Научитесь писать промпты правильно. Работаем с ChatGPT через фреймворки

Поведенческие данные

Сюда входят действия пользователей в интернете: история посещений сайтов, клики по рекламе, время просмотра страниц, просмотренные товары, добавленные в корзину продукты и т. д. Такие данные дают понимание интересов и намерений пользователя.

Данные об устройствах и платформах

Информация о типе устройства (смартфон, планшет, ПК), операционной системе, браузере, приложениях, которые использует пользователь, и времени активности. Это позволяет адаптировать рекламу под конкретный формат и момент взаимодействия.

Социальные данные

Активность пользователя в социальных сетях: лайки, репосты, подписчики, интересы, увлечения, комментарии. Эти данные могут быть особенно полезны для построения портрета целевой аудитории.

Контекстуальные данные

Это информация о содержании веб-страницы или приложения, на котором будет отображаться реклама. Например, если пользователь читает статью о путешествиях, ему могут быть показаны рекламные предложения туристических компаний.

Данные из CRM и истории покупок

Если рекламная система интегрирована с клиентской базой данных, то учитываются такие факторы, как предыдущие покупки, частота заказов, суммы трат, уровень лояльности клиента и другие метрики.

Рекламные данные (история кампаний)

Информация о прошлых рекламных кампаниях, их эффективности, CTR (кликабельности), конверсиях и ROI также используется для обучения моделей ИИ и повышения точности таргетинга.

Третий и второй уровень данных (third-party и second-party data)

Иногда используются внешние источники данных, собранные независимо от прямого взаимодействия с пользователем – например, через партнёрские сети или сторонние платформы сбора данных.

Цели рекламной кампании

Хотя это не пользовательские данные, но указание цели кампании (например, повышение узнаваемости бренда, увеличение продаж, регистрация новых пользователей) влияет на то, какие именно данные будут наиболее важны при таргетировании.»

Пример входных данных для AI-Powered Ad Targeting

Демографические данные пользователей

Пользователь – женщина, 28 лет, высшее образование, не замужем, живёт в Москве, уровень дохода – выше среднего. Интересуется модой, красотой и здоровым образом жизни.

Геолокационные данные

Время от времени посещает торговые центры в районе Красной Пресни и Центрального административного округа Москвы. Часто бывает в аэропортах, так как много путешествует по делам и на отдых.

Поведенческие данные

Последние несколько дней просматривала онлайн-магазины одежды, добавляла в корзину платья и аксессуары. Ранее искала информацию о фитнес-программах и подписывалась на блогеров в сфере здорового питания. Регулярно кликает на рекламу брендовой одежды и косметики.

Данные об устройствах и платформах

Основное устройство – iPhone 14, использует браузер Safari, большую часть времени проводит в приложениях Instagram и Pinterest. Активна в вечернее время с 19:00 до 23:00.

Социальные данные

Подписана на страницы известных дизайнеров и стилистов, часто ставит лайки под постами с модными образами, делится статьями о путешествиях и участвует в обсуждениях в тематических группах Facebook.

Контекстуальные данные

Сейчас просматривает статьи про весенние тренды в моде на сайте fashionweekly.ru, где размещены баннеры брендовых магазинов и рекомендации по гардеробу.

Данные из CRM и истории покупок

В прошлом заказывала одежду и обувь в интернет-магазине brandoutlet.ru, средний чек – 8 000 рублей, совершает покупки 2–3 раза в месяц. Имеет статус VIP-клиента, получает бонусы за лояльность.

Рекламные данные (история кампаний)

Ранее показы рекламы этой категории имели CTR 3.2%, конверсию 1.1% и ROI 280%. Наибольший отклик был у динамических объявлений с персонализированными товарами из корзины.

Третий и второй уровень данных (third-party и second-party data)

Данные о пользователе также доступны через партнёрские сети, включая интересы к категориям товаров «косметика», «путешествия» и «фитнес». Известно, что она принадлежит к аудитории с высоким покупательским рейтингом в аналитике сторонней платформы Audience Insights.

Цели рекламной кампании

Цель текущей рекламной кампании – увеличение конверсии и повторных покупок среди уже существующих клиентов. Задача – напомнить пользователю о товарах, которые она рассматривала ранее, и предложить персонализированное предложение.

Social Listening Tools

Что это

Мониторинг соцсетей

Описание

Анализирует упоминания бренда и выявляет настроения и тренды.

Пример промпта

«[Роль]: Ты аналитик социальных сетей в отделе маркетинга производителя

[Контекст]: Ваша компания выпускает [входные данные]

[Задача]: Проанализируй реакцию пользователей в соцсетях на текущие решения . Выяви основные темы, эмоциональный фон и ключевые инсайты.

[Формат]: Сначала покажи свой ход мыслей шаг за шагом. Рассмотри 2–3 возможных способа классификации упоминаний (например, по функциональности, дизайну, удобству использования), затем выбери наиболее согласованный. Представь результат в виде текстового отчёта без таблиц.

[Дополнительно]: Выдели ключевые тренды, укажи, какие комментарии преобладают, и предложи рекомендации по корректировке продукта или рекламной стратегии.

[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.

Тексты упоминаний – комментарии, посты, репосты, обсуждения, содержащие заданные ключевые слова, хэштеги, упоминания аккаунтов или брендов.

Социальные сети – такие как Instagram, Facebook, Twitter (X), LinkedIn, TikTok, VK и другие платформы, где пользователи делятся мнением.

Форумы и тематические сообщества – например, Reddit, specialized forums, тематические чаты в Telegram или Discord.

Блоги и сайты – публикации, статьи, отзывы на новостных порталах, блогах, сайтах с отзывами (например, Google Reviews, Trustpilot).

Видео-платформы – YouTube, Twitch, TikTok, где могут содержаться упоминания или обсуждения темы исследования.

Метаданные – информация о времени публикации, геолокации, количестве лайков, репостов, просмотров, подписчиков автора и другие параметры, которые помогают оценить влияние и охват.

Комментарии под видео – особенно на YouTube и TikTok, где пользователи часто активно обсуждают различные темы.

Платформы вопросов и ответов – такие как Quora, Stack Overflow, Яндекс.Карты, где люди задают вопросы и делятся опытом.

Рейтинги и оценки – числовые оценки, звезды, ставшие частью отзыва, позволяющие быстрее понять эмоциональную окраску высказывания.

Данные из мессенджеров и закрытых групп (при наличии доступа) – в некоторых случаях, при соблюдении законодательства, можно анализировать данные из закрытых сообществ.»

Пример входных данных для анализа с помощью Social Listening Tools

Тексты упоминаний:

"Новый iPhone от Apple – просто чудо техники! Особенно нравится камера и скорость работы."

"Решил попробовать TikTok Shop для покупок. Первый опыт не очень – долго доставили и не та модель пришла."

"@Nike, где можно купить вашу новую коллекцию осень-зима 2024 в Москве?"

Социальные сети:

Пост в Instagram: "Люблю этот бренд за экологичность #eco #fashion"

Ретвит на X (Twitter): "Огромное спасибо @Spotify за офлайн-режим – теперь музыка всегда со мной!"

Короткое видео в TikTok с хэштегом #MyBrandExperience, где пользователь рассказывает о своём опыте использования продукта.

Форумы и тематические сообщества:

Тема на Reddit: "Кто-нибудь уже пробовал новый интерфейс YouTube? Мне стало неудобно пользоваться."

Обсуждение в Telegram-чате про цифровой маркетинг: "Какие инструменты слушают соцсети лучше всего? Поделитесь опытом."

Блоги и сайты:

Статья на tech-blog.ru: "Обзор нового поколения смартфонов: что изменилось в сравнении с предыдущими версиями?"

Отзыв на Google Reviews: "Отличная кофейня! Уютная атмосфера, вкусный капучино и быстрый сервис. 5 звёзд."

Видео-платформы:

Видео на YouTube: "Unboxing и первый обзор нового Samsung Galaxy S25 – стоит ли брать?"

Комментарий под видео на TikTok: "Это приложение реально помогло мне начать учить испанский!"

Метаданные:

Дата публикации: 15.04.2025

Геолокация: Москва, Россия

Количество лайков: 2 456

Подписчики автора: 15 300

Охват поста: 18 000 просмотров

Комментарии под видео:

"А я думаю, что цена завышена…"

"Спасибо за разбор! Теперь понятно, как всё работает."

Платформы вопросов и ответов:

Вопрос на Quora: "Какой самый удобный сервис для создания презентаций в 2025 году?"

Ответ на Яндекс.Картах: "Здесь делают лучший кофе в районе. Приятные цены и приветливые бариста."

Рейтинги и оценки:

Отзыв на Trustpilot: "4/5 звезд – отличный сервис, но иногда проблемы с доставкой."

Звездный рейтинг на сайте интернет-магазина: 4.7 / 5

Данные из мессенджеров и закрытых групп (при наличии доступа):

Сообщение в закрытой группе Facebook: "Кто-нибудь заказывал с этого сайта? Как качество?"

Переписка в корпоративном Slack: "У нас новый брендбук, всем ознакомиться до пятницы."

Dynamic Pricing Algorithms

Что это

Динамическое ценообразование

Описание

Автоматическая настройка цен на основе спроса и конкуренции.

Пример промпта

«

[Роль]: Специалист по ценообразованию

[Задача]: Разработать стратегию динамического ценообразования

[Метод]: Использовать алгоритмы анализа спроса, конкуренции и себестоимости

[Формат]: Пошаговый текстовый анализ с выводами

[Результат]: Рекомендации по гибкому ценообразованию для повышения рентабельности

[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. Спрос и поведение покупателей

Исторические данные о продажах.

Текущая активность пользователей на сайте или приложении (например, просмотры, добавления в корзину).

Временные паттерны спроса (сезонность, день недели, время суток).

Геолокация покупателя.

Демографические данные клиентов (возраст, пол, интересы и т.д.).

2. Информация о конкурентах

Цены конкурентов на аналогичные товары или услуги.

Изменения цен у конкурентов в реальном времени (если доступно).

Стратегии ценообразования конкурентов (например, распродажи, акции).

3. Характеристики товара или услуги

Категория продукта.

Остатки на складе (текущий уровень запаса).

Срок годности или сезонность (актуально для товаров питания или модной одежды).

Затраты на производство или закупку.

Уникальность или популярность товара.

4. Внешние факторы

Погодные условия (влияют на спрос, например, в такси или рознице).

Макроэкономические показатели (инфляция, курс валют, уровень доходов).

Политическая и социальная обстановка.

События (спортивные, культурные, праздники).

5. Целевые метрики бизнеса

Желаемый уровень прибыли.

Объёмы продаж, которые нужно достичь за определённый период.

Уровень загрузки мощностей (например, номера в отеле, самолётные места).

Стратегические цели (увеличение доли рынка, привлечение новых клиентов и т.д.).

6. Параметры алгоритма

Настройки чувствительности к изменениям спроса и предложения.

Ограничения по минимальной/максимальной цене.

Весовые коэффициенты различных факторов.

Метод прогнозирования спроса (например, регрессия, нейросети, временные ряды).

В онлайн-магазине одежды алгоритм может принимать во внимание:

Как быстро продается конкретная модель,

Цены на те же товары у конкурентов,

Приближение распродажного сезона,

Текущую температуру в регионе клиента (для сезонных товаров),

Поведение пользователя на сайте (сколько раз он просматривал товар),

Остатки на складе и сроки поставки.»

Пример входных данных для алгоритма динамического ценообразования

1. Спрос и поведение покупателей

За последние 30 дней товар "Летнее платье модель A-202" было просмотрено 15 800 раз на сайте, добавлено в корзину 970 раз, из которых оформлено 245 заказов. Активность пользователей выросла на 35% за последнюю неделю. Сезонный пик спроса приходится на июнь–август. Большинство покупателей – женщины в возрасте от 25 до 34 лет, проживающие в крупных городах.

2. Информация о конкурентах

Три основных конкурента предлагают аналогичные модели по ценам: 3 499 руб., 3 650 руб. и 3 599 руб. Один из них запустил акцию «Скидка 20% на всю летнюю коллекцию», действующую в течение следующих двух недель. Конкуренты активно меняют цены каждые 3–5 дней в зависимости от уровня продаж.

3. Характеристики товара или услуги

Товар относится к категории «Женская одежда / Летняя коллекция». Текущий остаток на складе – 840 единиц. Поставка новой партии возможна через 14 дней. Товар имеет высокую уникальность (эксклюзивный дизайн), но ограничен срок реализации – актуален только до конца августа. Себестоимость – 1 600 руб. за единицу.

4. Внешние факторы

Среднесуточная температура в ключевых регионах продаж (Москва, Санкт-Петербург, Екатеринбург) поднялась выше +22 C, что положительно влияет на спрос на летнюю одежду. Уровень инфляции в стране составляет 7,2%, курс доллара – 93,4 рубля. Ближайший праздник – День молодежи (проводится в конце июня), который может стать триггером увеличения онлайн-активности.

5. Целевые метрики бизнеса

Цель компании: достичь рентабельности в размере 30% по данной товарной группе. Необходимо реализовать не менее 600 единиц в ближайшие 20 дней. Также важно сохранить уровень удовлетворенности клиентов и удержать средний рейтинг товара выше 4,5 звезд.

6. Параметры алгоритма

Алгоритм должен быть чувствителен к изменениям спроса (весовой коэффициент – 0,35), наличию конкурентов (вес – 0,25), уровню остатков (вес – 0,15), сезонным колебаниям (вес – 0,15) и внешним факторам (вес – 0,1). Минимальная цена установлена на уровне 2 800 руб., максимальная – 3 999 руб. Прогнозирование спроса осуществляется с использованием временных рядов и машинного обучения. Алгоритм обновляет цены ежедневно, учитывая данные за предыдущие 7 дней.

Real-Time Bidding (RTB) Algorithms

Что это

Алгоритмы ставок в реальном времени

Описание

Автоматическая торговля рекламными показами для оптимизации затрат.

Пример промпта

«[Роль]: Ты специалист по digital-рекламе с опытом в автоматизации рекламных закупок и продвижении товаров

[Задача]: Разработай стратегию ставок в системах Real-Time Bidding (RTB)

[Входные данные]: [входные данные]

[Цель]: оптимизация затрат на рекламу, повышение узнаваемости бренда и увеличение конверсии среди целевых клиентов

[Формат]: Сначала покажи свой ход мыслей шаг за шагом. Рассмотри 2–3 возможных подхода к настройке RTB-ставок, затем выбери наиболее согласованный. Представь результат в виде текстового отчёта без таблиц.

[Дополнительно]: Опиши ключевые параметры ставок, правила таргетинга и метрики эффективности

[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 пользователе (User Data)

Это информация о человеке, которому будет показана реклама:

Идентификатор пользователя (например, cookie, IDFA, GAID)

Демографические данные: возраст, пол, местоположение

Интересы и предпочтения (на основе поведения или профилирования)

История взаимодействий с рекламой: клики, просмотры, конверсии

Тип устройства: мобильный, десктоп, планшет

ОС и браузер

2. Данные об аукционе (Auction Context)

Информация, связанная непосредственно с текущим аукционом:

Время запроса

Частота показов этому пользователю (frequency capping)

Бюджетные ограничения кампании

Оставшиеся ресурсы (бюджет, лимиты показов)

3. Контекст площадки (Ad Exchange / Supply Side Platform – SSP)

Информация от платформы, где происходит аукцион:

Идентификатор площадки (site/app ID)

Название сайта или приложения

Категория контента

Формат рекламного слота (баннер, видео, native и т.д.)

Размер объявления

Позиция на странице

Качество трафика (историческая CTR, уровень мошенничества и т.д.)

4. Поведенческие данные (Behavioral Data)

Основаны на действиях пользователя в прошлом:

Посещённые страницы

Поисковые запросы

Совершённые покупки

Категории товаров, которые интересовали ранее

Сессии в приложении или на сайте

5. Кампейн-специфичные параметры (Campaign Settings)

Настройки рекламной кампании, определяющие целевую аудиторию и цели:

Целевые демографические группы

Географические ограничения

Приоритетные категории сайтов

Целевые действия (конверсии), например: установка приложения, регистрация, покупка

Заданные KPI: eCPM, ROI, CTR и т.д.

6. Конкурентные данные (Competitive Landscape)

Хотя не всегда доступны напрямую, но могут использоваться косвенно:

Исторические данные о ставках конкурентов

Распределение цен на предыдущих аукционах

Вероятность победы при определённой ставке

7. Прогностические метрики (Predictive Signals)

Эти данные обычно генерируются внутри DSP и используются как вход для ML-моделей:

Прогнозируемая вероятность клика (pCTR)

Прогнозируемая вероятность конверсии (pCVR)

Оценка качества пользователя (LTV – lifetime value)

Вероятность фродового трафика

8. Данные из внешних источников (Third-party Data)

Могут быть подключены через DMP (Data Management Platforms):

Аудиторные сегменты (например, "автолюбители", "путешественники")

Данные о доходах, семейном положении, покупательской способности

Интент-данные (намерения на покупку)»

Пример входных данных для Real-Time Bidding (RTB) Algorithms

1. Данные о пользователе (User Data)

Идентификатор пользователя: user_482937

Возраст: 29 лет

Пол: Женский

Местоположение: Москва, Россия

Интересы: путешествия, мода, здоровое питание

История взаимодействий:

Последний клик был 3 дня назад – на рекламу отеля в Тайланде

За последние 2 недели – 5 просмотров объявлений о турах

Тип устройства: мобильный телефон

ОС: Android 12

Браузер: Chrome Mobile

2. Данные об аукционе (Auction Context)

Время запроса: 15:23, 04 апреля 2025 года

Частота показов этому пользователю: 2 показа за последние 24 часа

Бюджетные ограничения кампании:

Оставшийся дневной бюджет: $120

Оставшееся количество показов: 1500

3. Контекст площадки (Ad Exchange / SSP)

Идентификатор площадки: ssp_app_98765

Название сайта: "Daily Travel News"

Категория контента: Путешествия

Формат рекламного слота: Native Banner

Размер объявления: 320x50

Позиция на странице: между первым и вторым блоком новостей

Качество трафика:

Историческая CTR: 2.3%

Уровень мошенничества: низкий

4. Поведенческие данные (Behavioral Data)

Посещённые страницы за последние 7 дней:

Страница с отзывами о курортах в Таиланде

Статья о лучших направлениях для весеннего отдыха

Поисковые запросы:

«Дешёвые туры в Азию»

«Отдых с детьми 2025»

Сессии в приложении:

3 сессии за последние 2 дня, общая продолжительность – 27 минут

5. Кампейн-специфичные параметры (Campaign Settings)

Целевые демографические группы: женщины 25–35 лет

Географические ограничения: Россия

Приоритетные категории сайтов: путешествия, развлечения

Целевое действие: бронирование тура

Заданный KPI: ROI 30%, eCPM больше или равно $2.5

6. Конкурентные данные (Competitive Landscape)

Исторические данные о ставках:

В аналогичных аукционах средняя ставка конкурентов: $2.1

Максимальная ставка в прошлом: $3.4

Вероятность победы при ставке $2.5: ~68%

Распределение цен: большинство победных цен находятся в диапазоне $1.8–$2.7

7. Прогностические метрики (Predictive Signals)

Прогнозируемая вероятность клика (pCTR): 3.1%

Прогнозируемая вероятность конверсии (pCVR): 1.4%

Оценка LTV: высокая (оценка 8.7 из 10)

Вероятность фродового трафика: менее 0.5%

8. Данные из внешних источников (Third-party Data)

Аудиторные сегменты:

"Путешественники с высоким доходом"

"Женщины, интересующиеся экзотическим отдыхом"

Данные о покупательской способности: выше среднего

Интент-данные: активный поиск информации о поездках в ближайшие 2 месяца

1.4

Сегментация, персонализация и клиентоориентированность

STP (Segmentation,Targeting,Positioning)

Что это

Маркетинговая сегментация

Описание

Разделение рынка, выбор сегмента и разработка уникального позиционирования бренда.

Пример промпта

«[Роль]: Ты маркетинговый стратег с опытом работы в B2B-сегменте, специализирующийся на позиционировании брендов в нишевых отраслях.

[Задача]: Разработай маркетинговую стратегию по модели STP (сегментация, таргетинг, позиционирование)

[Входные данные]: [входные данные]

[Цель]: выделить ключевые сегменты, выбрать целевой рынок и создать уникальное позиционирование

[Формат]: Сначала покажи свой ход мыслей шаг за шагом. Рассмотри 2–3 возможных варианта сегментации, выбора целевой группы и позиционирования, затем выбери наиболее согласованный. Представь результат в виде текстового отчёта без таблиц.

[Дополнительно]: Опиши, как будет звучать ключевое сообщение для выбранного сегмента и почему оно резонирует с ним.

[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.

Информация о рынке

– Общий размер рынка и его динамика

– Тренды развития отрасли

– Конкурентная среда: кто на рынке, их предложения, цены, позиционирование

– Рыночные барьеры для входа или выхода

Данные о потребителях

– Демографические характеристики (возраст, пол, доход, семейное положение)

– Географическое распределение аудитории

– Психографические факторы (образ жизни, ценности, интересы)

– Поведенческие данные (частота покупок, лояльность к брендам, предпочтения по использованию продукта)

– Мотивация и потребности клиентов

– Боли и проблемы, которые решает продукт

Информация о продукте или услуге

– Характеристики и преимущества продукта

– Уникальные особенности, отличающие его от конкурентов