Продвинутый AI-копирайтинг 2025 (часть 2.1)

ВАЖНО: Все промпты сознательно упрощены. Я хочу передать идею, а не способ её реализации. Потому вдумчиво относитесь к написанному. Например, мои рабочие промты состоят из 3-5 этапов, в каждом их которых 15-30 пунктов.

Эта статья состоит из 2 частей (особенности Телеграм). Вот первая часть:

Контент-инжиниринг с LLM - часть 1. Теория.

Суть в том, чтобы заставить LLM выступить в роли Chief Content Strategist и провести цикл анализа перед генерацией контента.

Итак, прежде чем создавать контент, необходимо тщательно и скрупулёзно разобраться о чем вообще мы пишем. Для этого необходимо определить онтологическую область создаваемого контента. Выявить все нюансы и особенности этого нового контента. Далее, постепенно расширять онтологическую область, определяя сущности (entities), связанные с этой тематикой. После этого собираем связанные сущности, собираем неявные сущности. Группируем сущности по их доменам.

Пример:
Тема — "выбор CRM-системы для малого бизнеса".
Прямые сущности: Bitrix24, amoCRM, HubSpot, цена, функции, интеграция.
Связанные сущности: Воронка продаж, отдел продаж, IP-телефония, автоматизация, клиентская база.
Неявные сущности: Безопасность данных, обучение сотрудников, масштабируемость, техническая поддержка, ROI.
Домены (группы): Функционал, Стоимость, Бренды, Бизнес-процессы, Технические аспекты.

На втором этапе для всех найденных сущностей определяем поисковые намерения пользователей (интенты). Далее расширяем список найденных интентов связанными (Related) интентами, неявными (Implied) интентами, сравнительными (Comparative) интентами и наконец уточняющими интентами.

Пример для сущности "amoCRM":
Прямой интент: "купить amoCRM", "amoCRM тарифы".
Связанный (Related): "как amoCRM помогает увеличить продажи?".
Сравнительный (Comparative): "что лучше amoCRM или Bitrix24".
Неявный (Implied): "автоматизировать отчеты для отдела продаж" (amoCRM — одно из решений).
Уточняющий (Clarifying): "интеграция amoCRM и Tilda", "настройка digital pipeline в amoCRM".

На третьем этапе проводим анализ и классификацию поисковых интентов. После этого нужно собрать семантическое ядро не только по прямым запросам, но и по связанным, уточняющим, сравнительным и неявным интентам. Для каждого кластера интентов определить 2-3 важнейших ключевых вопроса, на которые пользователь ищет ответ.

Пример кластера "Интеграции":
Ключевой вопрос 1: С какими сервисами можно интегрировать CRM?
Ключевой вопрос 2: Как подключить телефонию к CRM-системе?
Семантика: "crm интеграция с сайтом", "подключить whatsapp к crm", "api для crm".

Для тестирования можно попросить вывести дерево в виде:

Домен сущности ->сущность -> интент пользователя -> важнейшие поисковые фразы этого интента -> полный список поисковых фраз для интента

При реальном написании контента, конечно, такого дерева выводить не нужно.

Вывод: Этот метод позволяет спроектировать материал, который максимально полно охватывает нишу, закрывает все возможные интенты и формирует мощный Topical Authority.

#DrMax #LLM #Промпты

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥21❤️11👍️3🆒11