相同的提示会写出相同的广告，因为语言模型会用该类别最有可能的答案来填充其输入中的每个空白，而您的竞争对手正在问它相同的问题。营销的上下文工程是解决方案：在写入之前确定模型读取的内容，从竞争对手的广告和受众紧张局势到品牌资产和绩效历史。改变上下文，输出就会改变。
核心要点
- 简短的提示会让模型填补类别平均值的空白，这就是为什么不同的团队会得到几乎相同的广告。
- 上下文工程是关于模型读取的输入，而不是请求的措辞。
- 对于广告来说，四个背景层最重要：竞争对手的广告、受众紧张度、品牌资产和业绩历史。
- 更多背景并不总是更好；一个小的、精心策划的、有证据支持的包胜过你拥有的所有东西。
为什么同样的提示写同样的广告？
因为除了它自己对典型事物的感觉之外，模型没有任何可参考的东西。询问“针对忙碌的专业人士的优质护肤品牌的 Facebook 广告”，你会得到自我护理，值得休息和焕发活力，因为这是模特所读到的有关该类别的所有内容的中心。每个输入类似请求的参赛者都会得到一个类似的中心。
对创意写作的研究在规模上也显示出相同的模式。在《Science Advances》上发表的一项研究中，尽管人工智能帮助单个故事得分更高，但使用人工智能生成的想法撰写的故事与没有人工智能撰写的故事相比10.7% 更相似（埃克塞特大学）。每个输出单独看起来都更好；该套装看起来更相似。
营销人员在找出原因之前先注意到了结果。在 SOMIN 的广告优化工作区中，对 156 篇帖子（9 月 2026）进行了 30 天的空白研究，将其中 23 归为一种张力：将速度置于质量之上并提供通用输出的 AI 机构，以及在没有足够人类监督的情况下采用的 AI 工具。通用输出很少是模型问题。一般是输入问题。
什么是情境工程，它与即时工程有何不同？
及时的工程是关于如何表达请求；上下文工程涉及模型在回答时看到的所有内容。人择将上下文工程描述为整理模型在推理时读取的整个标记集，其目标是找到“尽可能小的高信号标记集”，从而使期望的结果成为可能（人择工程）。
同一篇文章指出，模型的注意力是有限的预算，并且随着上下文窗口的填充，召回率会降低。从营销角度来说，这排除了两个极端：不告诉模型任何内容的单行提示，以及完整粘贴的 200 页品牌书。
Anthropic 的提示指南添加了对广告工作至关重要的两点（Claude 文档）。解释指令背后的原因有助于模型实现您的实际目标。示例应该有足够的变化，以便模型不会拾取意外的模式，这正是当团队粘贴一个示例广告并收到十个副本时所发生的情况。
在人工智能撰写广告之前，您应该向其提供什么背景信息？
给它四个核心层，加上时刻和格式。这些内容反映了 SOMIN 的特工在写入之前读取的输入，当您向总助理手写简报时，相同的结构也会起作用。
| 上下文层 | 给模型什么 | 它来自哪里 | 没有它会发生什么 |
|---|---|---|---|
| 竞争对手的广告 | 围绕 20 个与您竞争的品牌最近发布的广告，按每个品牌使用的主张和张力进行分组 | 广告库、品类监控 | 该模型写出类别平均值，通常接近市场领导者的广告 |
| 观众紧张 | 两种或三种张力，每种都有其证据（样本量、示例帖子）及其所属的角色 | 社交聆听、评论、搜索查询 | 诸如“节省时间”之类的一般好处，没有任何人关心的理由 |
| 品牌资产 | 语音规则、经批准的声明和证据点、产品真相、您从未使用过的词语 | 品牌指南、批准声明列表 | 您无法证实的说法以及可能属于任何人的声音 |
| 业绩历史 | 上一季度的赢家和输家，每个都有一行原因 | 广告平台导出、测试日志 | 该模型重复已经失败的内容或放弃有效的内容 |
| 时刻与市场 | 每个市场的季节、当地活动、语言和文化线索 | 内容日历、本地团队 | 副本正确但不相关，或者翻译而不是本地化 |
| 格式限制 | 通道、长度、长宽比、合规规则 | 媒体计划、平台规格 | 流程结束时返工 |
竞争对手的广告是为了避免，而不是为了复制
向模型展示竞争对手的言论的目的是告诉它不要去哪里。明确地标记拥挤的命题，并要求一个他们都没有使用的角度。
紧张局势需要证据
没有证据的紧张是模型会愉快地装饰的猜测。 SOMIN 的洞察引擎将每个洞察存储为角色、张力和角度，以及角度背后的行为理论及其背后的参与度。我们的受众研究工作区中的一个示例将“要真正建立联系，敢于偏离趋势路径”这一见解与从众行为角度结合起来，并得到 65 帖子中 2,061 参与度的支持。这是模型可以推理的上下文单位。
绩效历史需要原因
“广告 B 击败广告 A”对模型的指导意义不大。 “广告 B 获胜是因为它指出了等待的成本，而我们的受众对此做出了反应”，这给了它一个重用的原则。
多少上下文才算过多？
太多是指任何不改变输出的东西。每个额外的广告、指南或图表都会争夺模型的注意力，因此精心策划的证据包通常胜过导出所有内容。
更好的模式是在需要时检索。 Anthropic的文章建议代理保留轻量级引用，仅在需要时通过工具加载底层数据。实际上，这意味着将助手连接到您的类别数据（例如通过 MCP 连接器），并让它查询此摘要的十个最相关的竞争对手广告，而不是阅读 500。
观众背景也需要同样的纪律。在 SOMIN 的社交聆听工作区中，一种见解认为，经过精心修饰、完美的帖子表现不如原始、真实的故事，这一角度植根于自我决定理论，并得到 24 帖子中 330 参与度的支持。对于模特来说，这样的注释比另一页品牌形容词更有价值。
如何构建团队可以重用的上下文包？
将上下文视为一项维护的资产，而不是一次性的粘贴。可重复使用的包有所有者、结构和刷新日期。
- 映射类别。列出竞争对手并按角色、主张、张力和语气解读他们最近的广告。
- 选择张力。选择您的品牌可以可靠地回答的两个或三个张力，并提供样本大小和示例帖子。
- 一次编写品牌层。 语音规则、批准的声明、证明点和禁用词，在一个简短的结构化文件中。
- 记录结果并附上原因。每次测试后，记录获胜者、失败者以及一个关于原因的句子。
- 设定刷新节奏。竞争对手和受众层最快变得陈旧；至少每月刷新一次。
- 连接而不是粘贴。通过连接器将包公开给您的助手，以便每个团队成员都使用相同的版本。
SOMIN 模型生成的关键时刻说明了这一点的重要性。其中一篇针对战略人物的内容写道：“我应该定制我们的方法，而不是在各处应用相同的战略。”共享上下文包是团队默认的定制方式。
你怎么知道上下文正在工作？
检查品种、可追溯性和预测性能。如果这三者都得到改善，则上下文正在发挥其作用。
- 品种。 使用相同的提示为两个竞争品牌生成概念。如果你可以在没有人注意到的情况下交换品牌名称，那么上下文就太薄弱了。
- 可追溯性。每个概念都应该指向证明它的理由、张力或结果。在我们的策略代理中，每个洞察链都有其背后的真实帖子支持，因此策略师可以在概念走向任何地方之前对其进行检查。
- 预测性能。 在花费之前对概念进行评分。 SOMIN 的 付费媒体代理 预测每个概念的点击率，在整个客户基准中具有 78% 的预测准确度。
相同是明显的症状，我们在为什么人工智能让每个品牌听起来都一样中详细介绍了其原因。
FAQ
什么是营销中的情境工程？
这是一种在人工智能模型写入之前选择和构建其读取内容的做法，例如竞争对手的广告、受众紧张度、品牌资产和绩效历史记录，因此输出适合您的品牌和市场，而不是类别平均水平。
提示和上下文有什么区别？
提示就是请求；上下文是模型在回答时可以看到的所有其他内容。如果上下文不同，两个团队可以使用相同的提示并获得不同的广告。
如何阻止 ChatGPT 或 Claude 撰写通用广告？
为模型提供应避免的竞争对手广告、特定受众的证据张力、您批准的主张以及您最近的赢家和输家。然后询问竞争对手没有使用的角度。
更多的背景总是能带来更好的结果吗？
不会。模型的注意力预算有限，因此不相关的材料会降低质量。整理一小包高信号证据，并在需要时通过工具检索其余证据。
营销环境应该多久更新一次？
竞争对手和受众层变化最快，应至少每月刷新一次。品牌规则和批准的声明可以每季度或品牌发生变化时进行审查。
从一个活动开始：为其构建四个核心层，在有或没有它们的情况下运行通常的提示，并并排比较输出。如果您更愿意连接而不是粘贴，免费的 Marketing Mondays 插件 可以让 Claude 实时访问您的 SOMIN 类别数据。
