相同的提示會寫出相同的廣告，因為語言模型會用該類別最有可能的答案來填充其輸入中的每個空白，而您的競爭對手正在問它相同的問題。行銷的上下文工程是解決方案：在寫入之前確定模型讀取的內容，從競爭對手的廣告和受眾緊張局勢到品牌資產和績效歷史。改變上下文，輸出就會改變。
重點摘要
- 簡短的提示會讓模型填補類別平均值的空白，這就是為什麼不同的團隊會得到幾乎相同的廣告。
- 上下文工程是關於模型讀取的輸入，而不是請求的措詞。
- 對廣告來說，四個背景層最重要：競爭對手的廣告、受眾緊張、品牌資產、績效歷史。
- 更多背景並不總是更好；一個小的、精心策劃的、有證據支持的包勝過你擁有的所有東西。
為什麼同樣的提示寫同樣的廣告？
因為除了它自己對典型事物的感覺之外，模型沒有任何可參考的東西。詢問“針對忙碌的專業人士的優質護膚品牌的 Facebook 廣告”，您將獲得自我護理，值得休息和煥發活力，因為這是模特所讀到的有關該類別的所有內容的中心。每個輸入類似請求的參賽者都會得到一個類似的中心。
對創意寫作的研究在規模上也顯示出相同的模式。在《Science Advances》上發表的一項研究中，儘管人工智慧幫助單一故事得分更高，但使用人工智慧生成的想法撰寫的故事與沒有人工智慧撰寫的故事相比10.7% 更相似（埃克塞特大學）。每個輸出單獨看起來都更好；該套裝看起來更相似。
行銷人員在找出原因之前先註意到了結果。在 SOMIN 的廣告優化工作區中，對 156 篇文章（9 月 2026）進行了 30 天的空白研究，將其中 23 歸為一種張力：將速度置於品質之上並提供通用輸出的 AI 機構，以及在沒有足夠人類監督的情況下採用的 AI 工具。通用輸出很少是模型問題。一般是輸入問題。
什麼是情境工程，它與即時工程有何不同？
及時的工程是關於如何表達請求；上下文工程涉及模型在回答時看到的所有內容。人擇將上下文工程描述為整理模型在推理時讀取的整個標記集，其目標是找到“盡可能小的高信號標記集”，從而使期望的結果成為可能（人擇工程）。
同一篇文章指出，模型的注意力是有限的預算，隨著上下文視窗的填充，召回率會降低。從行銷角度來說，這排除了兩個極端：不告訴模型任何內容的單行提示，以及完整貼上的 200 頁品牌書。
Anthropic 的提示指南增加了對廣告工作至關重要的兩點（Claude 文件）。解釋指令背後的原因有助於模型實現您的實際目標。範例應該有足夠的變化，以便模型不會拾取意外的模式，這正是當團隊貼上範例廣告並收到十個副本時所發生的情況。
在人工智慧撰寫廣告之前，您應該向其提供什麼背景資訊？
給它四個核心層，加上時刻和格式。這些內容反映了 SOMIN 的特工在寫入之前讀取的輸入，當您向總助理手寫簡報時，相同的結構也會起作用。
| 上下文層 | 給模型什麼 | 它來自哪裡 | 沒有它會發生什麼 |
|---|---|---|---|
| 競爭對手的廣告 | 圍繞 20 個與您競爭的品牌最近發布的廣告，按每個品牌使用的主張和張力進行分組 | 廣告庫、品類監控 | 此模型寫出類別平均值，通常接近市場領導者的廣告 |
| 觀眾緊張 | 兩種或三種張力，每種都有其證據（樣本量、範例貼文）及其所屬的角色 | 社交聆聽、評論、搜尋查詢 | 諸如「節省時間」之類的一般好處，沒有任何人關心的理由 |
| 品牌資產 | 語音規則、經批准的聲明和證據點、產品真相、您從未使用過的字詞 | 品牌指南、批准聲明列表 | 您無法證實的說法以及可能屬於任何人的聲音 |
| 業績歷史 | 上一季的贏家和輸家，每個都有一行原因 | 廣告平台匯出、測試日誌 | 該模型重複已經失敗的內容或放棄有效的內容 |
| 時刻與市場 | 每個市場的季節、當地活動、語言和文化線索 | 內容日曆、本地團隊 | 副本正確但不相關，或翻譯而不是本地化 |
| 格式限制 | 通道、長度、長寬比、合規規則 | 媒體計畫、平台規格 | 流程結束時返工 |
競爭對手的廣告是為了避免，而不是為了複製
向模型展示競爭對手的言論的目的是告訴它不要去哪裡。明確地標記擁擠的命題，並要求一個他們都沒有使用的角度。
緊張局勢需要證據
沒有證據的緊張是模型會愉快地裝飾的猜測。 SOMIN 的洞察引擎將每個洞察儲存為角色、張力和角度，以及角度背後的行為理論及其背後的參與度。我們的受眾研究工作區中的一個例子將「要真正建立聯繫，敢於偏離趨勢路徑」這一見解與從眾行為角度結合起來，並得到 65 帖子中 2,061 參與度的支持。這是模型可以推理的上下文單位。
績效歷史需要原因
「廣告 B 擊敗廣告 A」對模型的指導意義不大。 “廣告 B 獲勝是因為它指出了等待的成本，而我們的受眾對此做出了反應”，這給了它一個重用的原則。
多少上下文才算太多？
太多是指任何不改變輸出的東西。每個額外的廣告、指南或圖表都會爭奪模型的注意力，因此精心策劃的證據包通常比匯出所有內容都好。
更好的模式是在需要時檢索。 Anthropic的文章建議代理保留輕量級引用，僅在需要時透過工具載入底層資料。實際上，這意味著將助手連接到您的類別資料（例如透過 MCP 連接器），並讓它查詢此摘要的十個最相關的競爭對手廣告，而不是閱讀 500。
觀眾背景也需要同樣的紀律。在 SOMIN 的社交聆聽工作區中，一種見解認為，經過精心修飾、完美的貼文表現不如原始、真實的故事，這一角度植根於自我決定理論，並得到 24 帖子中 330 參與度的支持。對模特兒來說，這樣的註解比另一頁品牌形容詞更有價值。
如何建立團隊可以重複使用的上下文包？
將上下文視為一項維護的資產，而不是一次性的貼上。可重複使用的套件有所有者、結構和刷新日期。
- 映射類別。 列出競爭對手並按角色、主張、張力和語氣解讀他們最近的廣告。
- 選擇張力。 選擇您的品牌可以可靠地回答的兩個或三個張力，並提供樣本大小和範例貼文。
- 一次編寫品牌層。 語音規則、批准的聲音、證明點和禁用詞，在一個簡短的結構化文件中。
- 記錄結果並附上原因。 每次測試後，記錄獲勝者、失敗者以及一個關於原因的句子。
- 設定刷新節奏。 競爭對手和受眾層最快變得陳舊；至少每月刷新一次。
- 連接而不是貼上。 透過連接器將套件公開給您的助手，以便每個團隊成員都使用相同的版本。
SOMIN 模型產生的關鍵時刻說明了這一點的重要性。其中一篇針對策略人物的內容寫道：「我應該客製化我們的方法，而不是在各處應用相同的策略。」共享情境包是團隊預設的客製化方式。
你怎麼知道上下文正在運作？
檢查品種、可追溯性和預測性能。如果這三者都得到改善，則上下文正在發揮其作用。
- 品種。 使用相同的提示為兩個競爭品牌產生概念。如果你可以在沒有人注意到的情況下交換品牌名稱，那麼上下文就太薄弱了。
- 可追溯性。 每個概念都應該指向證明它的理由、張力或結果。在我們的策略代理中，每個洞察鏈都有其背後的真實帖子支持，因此策略師可以在概念走向任何地方之前對其進行檢查。
- 預測性能。 在花費之前對概念進行評分。 SOMIN 的 付費媒體代理 預測每個概念的點擊率，在整個客戶基準中具有 78% 的預測準確度。
同樣是明顯的症狀，我們在為什麼人工智慧讓每個品牌聽起來都一樣中詳細介紹了原因。
FAQ
什麼是行銷中的情境工程？
這是一種在人工智慧模型寫入之前選擇和建立其讀取內容的做法，例如競爭對手的廣告、受眾緊張度、品牌資產和績效歷史記錄，因此輸出適合您的品牌和市場，而不是類別平均水平。
提示和上下文有什麼區別？
提示就是請求；上下文是模型在回答時可以看到的所有其他內容。如果上下文不同，兩個團隊可以使用相同的提示並獲得不同的廣告。
如何阻止 ChatGPT 或 Claude 撰寫通用廣告？
為模型提供應避免的競爭對手廣告、特定受眾的證據張力、您批准的主張以及您最近的贏家和輸家。然後問競爭對手沒有使用的角度。
更多的背景總是能帶來更好的結果嗎？
不會。模型的注意力預算有限，因此不相關的材料會降低品質。整理一小包高訊號證據，並在需要時透過工具檢索其餘證據。
行銷環境應該多久更新一次？
競爭對手和受眾層變化最快，應至少每月刷新一次。品牌規則和批准的聲明可以每季或品牌變更時進行審查。
從一個活動開始：為其建立四個核心層，在有或沒有它們的情況下運行通常的提示，並並排比較輸出。如果您更願意連接而不是粘貼，免費的 Marketing Mondays 插件 可以讓 Claude 即時存取您的 SOMIN 類別資料。
