O mesmo prompt escreve o mesmo anúncio porque um modelo de linguagem preenche cada lacuna em sua entrada com a resposta mais provável para a categoria, e seus concorrentes estão fazendo a mesma pergunta. A engenharia de contexto para marketing é a solução: decidir o que o modelo lê antes de escrever, desde anúncios da concorrência e tensões do público até ativos da marca e histórico de desempenho. Mude o contexto e a saída muda.
Principais conclusões
- Uma breve solicitação deixa o modelo preencher as lacunas com as médias das categorias, e é por isso que diferentes equipes obtêm anúncios quase idênticos.
- A engenharia de contexto trata das entradas que o modelo lê, não do texto da solicitação.
- Quatro camadas de contexto são mais importantes para a publicidade: anúncios da concorrência, tensões do público, ativos da marca e histórico de desempenho.
- Mais contexto nem sempre é melhor; um pacote pequeno, com curadoria e apoiado por evidências supera tudo o que você tem.
Por que o mesmo prompt escreve o mesmo anúncio?
Porque o modelo não tem nada com que trabalhar, exceto o seu próprio sentido do que é típico. Peça “um anúncio no Facebook de uma marca premium de cuidados com a pele voltada para profissionais ocupados” e você terá um autocuidado, merecendo uma pausa e um brilho, pois esse é o centro de tudo o que a modelo leu sobre a categoria. Cada concorrente que digita uma solicitação semelhante recebe um centro semelhante.
A pesquisa sobre escrita criativa mostra o mesmo padrão em escala. Num estudo publicado na Science Advances, as histórias escritas com uma ideia gerada por IA eram 10.7% mais semelhantes entre si do que as histórias escritas sem IA, embora a ajuda da IA tenha feito com que as histórias individuais tivessem uma pontuação mais elevada (University of Exeter). Cada saída fica melhor sozinha; o conjunto parece mais parecido.
Os profissionais de marketing percebem o resultado antes de poderem identificar a causa. No espaço de trabalho de otimização de anúncios da SOMIN, um estudo de espaço em branco de 30 dias de 156 postagens (2026 de setembro) agrupou 23 delas sob uma tensão: agências de IA que colocam a velocidade à frente da qualidade e fornecem resultados genéricos e ferramentas de IA adotadas sem supervisão humana suficiente. A saída genérica raramente é um problema de modelo. Geralmente é um problema de entrada.
O que é engenharia de contexto e como ela difere da engenharia imediata?
A engenharia imediata trata de como você formula a solicitação; engenharia de contexto trata de tudo que o modelo vê quando responde. A Anthropic descreve a engenharia de contexto como a curadoria de todo o conjunto de tokens que um modelo lê na inferência, com o objetivo de encontrar o "menor conjunto possível de tokens de alto sinal" que torne provável o resultado desejado (Anthropic Engineering).
O mesmo artigo observa que a atenção de um modelo é um orçamento limitado e que a lembrança diminui à medida que a janela de contexto é preenchida. Em termos de marketing, isso exclui os dois extremos: o prompt de uma linha que não diz nada ao modelo e o brand book de 200 páginas colado inteiro.
As orientações da Anthropic acrescentam dois pontos que são importantes para o trabalho publicitário ( Documentação de Claude). Explicar o motivo por trás de uma instrução ajuda o modelo a atingir seu objetivo real. E os exemplos devem variar o suficiente para que o modelo não detecte padrões não intencionais, que é exatamente o que acontece quando uma equipe cola um exemplo de anúncio e recebe dez cópias dele.
Que contexto você deve fornecer a uma IA antes de escrever um anúncio?
Dê a ele quatro camadas principais, além do momento e do formato. Eles refletem as entradas que os agentes do SOMIN leem antes de escrever, e a mesma estrutura funciona quando você instrui manualmente um assistente geral.
| Camada de contexto | O que dar ao modelo | De onde vem | O que acontece sem isso |
|---|---|---|---|
| Anúncios do concorrente | Cerca de 20 anúncios recentes das marcas com as quais você concorre, agrupados pela proposta e tensão que cada uma utiliza | Bibliotecas de anúncios, monitoramento de categorias | O modelo escreve a média da categoria, muitas vezes próxima do anúncio do líder de mercado |
| Tensões do público | Duas ou três tensões, cada uma com suas evidências (tamanho da amostra, exemplos de postagens) e a persona a que pertence | Escuta social, avaliações, consultas de pesquisa | Benefícios genéricos como "economizar tempo" sem motivo para ninguém se importar |
| Ativos da marca | Regras de voz, afirmações aprovadas e pontos de prova, verdades sobre produtos, palavras que você nunca usa | Diretrizes da marca, lista de reivindicações aprovadas | Afirmações que você não pode fundamentar e uma voz que pode pertencer a qualquer pessoa |
| Histórico de desempenho | Vencedores e perdedores do último trimestre, cada um com um motivo de uma linha | Exportações de plataforma de anúncios, registros de teste | O modelo repete o que já falhou ou descarta o que funcionou |
| Momento e mercado | Temporada, eventos locais, sugestões linguísticas e culturais por mercado | Calendário de conteúdo, equipe local | Cópia correta, mas irrelevante, ou traduzida em vez de localizada |
| Restrições de formato | Canal, comprimento, proporção, regras de conformidade | Plano de mídia, especificações da plataforma | Retrabalho no final do processo |
Os anúncios da concorrência existem para serem evitados, não para serem copiados
O objetivo de mostrar ao modelo o que os concorrentes dizem é dizer-lhe onde não deve ir. Rotule explicitamente as proposições lotadas e peça um ângulo que nenhuma delas usa.
As tensões precisam de evidências
Uma tensão sem evidências é um palpite que a modelo decorará com prazer. O mecanismo de insights do SOMIN armazena cada insight como persona, tensão e ângulo, juntamente com a teoria comportamental por trás do ângulo e o envolvimento por trás dele. Um exemplo do nosso espaço de trabalho de pesquisa de público combina o insight “Para realmente se conectar, ouse divergir do caminho da tendência” com um ângulo de comportamento de rebanho, apoiado por 2,061 engajamentos em 65 postagens. Essa é uma unidade de contexto com a qual um modelo pode raciocinar.
O histórico de desempenho precisa de motivos
"Ad B venceu ad A" ensina pouco o modelo. “O anúncio B venceu porque nomeou o custo da espera, ao qual nosso público responde” dá-lhe um princípio a ser reutilizado.
Quanto contexto é demais?
Demais é qualquer coisa que não altera a saída. Cada anúncio, diretriz ou gráfico extra compete pela atenção do modelo, portanto, um pacote de evidências com curadoria geralmente supera a exportação de tudo.
O melhor padrão é a recuperação no momento de necessidade. O artigo da Anthropic recomenda que os agentes mantenham referências leves e carreguem os dados subjacentes por meio de ferramentas somente quando necessário. Na prática, isso significa conectar o assistente aos dados da sua categoria, por exemplo, através de um conector MCP, e deixá-lo consultar os dez anúncios concorrentes mais relevantes para este briefing, em vez de ler 500.
O contexto do público precisa da mesma disciplina. No espaço de trabalho de escuta social da SOMIN, um insight afirma que postagens polidas e perfeitas têm desempenho inferior a histórias reais e cruas, um ângulo baseado na teoria da autodeterminação e apoiado por 330 engajamentos em 24 postagens. Uma nota como essa vale mais para a modelo do que mais uma página de adjetivos da marca.
Como você constrói um pacote de contexto que sua equipe pode reutilizar?
Trate o contexto como um ativo mantido, não como uma pasta única. Um pacote reutilizável tem dono, estrutura e data de atualização.
- Mapeie a categoria. Liste os concorrentes e decodifique seus anúncios recentes por persona, proposta, tensão e tom.
- Escolha as tensões. Escolha as duas ou três tensões que sua marca pode responder com credibilidade, com tamanhos de amostra e postagens de exemplo.
- Escreva a camada da marca uma vez. Regras de voz, reivindicações aprovadas, pontos de prova e palavras proibidas, em um arquivo curto e estruturado.
- Registre os resultados com os motivos. Após cada teste, registre o vencedor, o perdedor e uma frase sobre o porquê.
- Defina um ritmo de atualização. As camadas do concorrente e do público ficam obsoletas mais rapidamente; atualize-os pelo menos mensalmente.
- Conecte em vez de colar. Exponha o pacote ao seu assistente por meio de um conector para que todos os membros da equipe trabalhem na mesma versão.
Os momentos da verdade gerados pelo modelo da SOMIN capturam por que isso é importante. Um deles, para uma persona estratégica, diz: “Eu deveria ter adaptado a nossa abordagem em vez de aplicar a mesma estratégia em todos os lugares”. Um pacote de contexto compartilhado é como uma equipe se adapta por padrão.
Como você sabe que o contexto está funcionando?
Verifique variedade, rastreabilidade e desempenho previsto. Se todos os três melhorarem, o contexto estará fazendo o seu trabalho.
- Variety. Gere conceitos para duas marcas concorrentes com o mesmo prompt. Se você puder trocar os nomes das marcas sem que ninguém perceba, o contexto é muito limitado.
- Rastreabilidade. Todo conceito deve apontar para o post, tensão ou resultado que o justifica. Em nosso Agente de estratégia, cada cadeia de insights é apoiada pelas postagens reais por trás dela, para que um estrategista possa verificar um conceito antes que ele chegue a qualquer lugar.
- Desempenho previsto. Pontuar conceitos antes de gastar. O agente de mídia pago da SOMIN prevê cliques para cada conceito, com precisão de previsão de 78% em benchmarks de clientes.
A mesmice é o sintoma visível, e abordamos suas causas detalhadamente em , por que a IA faz com que todas as marcas tenham o mesmo som .
FAQ
O que é engenharia de contexto em marketing?
É a prática de escolher e estruturar o que um modelo de IA lê antes de escrever, como anúncios da concorrência, tensões do público, ativos da marca e histórico de desempenho, para que o resultado se ajuste à sua marca e ao mercado, em vez da média da categoria.
Qual é a diferença entre um prompt e um contexto?
O prompt é a solicitação; o contexto é tudo o mais que o modelo pode ver quando responde. Duas equipes podem usar o mesmo prompt e obter anúncios diferentes se o contexto for diferente.
Como faço para impedir que ChatGPT ou Claude escrevam anúncios genéricos?
Dê ao modelo os anúncios concorrentes que ele deve evitar, uma tensão específica do público com as evidências, suas afirmações aprovadas e seus recentes vencedores e perdedores. Em seguida, peça um ângulo que nenhum dos concorrentes use.
Mais contexto sempre dá melhores resultados?
Não. Os modelos têm um orçamento de atenção limitado, portanto, materiais irrelevantes podem diminuir a qualidade. Organize um pequeno pacote de evidências de alto sinal e recupere o restante por meio de ferramentas quando necessário.
Com que frequência o contexto de marketing deve ser atualizado?
As camadas de concorrentes e de público mudam mais rapidamente e devem ser atualizadas pelo menos uma vez por mês. As regras da marca e as reivindicações aprovadas podem ser revisadas trimestralmente ou quando a marca muda.
Comece com uma campanha: construa as quatro camadas principais para ela, execute seu prompt usual com e sem elas e compare os resultados lado a lado. Se você preferir conectar em vez de colar, o plugin gratuito Marketing Mondays dá a Claude acesso ao vivo aos dados da sua categoria SOMIN.
