🔥 Как получать 80% от AI-инструментов за 20% усилий (часть 2) 🔥

Сегодня быстренько про "как делать" крутые промпты для ризонинг моделей. В ChatGPT сейчас это o4-mini-high или о3.

Готовьтесь, разница в качестве выхлопа с тяп-ляп промптом может шокировать!

Конкретно этот подход был предложен одним из ко-фаундеров Open AI еще в конце прошлого года. Наверное вы тоже видели про это новость, но протестировать забыли (0 осуждения).

💎 Step-by-step how to

1. Создаем Custom GPT или проект

2. В поле Instructions вставляем текст из этого Google дока

3. В секцию knowledge закидываем картинку из этого поста

Дальше, тестируем в новом чате с нашим новым custom gpt / проектом следующий запрос:

I need help crafting a prompt to develop a programmatic SEO strategy for my startup. It’s a mobile app that teaches users how to play any musical instrument.

Отвечаем на уточняющие вопросы и получаем такой результат

Далее, этот промпт запускаем в новом чате с моделью o3/o4-mini-high.

💪 Как еще усилить

Когда будете запускать финальный промпт, приложите к сообщению дип рисерч по best practices для Programmatic SEO.

Это значимо поднимет качество выхлопа. Здесь пост как хорошо делать дип рисерчи.

________________________________

Ставьте 🔥 если дружите с ризонингом по жизни и 🫡 если двигаетесь на "я так чувствую"..

Сделал брейн рот видео

Вчера вечером было принято решение поупражнять креативную мышцу и сделать Marketini Funneloni Clicconi!

Мне конечно не сверх нравится, но 7/10 дать можно 🤔

Если вы запускаете рекламу в соц сетях и еще не абьюзити italian brain rot - объяснитесь!

_____________________

Ставьте 🔥 если вы Clicca clicca Funneloni и 🫡 если A/B testa i maccheroni

В январе 2025 я учился больше обычного и заслушал парочку курсов:

1. Последняя когорта Unignorable по набору аудитории в LI.

В целом добротно, но было заметно, что костяк контента собирался еще под первую когорту и с тех пор обновлялся лишь местами.

Ставим: 🌕🌕🌕🌕🌕🌕🌗🌑🌑🌑 (6,5/10)

Кстати, напишите в комментах, если хотите, чтобы я выложил читшит по соц сетям от них. Базово, он выше среднего.


2. Третья когорта курса "Growth Marketing" от Максима Епифанова.

Ревью:

• Хорошая подача + сторителинг

• Большая часть контента посвящена тому, как работает маркетинг в TripleTen. Как будто подразумевается, что это гарантирует высокий уровень имплементации, что местами спорно, но в основном скорее верно т.к. у них много ресурсов для аккумуляции внутренней и внешней экспертизы. В любом случае, смотреть на живые примеры (с цифрами) и рассуждения как к ним пришли интересно.

• У TripleTen не конвенциональная бизнес-модель: B2C эдтек с очень большим CLTV, благодаря которому можно позволить себе высокий CAC и Sales-Led motion. Юзер аквизишен функция сводится к лид гену и контролю его качества, Если держать в голове, что речь о специфичной штуке с элементами и B2C и B2B и все инсайты нужно нормировать на свою реальность, тогда эта гибридность делает курс полезным практически для всех.

• Хорошо разобраны темы по непосредственной экспертизе автора: CRO, реклама + инфлюэнсеры, аналитика, управление перформанс командой.

• Есть хорошие примеры полезного внедрения AI-инструментов.

• Довольно активный закрытый чатик из ребят кто сейчас проходит курс + тех кто проходил раньше.

Ставим: 🌕🌕🌕🌕🌕🌕🌕🌕🌗🌑 (8,5/10)

Скоро стартует новая когорта, она стоит ₽37,000 / $412. Учитывая объем материалов, воркшопы, 1-1 с автором, цена должна была бы быть минимум в два раза выше. Если бы этот курс был на Maven и читался кем-то англоязычным, он стоил бы в 3-4 раза дороже.
Рега здесь
______________________________________

Если что, обучалки, которой я бы поставил 10/10 пока не существует и вряд ли она когда-то появится ☠️
______________________________________

Ставьте 🔥 если ученье свет и 🗿 если вас уже нечему учить..

🤬 если жизненно

Моя любимая фича Notebook LM - автоматическое создание майндмэпа по документам загруженным в проект.

Почему майндмэпы это имба (тем более для маркетологов):

1. Визуально декомпозируют громоздкие темы на понятные кусочки

2. Сложное превращается в простое

3. Подсвечиваются закономерности и скрытые связи

В Notebook LM майндмэп создается одной кнопкой в начале диалога под самари. Все почему-то страшно носились с фичей превращения проекта в подкаст, но настоящий жир в этом.


Ставьте 🔥 если используете майндмэпы хотя бы раз в неделю и 🫡 если любите усложнять себе жизнь..

Интересная картинка с декомпозицией маркетингового бюджета в $3,000,000 USD для современного B2B продукта (на примере Storylane).

В Notes самодостаточные комменты про роль канала

Сегодня у моего сайд проекта Product Hunt лонч. Если у вас есть аккаунт + 2 минуты времени, заходите поддержать 💔

Ссылка: https://www.producthunt.com/products/enlighter?launch=enlighter

Ставлю этому имейлу 9/10

Ставьте 🫡, если вам тоже иногда стыдно отправлять письма..

Партизанский маркетинг в Quora живее всех живых

Quora - топ 1 по цитируемости в AI Overviews на странице результатов поиска Гугла. Дальше, почти так же часто цитируется Reddit. Реже, но топ 3-4 это LinkedIn и YouTube. Везде можно пилить свой контент или активничать в комментах. Как говорится, кто хотел - тот забрал.

Рисерч с инфой

Ставьте 🫡 если регулярно включаете своего внутреннего guerrilla, и 🗿 если третий месяц все время тратите на думы какого AI-агента для маркетинга выбрать

Хоронили SEO, порвали три баяна

Судя по кликстрим данным от Datos (см картинку, десктоп устройства), ChatGPT, Perplexity и другие LLM-тулы совсем никак не дизраптят поиск в Google.

Даже если человек пользуется AI, количество его ежемесячных походов к поисковикам не меняется (что контринтуитивно как по мне).

При этом лишь 38% американцев хотя бы раз в месяц используют AI. Хотя может не "лишь", а "целых 38%", как посмотреть.

Тех, кто мучает ChatGPT 10+ раз за месяц - 21%.

Выходит SEO живее всех живых. Оно конечно страдает от гугловских AI overviews, но это другая история.

Больше графиков здесь

Никогда бы не подумал, но..

💎 Имейл с извинениями бустит продажи на 127% (академический рисерч) 💎

✍️ TLDR
Если у вас падал сайт на пару часов или глючила оплата - отправьте письмо с извинениями ВСЕЙ базе (даже тем, кто не заметил) + скидку 5%. Продажи вырастут в 2+ раза.


🔍 Подробнее об исследовании
Ученые из Ghent University и IESEG School of Management провели серию экспериментов с e-commerce компаниями.

Результаты:

• Обувной магазин отправил два письма: "Sorry" со скидкой и просто "Good News" со скидкой. Извинения принесли продаж на 127% больше.

• В других кейсах, открываемость писем с извинениями была выше на 9%

• НО: при серьезных проблемах (н: утечка данных) сентимент к бренду падал на 46% (падение перфоманса не измерялось, но мы то понимаем..)


🧠 Почему так
Мы воспринимаем извинения от компании как искренность и добрые намерения.

Если случилась проблемка, но мы лично серьезно от неё не пострадали, это не бросает тень на компетентность компании и не влечет негативных последствий. Зато, бренд становится более "человечным" в наших глазах, что позитивно влияет на конверсию.

Особенно хорошо этот эффект работает для условно "холодных" и отстранённых брендов (банки, юристы, B2B и т.д.)


🤸‍♂️ Как применять на практике
Де-факто, эта механика позволяет проводить неочевидные распродажи 1-2 раза в квартал.

Когда случился очередной технический сбой: (медленная загрузка, глюки оплаты) отправляем письмо всей базе с коротким извинением + промокод на 5-10%. Тема письма должна начинаться со слова "Sorry".

Механику НЕЛЬЗЯ использовать для серьезных проблем (задержка доставки на неделю, утечка данных и т.д.)


🖇 Ссылка на рисерч:
Oops! Sorry, my bad: How apologizing for trivial mistakes leads to positive customer evaluations. International Journal of Research in Marketing (November 2024)


Ставьте 🫡 если уже искали сегодня милосердия за небольшой проступок и 🗿 если пацаны не извиняются..

Почему я все время ищу какие-то кейсы про маркетинг/продукт

Для меня просмотр чужих кейсов это лучший способ поселить в голове свежие мысли.

1. Очевидно, но для меня работает реже - чужой кейс можно адаптировать под свой продукт. Пару лет назад я слушал какой-то ноунейм подкаст, который нашел в спотифае, и один из гостей рассказал про product seeding екомерс брендов с инфлюэнсерами. Мне пришла в голову (тогда казавшаяся отличной) идея затестить эту механику для b2c edtech продукта

2. Чаще, сам кейс выглядит как ничего особенного, но внутри есть какая-то деталь, которую можно изолировано утащить.

3. Бывает, что в процессе просмотра кейса в голову приходит совершенно рандомная + отстранённая мысль (при этом оч полезная), которая в других условиях не появилась бы.

На русском классные кейсы со своих Community Sprints встреч выкладывает у себя в канале Алекс Беляев.

Из этого кейса (Как вырастить сайт с 0 до 137,000 уникальных посетителей в месяц всего за 22 недели?) точно можно утащить хак с доменами product hunt продуктов. Я лично много раз парсил expired домены после продакт ханта / хакер ньюз, а вот предлагать выкуп для еще живых мне в голову не приходило..

Из этого (От $234K ARR и закрытия стартапа до $2.5M ARR за 9 месяцев 🚀 Кейс стартапа Aspect Health) мне зашло "Написали бывшим тимлидам по acquisition у конкурентов и предложили созвон"

Рекомендасьён!

🔥 - если любите профессиональное вдохновение
🫡 - если уважаете только кейсы в КС..

Как сделать AI-фокус-группу, которая отвечает на 90% так же, как живые люди (рисерч с панелью из 9300 человек).

☠️ АЛЕРТ: этот пост местами очень душный, 10/10. При этом потенциальная польза тоже на 10/10. В любом случае, откройте форточку..

Ссылка на рисерч (фул пдф в первом комменте)

✍️ TLDR

Консенсус в индустрии: если с помощью AI имитировать интервью с целью выявить purchase intent - точность будет никакой. Однако, если использовать правильную технику опроса - AI отвечает на 90% так же, как живые люди.


🔍 Подробнее об исследовании

GPT-4o и Gemini-2.0-flash тестировали на 57 концептах продуктов личной гигиены (зубные пасты, гели для душа, уход за кожей) с 9300 реальными участниками (150-400 человек на концепт).

Результаты:

➢ Если задавать дефолтный вопрос "оцени по шкале от 1 до 5..." (метод Direct Likert Rating) → результат так себе. Модели застревают на "безопасном" ответе "3", почти никогда не выбирают крайние значения 1 и 5 (корреляция 81%, сходство распределений 0.26).

➢ Если просить AI дать текстовое описание, а потом перевести его в цифру (один AI пишет текст, потом другой AI переводит в 1-5) → результат лучше (но распределение всё ещё слишком узкое, корреляция 85%, сходство 0.72)

➢ Но если использовать метод Semantic Similarity Rating (SSR) → получается очень хорошо (корреляция 90%, сходство 0.88)

Де-факто, SSR достигает 90% от повторяемости ответов людей — это предел точности, выше которого подняться невозможно из-за шума в человеческих ответах.


🧠 Почему так и как работает SSR

Когда AI просят "оцени по шкале от 1 до X", модель работает в режиме "пытаюсь угадать правильный ответ" и скатывается к центру шкалы. Это не баг,а фича того, как работают LLM.

Метод SSR обходит проблему через 3 шага:

➢ AI пишет естественный текст: "Цена кажется справедливой, продукт удобный, возможно куплю если будут хорошие отзывы"

➢ Смысл текста кодируется в набор чисел - тексты с похожим смыслом получают близкие "координаты"

➢ Эти координаты сравниваются с координатами 5 эталонных фраз ("точно нет" → "точно да"). Чем ближе по смыслу к "точно да" — тем выше вероятность оценки 5


‼️ Критическое условие работоспособности

➢ Обязательно нужна инфа о демографии юзеров. Без возраста, дохода, локации точность воспроизведения падает с 92% до 50%.

➢ Работает только для доменов с богатыми обучающими данными (B2C, B2B SaaS). Для ультра-нишевого B2B метод не валиден (AI не знает специфику рынка).


🤸‍♂️ Как это все использовать

Строим цифровых двойников наших идеальных клиентов, чтобы тестить лендинги, письма, ценообразование, позиционирование и т.д. Слабые варики отсеиваем через AI-панели, выживших все таки стоит показать обычным людям..

Для реализации нужны скилы вайб кодинга маркетинга. Я бы делал все в курсоре / claude code:

➢ Собираем в папочку как можно больше данных о наших юзерах / клиентах: интервью, касдевы, записи звонков, отзывы, все что есть в CRM и т.д.

➢ Извлекаем поведенческие паттерны. Промптируем, чтобы выжать из данных: что мотивирует клиентов, что триггерит покупку, что останавливает, какие возражения типичны, какой эмоциональный контекст и т.д.

➢ Создаем AI-панель. Для каждого представителя нашей аудитории создаём AI-двойника с точной демографией + поведенческими паттернами ("Ты женщина 42 года, доход выше среднего, живёшь в крупном городе, вот твои поведенческие паттерны")

➢ Задаём вопрос про наш продукт, получаем текстовый ответ.

➢ Дальше, нужно написать Python скрипт, который проведет SSR-оценку ответов AI-двойников. Исследователи выложили свой код на Github, вы легко адаптируете его под свой кейс.

Ну или всегда можно попросить более технически подготовленных коллег помочь.



Ставьте 🌚 если просите совет только у AI и 🫡 если пока еще верите живым людям..

Это же кто-то из вас! Признавайтесь, чей LinkedIn аккаунт..

Мой - 🫡
Оформил LI для друга - 🌚

Не читайте этот после если не хотите...

Смотрим новый рисерч про фрейминг вэлью пропов.


✍️ TLDR

Негативные формулировки вроде "Этот курс НЕ подходит тем, кто не хочет зарабатывать $10K в месяц"» конвертят на 20%+ лучше, чем позитивные вроде " Это курс для тех, кто... "

(но есть нюанс!)

Мозг считывает такой месседж как сигнал узкой специализации = работает если старгетировать на релевантный (и чаще всего узкий) сегмент аудитории. Получается, подойдет для рекламы, имейлов и т.д.


🔍 Подробнее об исследовании

8 экспериментов с физ товарами и услугами (что не помешает нам экстраполировать выводы на всё остальное 🫡).

Некоторые результаты:

➢ Кофе: любители тёмной обжарки на 48.4% чаще выбирали вариант с негативным фреймом.

➢ Зубные щётки: негативная формулировка на 28.6% повышала CTR и на +31.7% engagement на лендинге (надеюсь, они хотели сказать add to carts).

➢ Острый соус: purchase intent вырос на 11.1% при негативном фрейме.


🧠 Почему так

Когда value prop сформулирован как «не для тех, кто..», мозг делает вывод, что это узкоспециализированное решение = «заточено под меня» → ↑ perceived fit → ↑ purchase intent.

Работает логика «мастер одного дела vs мастер на все руки».


🤸‍♂️ Как применять

➢ Нужно хорошо понимать сегменты аудитории и уметь их таргетить. Доля целевой аудитории должна быть >60%,

➢ Работает для ниш где у разных сегментов полярные предпочтения. Например; простота vs функциональность (Notion vs Apple Notes), скорость получения навыка (DataCamp vs Coursera Data Science), любитель vs профессионал (Canva vs Figma) и т.д.

➢ Фрейминг универсальный и подходит почти для всего: реклама, соцсети, описания продуктов, email-рассылки, отзывы и UGC контент от юзеров и т.д.


‼️ Критическое условие

➢ НЕЛЬЗЯ использовать для продуктов, связанных с идентичностью (политика, религия, lifestyle как маркер принадлежности) - там берут верх другие механики.

➢ Для нецелевой аудитории эффект обратный: конверсия сильно просядет. Негатив отсекает их ещё жёстче.


🖇 Ссылка на рисерч

"This Article Is Not for Everyone: The Impact of Dissuasive Framing on Consumer Response to Product Messages". Journal of Consumer Research (2025). ПДФ добытая из под пейвола в первом комменте.


Ставьте 🫡 если вам часто говорят, что вы негативный (как автору) и 🔥 если двигаетесь на positive thinking.