Gesaan yang sama menulis iklan yang sama kerana model bahasa mengisi setiap jurang dalam inputnya dengan jawapan yang paling berkemungkinan untuk kategori tersebut dan pesaing anda menanyakannya soalan yang sama. Kejuruteraan konteks untuk pemasaran ialah penyelesaiannya: memutuskan perkara yang dibaca oleh model sebelum ia menulis, daripada iklan pesaing dan ketegangan khalayak kepada aset jenama dan sejarah prestasi. Tukar konteks dan perubahan output.
Perkara penting
- Gesaan pendek meninggalkan model untuk mengisi jurang dengan purata kategori, itulah sebabnya pasukan yang berbeza mendapat iklan yang hampir serupa.
- Kejuruteraan konteks adalah mengenai input yang dibaca oleh model, bukan perkataan permintaan.
- Empat lapisan konteks paling penting untuk pengiklanan: iklan pesaing, ketegangan khalayak, aset jenama dan sejarah prestasi.
- Lebih banyak konteks tidak selalunya lebih baik; pek kecil, disusun susun, disokong bukti mengalahkan pembuangan semua yang anda miliki.
Mengapakah gesaan yang sama menulis iklan yang sama?
Kerana model itu tidak mempunyai apa-apa untuk berfungsi kecuali rasa sendiri tentang apa yang tipikal. Minta "iklan Facebook untuk jenama penjagaan kulit premium yang ditujukan kepada profesional yang sibuk" dan anda mendapat penjagaan diri, layak berehat dan bersinar, kerana itu adalah pusat segala-galanya yang telah dibaca oleh model tentang kategori tersebut. Setiap pesaing yang menaip permintaan yang serupa mendapat pusat yang serupa.
Penyelidikan tentang penulisan kreatif menunjukkan corak yang sama pada skala. Dalam kajian yang diterbitkan dalam Science Advances, cerita yang ditulis dengan satu idea yang dijana AI adalah 10.7% lebih serupa antara satu sama lain daripada cerita yang ditulis tanpa AI, walaupun AI membantu menjadikan cerita individu mendapat skor yang lebih tinggi (University of Exeter). Setiap keluaran kelihatan lebih baik dengan sendirinya; set kelihatan lebih serupa.
Pemasar melihat hasilnya sebelum mereka boleh menamakan puncanya. Dalam ruang kerja pengoptimuman iklan SOMIN, kajian ruang kosong 30 hari bagi 156 siaran (September 2026) mengumpulkan 23 daripadanya di bawah satu ketegangan: agensi AI yang mengutamakan kelajuan berbanding kualiti dan menghantar keluaran generik, dan alatan AI yang diterima pakai tanpa pengawasan manusia yang mencukupi. Output generik jarang menjadi masalah model. Ia biasanya masalah input.
Apakah itu kejuruteraan konteks, dan bagaimana ia berbeza daripada kejuruteraan segera?
Kejuruteraan segera adalah tentang cara anda mengutarakan permintaan; kejuruteraan konteks adalah mengenai semua yang model lihat apabila ia menjawab. Anthropic menerangkan kejuruteraan konteks sebagai memilih keseluruhan set token yang dibaca model mengikut inferens, dengan matlamat mencari "set terkecil kemungkinan token isyarat tinggi" yang menjadikan hasil yang diingini berkemungkinan (Anthropic Engineering).
Artikel yang sama menyatakan bahawa perhatian model ialah belanjawan yang terhad, dan ingatan itu merosot apabila tetingkap konteks mengisi. Dari segi pemasaran, ini menolak kedua-dua ekstrem: gesaan satu baris yang tidak memberitahu model itu dan buku jenama halaman 200 yang ditampal secara keseluruhan.
Panduan dorongan Anthropic menambahkan dua perkara yang penting untuk kerja iklan (dokumentasi Claude). Menjelaskan sebab di sebalik arahan membantu model menyasarkan matlamat sebenar anda. Dan contoh hendaklah berbeza-beza supaya model tidak mengambil corak yang tidak diingini, iaitu apa yang berlaku apabila pasukan menampal dalam satu sampel iklan dan menerima sepuluh salinannya.
Apakah konteks yang perlu anda berikan kepada AI sebelum ia menulis iklan?
Berikan empat lapisan teras, ditambah dengan momen dan format. Ini mencerminkan input yang dibaca ejen SOMIN sebelum mereka menulis, dan struktur yang sama berfungsi apabila anda memberi taklimat kepada pembantu am dengan tangan.
| Lapisan konteks | Apa yang perlu diberikan kepada model | Dari mana ia datang | Apa yang berlaku tanpanya |
|---|---|---|---|
| Iklan pesaing | Sekitar 20 iklan terbaharu daripada jenama yang anda saingi, dikumpulkan mengikut cadangan dan ketegangan yang digunakan oleh setiap satu | Perpustakaan iklan, pemantauan kategori | Model menulis purata kategori, selalunya hampir dengan iklan peneraju pasaran |
| Ketegangan penonton | Dua atau tiga ketegangan, masing-masing dengan buktinya (saiz sampel, contoh siaran) dan persona yang dimilikinya | Pendengaran sosial, ulasan, pertanyaan carian | Faedah generik seperti "menjimatkan masa" tanpa sebab untuk sesiapa mengambil berat |
| Aset jenama | Peraturan suara, tuntutan yang diluluskan dan titik bukti, kebenaran produk, perkataan yang anda tidak pernah gunakan | Garis panduan jenama, senarai tuntutan yang diluluskan | Tuntutan yang tidak dapat anda buktikan dan suara yang boleh dimiliki oleh sesiapa sahaja |
| Sejarah prestasi | Pemenang dan kalah suku lepas, masing-masing dengan alasan satu baris | Eksport platform iklan, log ujian | Model mengulangi apa yang telah gagal atau menggugurkan apa yang berjaya |
| Momen dan pasaran | Musim, acara tempatan, isyarat bahasa dan budaya setiap pasaran | Kalendar kandungan, pasukan tempatan | Salin yang betul tetapi tidak berkaitan, atau diterjemahkan dan bukannya setempat |
| Kekangan format | Saluran, panjang, nisbah bidang, peraturan pematuhan | Pelan media, spesifikasi platform | Kerja semula pada akhir proses |
Iklan pesaing ada untuk mengelakkan, bukan untuk menyalin
Tujuan menunjukkan model apa yang dikatakan pesaing adalah untuk memberitahunya ke mana tidak boleh pergi. Labelkan cadangan yang ramai secara eksplisit dan minta sudut yang tidak digunakan oleh mereka.
Ketegangan memerlukan bukti mereka
Ketegangan tanpa bukti adalah meneka model itu akan menghiasi dengan gembira. Enjin cerapan SOMIN menyimpan setiap cerapan sebagai persona, ketegangan dan sudut, bersama-sama dengan teori tingkah laku di sebalik sudut dan penglibatan di belakangnya. Satu contoh daripada ruang kerja penyelidikan khalayak kami menggandingkan cerapan "Untuk benar-benar berhubung, berani untuk menyimpang daripada laluan sohor kini" dengan sudut gelagat kumpulan, disokong oleh penglibatan 2,061 merentas 65 siaran. Itu adalah unit konteks yang boleh digunakan oleh model.
Sejarah prestasi memerlukan sebab
"Iklan B mengalahkan iklan A" mengajar model itu sedikit. "Iklan B menang kerana ia menamakan kos menunggu, yang dijawab oleh khalayak kami" memberikannya prinsip untuk digunakan semula.
Berapa banyak konteks yang terlalu banyak?
Terlalu banyak adalah apa-apa yang tidak mengubah output. Setiap iklan tambahan, garis panduan atau carta bersaing untuk mendapatkan perhatian model, jadi pek bukti yang dipilih susun biasanya mengatasi eksport segala-galanya.
Corak yang lebih baik ialah mendapatkan semula pada masa yang diperlukan. Artikel Anthropic mengesyorkan agar ejen menyimpan rujukan ringan dan memuatkan data asas melalui alatan hanya apabila diperlukan. Dalam amalan, ini bermakna menyambungkan pembantu kepada data kategori anda, contohnya melalui penyambung MCP dan membiarkannya menanyakan sepuluh iklan pesaing yang paling berkaitan untuk ringkasan ini dan bukannya membaca 500.
Konteks khalayak memerlukan disiplin yang sama. Dalam ruang kerja mendengar sosial SOMIN, satu cerapan berpendapat bahawa siaran yang digilap dan sempurna menunjukkan prestasi yang kurang baik, cerita sebenar, sudut berasaskan teori penentuan nasib sendiri dan disokong oleh penglibatan 330 merentas 24 siaran. Nota seperti itu lebih bernilai kepada model daripada halaman lain kata sifat jenama.
Bagaimanakah anda membina pek konteks yang boleh digunakan semula oleh pasukan anda?
Anggap konteks sebagai aset yang diselenggara, bukan tampalan sekali sahaja. Pek boleh guna semula mempunyai pemilik, struktur dan tarikh muat semula.
- Peta kategori. Senaraikan pesaing dan nyahkod iklan terbaru mereka mengikut persona, proposisi, ketegangan dan nada.
- Pilih ketegangan. Pilih dua atau tiga ketegangan yang boleh dijawab oleh jenama anda, dengan saiz sampel dan contoh siaran.
- Tulis lapisan jenama sekali. Peraturan suara, tuntutan yang diluluskan, titik bukti dan perkataan terlarang, dalam fail berstruktur pendek.
- Log keputusan dengan sebab. Selepas setiap ujian, rekod pemenang, kalah dan ayat mengapa.
- Tetapkan irama muat semula. Lapisan pesaing dan penonton menjadi paling cepat basi; segarkan mereka setiap bulan sekurang-kurangnya.
- Sambung daripada tampal. Dedahkan pek kepada pembantu anda melalui penyambung supaya setiap ahli pasukan berfungsi daripada versi yang sama.
Momen kebenaran yang dijana model SOMIN menangkap mengapa ini penting. Salah seorang daripada mereka, untuk persona strategi, berbunyi: "Saya sepatutnya menyesuaikan pendekatan kami daripada menggunakan strategi yang sama di mana-mana." Pek konteks dikongsi ialah cara pasukan menyesuaikan secara lalai.
Bagaimanakah anda tahu konteks berfungsi?
Semak kepelbagaian, kebolehkesanan dan prestasi yang diramalkan. Jika ketiga-tiganya bertambah baik, konteks menjalankan tugasnya.
- Pelbagai. Hasilkan konsep untuk dua jenama bersaing dengan gesaan yang sama. Jika anda boleh menukar nama jenama tanpa disedari oleh sesiapa, konteksnya terlalu nipis.
- Kebolehkesanan. Setiap konsep harus menunjuk kepada siaran, ketegangan atau hasil yang mewajarkannya. Dalam Ejen strategi kami, setiap rantai cerapan disokong oleh siaran sebenar di belakangnya, jadi ahli strategi boleh menyemak konsep sebelum ia pergi ke mana-mana.
- Prestasi yang diramalkan. Skorkan konsep sebelum berbelanja. ejen media berbayar SOMIN meramalkan klik lalu untuk setiap konsep, dengan 78% ketepatan ramalan merentas penanda aras pelanggan.
Kesamaan ialah simptom yang boleh dilihat dan kami membincangkan puncanya secara terperinci dalam mengapa AI menjadikan setiap jenama berbunyi sama.
FAQ
Apakah kejuruteraan konteks dalam pemasaran?
Ia merupakan amalan memilih dan menstruktur perkara yang dibaca oleh model AI sebelum ia menulis, seperti iklan pesaing, ketegangan khalayak, aset jenama dan sejarah prestasi, jadi outputnya sesuai dengan jenama dan pasaran anda dan bukannya purata kategori.
Apakah perbezaan antara gesaan dan konteks?
Gesaan ialah permintaan; konteksnya ialah segala-galanya yang boleh dilihat oleh model apabila ia menjawab. Dua pasukan boleh menggunakan gesaan yang sama dan mendapatkan iklan yang berbeza jika konteks mereka berbeza.
Bagaimanakah cara saya menghentikan ChatGPT atau Claude daripada menulis iklan generik?
Berikan model iklan pesaing yang harus dielakkan, ketegangan khalayak tertentu dengan bukti, tuntutan anda yang diluluskan dan pemenang dan kalah anda baru-baru ini. Kemudian minta sudut yang tidak digunakan oleh pesaing.
Adakah lebih banyak konteks sentiasa memberikan hasil yang lebih baik?
Tidak. Model mempunyai belanjawan perhatian yang terhad, jadi bahan yang tidak berkaitan boleh menurunkan kualiti. Susun pek kecil bukti isyarat tinggi dan dapatkan selebihnya melalui alatan apabila diperlukan.
Berapa kerap konteks pemasaran perlu dikemas kini?
Lapisan pesaing dan khalayak berubah paling cepat dan harus dimuat semula sekurang-kurangnya setiap bulan. Peraturan jenama dan tuntutan yang diluluskan boleh disemak setiap suku tahun atau apabila jenama berubah.
Mulakan dengan satu kempen: bina empat lapisan teras untuknya, jalankan gesaan biasa anda dengan dan tanpa kempen tersebut, dan bandingkan output sebelah menyebelah. Jika anda lebih suka menyambung daripada menampal, pemalam Marketing Mondays percuma memberikan Claude akses langsung kepada data kategori SOMIN anda.
