Научитесь писать промпты правильно. Работаем с ChatGPT через фреймворки

Данные о пользователе (профиль пользователя)

Это статическая или медленно меняющаяся информация, характеризующая личность пользователя:

Демографические данные (возраст, пол, местоположение, язык).

Интересы и увлечения.

Профессия, уровень образования, доход (если доступно).

Устройство и браузер, с которых пользователь заходит на платформу.

Поведенческие данные

Самый важный тип данных для персонализации, поскольку они отражают действия пользователя:

История просмотров, кликов, покупок, добавлений в корзину.

Время, проведённое на странице или в приложении.

Частота посещений и активности.

Реакция на предыдущие рекомендации (например, кликнул или проигнорировал).

Поисковые запросы, введённые пользователем.

Контекстуальные данные

Информация о текущей ситуации или среде, в которой взаимодействует пользователь:

Время суток, день недели, сезон.

Геолокация в реальном времени или IP-адрес.

Погодные условия (в некоторых случаях).

Тип устройства (мобильный телефон, планшет, десктоп).

Содержательные данные (content features)

Характеристики самого контента или товаров, которые предоставляются пользователю:

Описание товара, категория, цена, бренд.

Метаданные контента (жанр, автор, ключевые слова, тема).

Структура и оформление страницы (для анализа A/B тестов и CTR).

Социальные данные

Информация из социальных сетей и взаимодействий пользователя с ними:

Лайки, репосты, комментарии.

Подписки, друзья, группы.

Активность в соцсетях и интересы, выраженные там.

Транзакционные данные

Информация о покупках или других завершённых действиях:

История заказов.

Отзывы и рейтинги.

Отказы от покупок, возвраты.

Данные об окружающей среде и системные метрики

Скорость интернет-соединения.

Уровень загруженности сервера.

Время отклика системы.

Эти данные могут влиять на выбор типа контента, который показывается пользователю.

Атрибуты источников трафика (UTM-метки, referrer и др.)

Позволяют понять, откуда пришёл пользователь:

Рекламные кампании.

Органический поиск.

Социальные сети.

Email-рассылки.»

Пример данных для AI-Based Personalization Engine

Данные о пользователе (профиль пользователя)

Пользователь – женщина, 28 лет, проживает в Москве, говорит на русском языке. Интересуется модой, красотой и здоровым образом жизни. Работает маркетологом в крупной компании, имеет высшее образование, уровень дохода выше среднего. Постоянно заходит на платформу с мобильного телефона через браузер Google Chrome.

Поведенческие данные

За последние две недели пользователь просматривала товары категории "женская одежда", добавляла несколько платьев в корзину, но не завершила покупку. Среднее время на сайте составляет около 5 минут за посещение. Активна по утрам и вечерам, чаще всего заходит со своего смартфона. Ранее кликала на рекомендации с акциями и новыми коллекциями, но проигнорировала предложения о спортивной одежде. В поисковой строке вводила запросы: "летние платья 2024", "стильные юбки", "акции на одежду".

Контекстуальные данные

Сейчас июнь, утро вторника. Пользователь подключена к мобильному интернету, геолокация показывает, что она находится в центре Москвы. Температура на улице +22 C, погода солнечная.

Содержательные данные

На платформе представлены товары разных брендов: от масс-маркета до люксовых. У каждого товара есть описание, категория (например, "платья", "верхняя одежда"), цена, бренд, цвет, сезонность. Также доступны изображения товаров и отзывы других пользователей. Некоторые страницы содержат видеообзоры и стилизованные комплекты.

Социальные данные

Пользователь активна в Instagram и ВКонтакте. Лайкает посты с модными луками, подписана на блогеров в сфере красоты и фитнеса. Участвует в нескольких закрытых сообществах, связанных с экостилем и устойчивой модой. Недавно делала репост рекламного поста с распродажей обуви.

Транзакционные данные

В истории заказов – три покупки за последние два месяца: два платья и одна сумка. Оставила один положительный отзыв о товаре. Один раз удалила товар из корзины перед оформлением, возможно из-за высокой цены.

Данные об окружающей среде и системные метрики

Пользователь подключена через 4G сеть со средней скоростью загрузки страницы – 1.2 секунды. Серверы платформы работают в штатном режиме, задержек нет. Уровень загруженности системы низкий.

Атрибуты источников трафика

Первый вход был осуществлён по UTM-метке из email-рассылки магазина. Последующие визиты – органические и через ссылки из соцсетей. Участник текущей рекламной кампании "Летняя распродажа".

Recommendation Engines

Что это

Система рекомендаций

Описание

Алгоритмы, предлагающие клиентам продукты на основе их интересов и истории покупок.

Пример промпта

«[Роль]: Специалист по аналитике данных

[Задача]: Подобрать оптимальные варианты для [входные данные]

[Формат]: Краткий список решений с обоснованием выбора

[Результат]: Увеличение лояльности клиентов, снижение возвратов, соответствие стандартам качества

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

1. Данные о пользователях (User Data)

Это информация, которая описывает пользователей и их предпочтения:

Идентификатор пользователя

Демографические данные: возраст, пол, местоположение, язык

История взаимодействий с продуктами: просмотры, клики, покупки, лайки, оценки

Предпочтения и интересы, собранные явно (например, анкетирование) или неявно (по поведению)

Временные метки взаимодействий – помогают учитывать актуальность

2. Данные о товарах или контенте (Item Data)

Это информация о рекомендуемых объектах:

Идентификатор объекта

Категория объекта: музыка, фильмы, товары и т.д.

Атрибуты: название, описание, жанр, цена, бренд, изображение

Характеристики текстового содержания – используются при построении content-based рекомендаций

3. История взаимодействий между пользователями и объектами (Interaction Data)

Самый важный источник информации для большинства рекомендательных систем:

Оценки или рейтинги, которые пользователь ставит объекту

Просмотры, добавления в корзину, время просмотра, клики

Совместные покупки (что покупали вместе)

Последовательности действий – например, какие объекты пользователь просматривал перед покупкой

4. Контекстуальные данные (Contextual Data)

Данные о среде или обстоятельствах, в которых происходит взаимодействие:

Время суток, день недели, сезон

Местоположение пользователя

Тип устройства (мобильный, десктоп)

Погода, текущие события или акции – иногда учитываются в специализированных системах

5. Данные о других пользователях или объектах (Collaborative Data)

Используются в коллаборативной фильтрации:

Похожие пользователи (на основе поведения или профиля)

Похожие объекты (на основе атрибутов или частоты совместного выбора)

6. Неявные и явные сигналы

Явные: оценки, отзывы, сохранённые элементы

Неявные: продолжительность просмотра, прокрутка, количество кликов, частота использования»

Пример данных для рекомендательной системы

1. Данные о пользователях (User Data)

Пользователь с идентификатором user_001 , мужчина, 28 лет, проживает в Москве, предпочитает русский язык. Ранее просматривал фильмы жанра триллер и фантастика, ставил высокие оценки сериалам вроде "Острые козырьки" и "Во все тяжкие". Совершал покупки на онлайн-платформе в категории электроники и книг. Временные метки показывают, что большинство взаимодействий происходило вечером, после 20:00.

Пользователь с идентификатором user_045 , женщина, 34 года, из Санкт-Петербурга, интересуется кулинарией и домашним декором. Часто добавляет товары в избранное, но редко оформляет заказ. Лайкнула несколько рецептов на кулинарном сайте и подписалась на рассылку с новыми предложениями по кухонной утвари.

2. Данные о товарах или контенте (Item Data)

Товар с идентификатором item_201 – это книга "Искусственный интеллект: будущее уже здесь", относится к категории "Научно-популярная литература". Автор – Иван Петров, описание содержит ключевые слова: алгоритмы, машинное обучение, нейросети. Цена – 799 рублей, издательство "Наука и Технологии".

Фильм с идентификатором item_312 – "Начало", режиссёр Кристофер Нолан, жанр – научная фантастика, боевик. Описание: фильм о профессиональном воре, который проникает в подсознание людей через сны. Содержит английскую и русскоязычную версии, доступен в формате HD. Получил среднюю оценку 8.8 от пользователей.

3. История взаимодействий между пользователями и объектами (Interaction Data)

Пользователь user_001 15 марта 2025 года посмотрел фильм item_312 и поставил ему оценку 9. До этого он просматривал трейлер фильма дважды и искал информацию о других фильмах того же режиссёра. Также, за последний месяц он добавлял в корзину два товара из категории книг, но не завершил покупку.

Пользователь user_045 10 февраля 2025 года кликнул на рецепт "Ленивые пирожки в духовке", провёл на странице 3 минуты, сохранил рецепт в избранное. Позднее, 20 февраля, она посетила страницу с набором кухонных ложек и посмотрел их видеообзор.

4. Контекстуальные данные (Contextual Data)

Взаимодействие пользователя user_001 с сайтом чаще всего происходит с мобильного устройства, особенно в будние дни с 20:00 до 22:00. Последнее посещение произошло в условиях морозной погоды (-15 C), во время новогодних праздников, когда действовала акция "Скидка 20% на книги".

Пользователь user_045 чаще всего использует планшет по выходным утрам, особенно в периоды сезонных распродаж, таких как Black Friday и предновогодняя акция.

5. Данные о других пользователях или объектах (Collaborative Data)

Пользователь user_001 имеет схожие предпочтения с группой пользователей, которые часто смотрят сериалы про преступность и читают техническую литературу. Его поведение похоже на пользователей из Москвы в возрасте от 25 до 35 лет.

Объект item_312 (фильм "Начало") часто просматривается вместе с фильмами "Интерстеллар" и "Матрица", что позволяет считать их похожими в рамках коллаборативного подхода.

6. Неявные и явные сигналы

Явные сигналы:

Пользователь user_001 поставил оценку 9 фильму item_312 .

Пользователь user_045 оставила отзыв о наборе кухонных ложек: "Отличное качество, быстрая доставка".

Неявные сигналы:

Пользователь user_001 потратил 5 минут на просмотр информации о книге "Искусственный интеллект", но не совершил покупку.

Пользователь user_045 часто открывает уведомления с сайта, но редко переходит по ссылкам – поведение отслежено по данным прокрутки и времени открытия пуш-уведомлений.

Marketing Automation Platforms (MAPs)

Что это

Платформы маркетинговой автоматизации

Описание

Автоматизируют рассылки, управление кампаниями и аналитику для повышения эффективности.

Пример промпта

«[Роль]: Email-маркетолог

[Задача]: Создать welcome-цепочку для новых клиентов

[Формат]: Сценарий писем с темами, текстами и CTA

[Входные данные]: [входные данные]

[Результат]: Повышение вовлечённости и конверсии на первом этапе сотрудничества

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

1. Демографические данные

Это информация о базовых характеристиках контакта:

Имя, фамилия

Пол

Возраст или дата рождения

Город, регион, страна проживания

Язык общения

2. Контактная информация

Данные, необходимые для связи с пользователем:

Email

Телефон

Должность (для B2B)

Компания (для B2B)

3. Поведенческие данные

Информация о действиях пользователя на цифровых каналах:

Посещение веб-сайта (страницы, время, частота)

Клики по ссылкам в email-рассылках

Открытие писем

Просмотр рекламы

Скачивание материалов (например, белых книг)

Участие в вебинарах

Взаимодействие с мобильным приложением

Действия в CRM (если интегрирована)

4. Технические данные

Сведения о том, как пользователь взаимодействует с цифровыми ресурсами:

Браузер и устройство (мобильный, десктоп, планшет)

Операционная система

IP-адрес

Геолокация

Referrer-информация (откуда пришел пользователь)

5. Данные из CRM

Если MAP интегрирована с CRM-системой, то сюда могут передаваться:

История взаимодействия с менеджером

Статус сделки

Этап покупательского цикла

Данные о заказах, покупках, возвратах

6. Данные из социальных сетей

Некоторые платформы собирают информацию из соцсетей:

Профиль в LinkedIn, Facebook, Instagram и т. д.

Лайки, репосты, комментарии

Подписки и вовлеченность

7. Формы и опросы

Информация, которую пользователи предоставляют добровольно:

Заполненные формы регистрации, подписки, заявки

Ответы на анкеты и опросники

Оценки удовлетворенности

8. Данные из внешних интеграций

MAP может получать данные из сторонних сервисов:

ERP-системы

E-commerce платформы

Аналитические инструменты (Google Analytics, Yandex.Metrica)

Сервисы управления рекламными кампаниями (Google Ads, Meta Ads)

9. Параметры UTM и рекламные метки

Маркетинговые параметры, добавляемые к ссылкам:

Источник трафика (utm_source)

Тип кампании (utm_medium)

Название кампании (utm_campaign)

Контент и термин (utm_content, utm_term)

10. Данные о статусе подписки

Подписан/не подписан на рассылку

Факт отписки

Количество жалоб на письма

Частота открытий»

Пример входных данных для Marketing Automation Platform ( MAP )

1. Демографические данные

Имя: Иван

Фамилия: Петров

Пол: Мужской

Дата рождения: 15.04.1985

Город: Москва

Страна: Россия

Язык общения: Русский

2. Контактная информация

Email: [e-mail]

Телефон: [phone]

Должность: Маркетолог

Компания: ООО «Рекламные технологии»

3. Поведенческие данные

Посещения сайта:

– Посещал главную страницу, страницы с продуктами и блогом – всего 27 визитов за месяц

– Время последнего визита: 03.04.2025, 15:23

Открытия email-рассылок:

– Открыл 4 из последних 5 писем

Клики по ссылкам:

– Перешел по ссылке на страницу загрузки кейса

Скачивание материалов:

– Скачал PDF-документ «Как улучшить ROI в маркетинге»

Участие в вебинарах:

– Зарегистрировался и присутствовал на вебинаре «Автоматизация маркетинга в 2025 году»

Взаимодействие с мобильным приложением:

– Заходил 3 раза за последние 7 дней

4. Технические данные

Браузер: Google Chrome 122

Устройство: Ноутбук (десктоп)

Операционная система: Windows 11

IP-адрес: 192.168.1.100

Геолокация: Москва, Россия

Referrer: google.com

5. Данные из CRM

История взаимодействия:

– Консультация по продукту от менеджера Алексея 02.04.2025

Статус сделки: В процессе

Этап покупательского цикла: Рассмотрение

Предыдущие покупки:

– Приобретал годовой тариф Email-сервиса в 2024 году

6. Данные из социальных сетей

LinkedIn:

– Профиль активный, 150 контактов

– Поделился нашей статьей о цифровом маркетинге

Facebook:

– Лайкнул нашу рекламную запись

Instagram:

– Подписан на официальный аккаунт компании

7. Формы и опросы

Заполненные формы:

– Форма регистрации на вебинар

– Форма запроса демо-версии продукта

Ответы на анкеты:

– Участвовал в опросе удовлетворенности сервисом

Оценка: 8/10

8. Данные из внешних интеграций

Google Analytics:

– Источник перехода на сайт: органический поиск

Yandex.Metrica:

– Совершил 3 конверсии на сайте за неделю

E-commerce платформа:

– Корзина добавления товаров, но не завершил покупку

Google Ads:

– Кликнул по объявлению кампании "Spring Sale"

9. Параметры UTM и рекламные метки

utm_source: google

utm_medium: cpc

utm_campaign: spring_sale_2025

utm_content: banner_1

utm_term: marketing automation tools

10. Данные о статусе подписки

Статус: Подписан

Факт отписки: Нет

Количество жалоб: 0

Частота открытий: Выше среднего

PPC Optimization Framework

Что это

Оптимизация платной рекламы

Описание

Модель настройки PPC-кампаний для повышения ROI.

Пример цепочки промптов

Промпт 1: Анализ ключевых слов

«Ты – специалист по контекстной рекламе.

У тебя есть следующие данные: [входные данные]

Проанализируй эти ключевые слова. Оцени их релевантность целевой аудитории и цели. Предложи, какие из них могут быть наиболее эффективными, а какие – нецелевыми или слишком общими. Добавь идеи для расширения семантического ядра."

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

Какие именно ключевые слова нужно проанализировать?

Кто является целевой аудиторией (география, возраст, интересы и т.д.)?

Какова основная цель рекламной кампании (продажа товара, сбор лидов, повышение узнаваемости бренда и т.д.)?

Есть ли у вас информация о рекламируемом продукте или услуге (описание, преимущества, УТП)?

Используются ли уже какие-либо каналы продвижения или это старт новой кампании?»

Пример входных данных для анализа ключевых слов:

Ключевые слова:

купить кроссовки, кроссовки мужские, кроссовки женские, обувь на каждый день, спортивная обувь, кроссовки недорого, купить кроссовки онлайн, стильные кроссовки, кроссовки Nike, кроссовки Adidas, кроссовки New Balance, кроссовки осень 2024, детские кроссовки, кроссовки с бесплатной доставкой, как выбрать кроссовки

Целевая аудитория:

География: Москва и Санкт-Петербург

Возраст: 18–35 лет

Интересы: спорт, активный образ жизни, мода, street style, онлайн-шопинг

Поведение: регулярно покупают спортивную и повседневную обувь в интернете, интересуются новинками брендов, следят за трендами

Цель рекламной кампании:

Увеличение продаж через интернет-магазин, привлечение новых клиентов, рост конверсии при переходе с рекламы на сайт

Рекламируемый продукт/услуга:

Интернет-магазин «StepUp», предлагающий широкий выбор качественной спортивной и повседневной обуви от известных брендов. Основные преимущества: быстрая доставка по городу, возможность примерки перед покупкой, гарантия возврата, эксклюзивные модели. УТП: "Выбирай шаг с комфортом и стилем!"

Текущие каналы продвижения:

На данный момент используются контекстная реклама в Яндекс.Директ и Google Ads, пилотные кампании в социальных сетях (Instagram, ВКонтакте), email-рассылки. Это не старт новой кампании – планируется расширение существующего семантического ядра и оптимизация объявлений.

Промпт 2: Генерация объявлений

Промпт:

«На основе данных: [входные данные]

Ты – опытный копирайтер. Сгенерируй 10 варианта заголовков и текстов объявлений, которые будут лучше откликаться на потребности аудитории. Используй лучшие ключевые слова. Сделай объявления конкретными, мотивирующими.

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

Какие именно ключевые слова нужно проанализировать?

Кто является целевой аудиторией (география, возраст, интересы и т.д.)?

Какова основная цель рекламной кампании (продажа товара, сбор лидов, повышение узнаваемости бренда и т.д.)?

Есть ли у вас информация о рекламируемом продукте или услуге (описание, преимущества, УТП)?

Используются ли уже какие-либо каналы продвижения или это старт новой кампании?»

Промпт 3: Настройка таргетинга и аудитории

Промпт:

«Ты- опытный эксперт по таргетингу. Ты настраиваешь таргетинг для этой кампании. [входные данные]

Какие дополнительные параметры таргетинга ты бы использовал? Рассмотри демографические, поведенческие и тематические сегменты. Также предложи идеи по работе с ремаркетингом и lookalike-аудиториями.

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

Какие именно ключевые слова нужно проанализировать?

Кто является целевой аудиторией (география, возраст, интересы и т.д.)?

Какова основная цель рекламной кампании (продажа товара, сбор лидов, повышение узнаваемости бренда и т.д.)?

Есть ли у вас информация о рекламируемом продукте или услуге (описание, преимущества, УТП)?

Используются ли уже какие-либо каналы продвижения или это старт новой кампании?»

Промпт 4: Оптимизация ставок и бюджета

"Ты опытный таргетолог. Теперь тебе нужно оптимизировать бюджет и ставки.

[Входные данные]: [входные данные]

Как ты распределишь бюджет между разными группами объявлений? Какие стратегии управления ставками порекомендуешь? Включи советы по анализу эффективности и корректировке кампании в процессе

[Входные данные]: [входные данные]

[Инструкция для AI]:

Если какие-либо данные отсутствуют , запроси их у пользователя перед началом анализа , используя следующую форму:

Для создания текста мне необходимо уточнить несколько деталей.

Какие именно ключевые слова нужно проанализировать?

Кто является целевой аудиторией (география, возраст, интересы и т.д.)?

Какова основная цель рекламной кампании (продажа товара, сбор лидов, повышение узнаваемости бренда и т.д.)?

Есть ли у вас информация о рекламируемом продукте или услуге (описание, преимущества, УТП)?

Используются ли уже какие-либо каналы продвижения или это старт новой кампании?»

AI for Audience Expansion

Что это

Модель расширения аудитории

Описание

Находит новых пользователей, похожих на текущих клиентов

Пример промпта

«[Роль ]: Ты [growth hacker ], специализирующийся на применении искусственного интеллекта в маркетинговой аналитике.