Catat hasil beserta alasannya. Setelah setiap tes, catat pemenang, pecundang, dan berikan alasannya.
- Tetapkan ritme penyegaran. Lapisan pesaing dan pemirsa paling cepat basi; segarkan mereka setidaknya setiap bulan.
- Hubungkan, bukan tempel. Paparkan paket ke asisten Anda melalui konektor sehingga setiap anggota tim bekerja dari versi yang sama.
Momen kebenaran yang dihasilkan model SOMIN menjelaskan mengapa hal ini penting. Salah satunya, untuk persona strategi, berbunyi: "Saya seharusnya menyesuaikan pendekatan kita daripada menerapkan strategi yang sama di mana pun." Paket konteks bersama adalah cara tim menyesuaikan secara default.
Bagaimana Anda tahu bahwa konteksnya berhasil?
Periksa variasi, ketertelusuran, dan prediksi kinerja. Jika ketiganya membaik, konteksnya berhasil.
- Variasi. Hasilkan konsep untuk dua merek yang bersaing dengan perintah yang sama. Jika Anda dapat menukar nama merek tanpa ada yang menyadarinya, konteksnya terlalu tipis.
- Kemamputelusuran. Setiap konsep harus menunjuk pada pos, ketegangan atau hasil yang membenarkannya. Di Agen Strategi kami, setiap rantai wawasan didukung oleh postingan nyata di baliknya, sehingga ahli strategi dapat memeriksa sebuah konsep sebelum diterapkan ke mana pun.
- Perkiraan kinerja. Skor konsep sebelum pembelanjaan. agen media berbayar SOMIN memprediksi klik-tayang untuk setiap konsep, dengan akurasi prediksi 78% di seluruh tolok ukur pelanggan.
Kesamaan adalah gejala yang terlihat, dan kami membahas penyebabnya secara mendetail di mengapa AI membuat setiap merek terdengar sama.
FAQ
Apa itu rekayasa konteks dalam pemasaran?
Ini adalah praktik memilih dan menyusun apa yang dibaca oleh model AI sebelum ditulis, seperti iklan pesaing, ketegangan audiens, aset merek, dan riwayat kinerja, sehingga hasilnya sesuai dengan merek dan pasar Anda, bukan rata-rata kategori.
Apa perbedaan antara prompt dan konteks?
Promptnya adalah permintaan; konteksnya adalah segala hal lain yang dapat dilihat oleh model ketika ia menjawab. Dua tim dapat menggunakan perintah yang sama dan mendapatkan iklan yang berbeda jika konteksnya berbeda.
Bagaimana cara menghentikan ChatGPT atau Claude menulis iklan umum?
Berikan model iklan pesaing yang harus dihindari, ketegangan audiens tertentu dengan bukti, klaim yang Anda setujui, serta pemenang dan pecundang terbaru Anda. Kemudian tanyakan sudut yang tidak digunakan oleh pesaing.
Apakah lebih banyak konteks selalu memberikan hasil yang lebih baik?
Tidak. Model memiliki anggaran perhatian yang terbatas, sehingga bahan yang tidak relevan dapat menurunkan kualitas. Susun sekumpulan kecil bukti sinyal tinggi dan ambil sisanya melalui alat saat diperlukan.
Seberapa sering konteks pemasaran harus diperbarui?
Lapisan pesaing dan audiens berubah paling cepat dan harus diperbarui setidaknya setiap bulan. Aturan merek dan klaim yang disetujui dapat ditinjau setiap tiga bulan atau saat merek berubah.
Mulailah dengan satu kampanye: buat empat lapisan inti untuk kampanye tersebut, jalankan perintah seperti biasa dengan dan tanpa kampanye tersebut, dan bandingkan hasilnya secara berdampingan. Jika Anda lebih memilih menghubungkan daripada menempel, Marketing Mondays plugin gratis memberi Claude akses langsung ke data kategori SOMIN Anda.
