Плохой промпт выдаёт «цепляющие» заголовки в вакууме: много шума, мало клика. Нормальный системный промпт задаёт роли, ограничения и формат. Тогда модель не фантазирует, а генерит пачку рабочих вариантов под конкретный оффер и воронку.
Что должно быть внутри:
— роль: копирайтер под performance;
— цель: CTR, а не «красиво»;
— контекст: ниша, боль, оффер, этап воронки;
— ограничения: длина, стоп-слова, тон, запрещённые обещания;
— формат вывода: 20 вариантов + кластеризация по углам.
Если этого нет, заголовки будут одинаково серыми: «Узнай как…», «Секрет…», «Лучшее решение…». Прогоняем через промпт и смотрим на апрув: сильный вариант всегда опирается на триггер — страх, выгоду, любопытство или конкретный результат. Без триггера CTR не едет.
Рабочая схема промпта:
1) сначала попроси сгенерировать 5 углов подачи;
2) потом по каждому углу — 10 заголовков;
3) затем отфильтруй по длине, ясности и совпадению с аватаром;
4) отдельно попроси «анти-клики» — варианты, которые не выглядят как кликбейт.
Так ты получаешь не один удачный заголовок, а систему для массового теста.
Ключевой лайфхак: в системном промпте явно запрети модели повторять слова из брифа и штампованные конструкции. Это режет мусор и повышает разнообразие. Аналитика говорит сама за себя: чем точнее рамка, тем меньше воды в выдаче.
Включаем автоматизацию, выключаем рутину: один хороший системный промпт экономит часами ручной перебор и быстрее выводит крео в тест.
Claude для медиабайеров
@claude_for_buyers_ubt
Системный промпт для заголовков крео: как заставить LLM работать на CTR, а не на лирику
Этот пост опубликован в Telegram-канале Claude для медиабайеров (@claude_for_buyers_ubt). Все его публикации — на странице канала.
Открыть в Telegram