ChatGPT для заголовків оголошень: промпти, пастки та кращі робочі процеси

ChatGPT може швидко створювати придатні начерки заголовків для нативних оголошень, але залишений на власний розсуд, він зводиться до тієї самої кількох структур: розрив цікавості на кшталт «цей один дивний трюк», зачіпка за життєвим етапом «у 62 роки вона відкрила», нумерований лістік. Він також не має уявлення про те, що насправді вже насичено на Taboola чи MGID цього тижня, бо він не дивиться на живий інвентар, а шукає шаблони в тренувальних даних. Робочий процес, який працює, — це не «попросити ChatGPT про заголовок», а використання його для генерації обсягу та варіацій, а потім жорстке фільтрування на основі реальних запущених креативів і ваших власних правил відповідності перед тим, як щось запускати.

Чому сирі заголовки від ChatGPT зазвичай виглядають однаково#

Запросіть будь-яку загальну модель на «10 заголовків для нативних оголошень» без іншого контексту, і ви отримаєте вузький діапазон результатів: розрив цікавості, список з числом, шокуюча статистика, зачіпка за віком. Це не вада конкретної моделі, це те, що відбувається, коли ви просите систему, навчену передбачати найбільш ймовірний наступний текст, згенерувати маркетинговий текст майже без обмежень. Вона регресує до найпоширеніших шаблонів у своїх тренувальних даних, якими, як виявилося, є ті самі шаблони, які кожен нативний рекламодавець використовував роками. Дивіться найпоширеніші кути нативних оголошень, щоб побачити, як це збігання насправді виглядає на реальних креативах, та глосарійний запис розрив цікавості, щоб зрозуміти, чому цей конкретний шаблон з'являється так часто.

Більша проблема полягає в тому, що модель не має видимості того, що зараз працює, а що вже вичерпано. Структура заголовка, яка здавалася свіжою два роки тому, сьогодні може бути позначена рецензентом мережі як клікбейт або просто проігнорована аудиторією, яка бачила її тисячу разів. ChatGPT не може сказати вам це. Тільки поточний інвентар може.

Структура промпта, яка насправді дає придатні заголовки#

Найбільше покращення для промптів на генерацію заголовків — це подача моделі реальних, зараз запущених прикладів замість того, щоб просити її вигадувати з нуля. Працездатна структура:

1. Факти про продукт, викладені просто: що це, для кого, одна справжня відмінна риса.
2. Вертикаль і гео, щоб модель не вгадувала тон (фінансова пропозиція в Tier-1 читається дуже інакше, ніж нутра-пропозиція в Tier-2).
3. 3-5 реальних прикладів заголовків, які зараз запущені у цій вертикалі, взяті з реального індексу креативів, а не вигадані. Це дає моделі конкретні орієнтири замість застарілих шаблонів із тренувальних даних.
4. Явний список шаблонів, яких слід уникати, особливо всього, що ви вже випробували до виснаження.
5. Запит на 8-10 коротких варіантів, а не один «найкращий» заголовок. Генерація партіями та ручний відбір послідовно перемагає прохання про одного переможця.

Де заголовки від ChatGPT порушують правила#

Модель, яка оптимізується виключно під «звучить переконливо», охоче генерує текст, через який оголошення може бути відхилено або акаунт позначено. Постійні проблеми:

• Вигадана конкретика. «9 з 10 дерматологів погоджуються» без жодного джерела. Моделі постійно генерують такі твердження з хибною точністю, бо вони звучать переконливо, а не тому, що щось перевіряється.
• Створена терміновість та дефіцит. «Залишилося лише 3 у вашому регіоні», коли немає фактичного обмеження інвентарю.
• Натяк на схвалення або результати до/після, які не відповідають реальному, підтвердженому результату.
• Прикордонні структури клікбейту, які черга перевірки креативів мережі сьогодні з більшою ймовірністю позначить, ніж рік чи два тому, оскільки політики перевірки посилюються повсюдно.

Кожен із цих пунктів потребує перевірки людиною на відповідність перед запуском, тієї самої перевірки, яку ви застосували б до заголовків, переданих вам фріланс-копірайтером. Дивіться аналіз креативів оголошень для фреймворку оцінки зачіпки, кута та твердження заголовка окремо, що прискорює перевірку на відповідність, оскільки ви оцінюєте один вимір за раз, а не весь заголовок одразу.

Використання ChatGPT для класифікації, а не лише генерації#

Найменш використовуване застосування — це зовсім не генерація, а класифікація. Витягніть партію з 20-30 зараз запущених заголовків з вашої вертикалі (експорт зі шпигунського інструменту підійде), а потім попросіть модель оцінити кожен за фіксованою рубрикою: тип зачіпки, ризик твердження, новизна відносно решти партії. Це перевертає сильну сторону моделі — вона справді добре розпізнає шаблони в наборі — і віддаляє від її слабкої сторони, яка полягає в генерації чогось нового та хорошого з нуля. У підсумку ви отримуєте ранжований список типів кутів, які насправді зараз насичують вашу вертикаль, що набагато корисніше для планування наступної партії оригінальних заголовків, ніж будь-яка кількість промптів «напиши мені 10 заголовків». Зачіпка проти кута проти твердження — це корисна рубрика, яку можна передати моделі безпосередньо, оскільки вона змушує класифікацію вестися за трьома окремими, перевірними вимірами, а не за однією розпливчастою оцінкою «чи це добре».

Локалізація заголовків для нових гео#

Запит до ChatGPT адаптувати працюючий заголовок для гео Tier-2 чи Tier-3 може заощадити реальний час, але це також те місце, де все може піти непомітно не так. Ідіоми та перебільшення перекладаються нерівномірно, твердження, яке є прикордонним в англійській мові, може стати перебільшенням у перекладі, якщо зміниться конотація слова, і те, що вважається допустимим твердженням про здоров'я чи фінанси, відрізняється за юрисдикцією, незалежно від того, що говорив вихідний заголовок. Розглядайте будь-який локалізований ШІ заголовок як перший начерк, який потребує перевірки носієм мови та на відповідність правилам, так само як і версія мовою оригіналу, а не як менш ризикований результат, бо це «просто переклад». Дивіться масштабування на нові гео та гео-тіри для ширших міркувань, які виникають при розширенні за межі домашнього ринку.

Кращий робочий процес: дослідження, генерація, фільтрація, тестування#

Команди, які отримують реальну цінність від ChatGPT для заголовків, не використовують його як одноразовий генератор. Вони запускають цикл:

1. Спочатку дослідження. Витягніть 5-10 порівнянних, зараз запущених креативів у вашій вертикалі, перш ніж написати хоча б один промпт. Як знайти виграшні кути для нативних оголошень охоплює те, на що звертати увагу під час цього дослідницького етапу.
2. Згенеруйте велику партію, 15-20 варіантів, з обмеженнями, описаними вище, вбудованими в промпт.
3. Відфільтруйте вручну на відповідність правилам, голосу бренду та все, що є перефразовуванням того, що ви вже вичерпали.
4. Запустіть невеликий тестовий набір і спостерігайте за ранніми сигналами кліків, потім використовуйте спостережену довговічність як повільніший, надійніший сигнал підтвердження; оголошення, яке все ще працює через 30 днів, є набагато сильнішим доказом, ніж лише ранній CTR (дивіться довговічність оголошення як сигнал перемоги).
5. Передайте переможців назад у ваш наступний промпт як приклади, щоб результати моделі зміщувалися в бік того, що насправді працює саме для вас, а не лише того, що загалом переконливо.

Саме тут зовнішній індекс креативів виправдовує свою вартість: замість того, щоб вгадувати, що насичено, ви можете перевірити шпигунський інструмент для нативних оголошень OpenAdLibrary на предмет того, що зараз запущено в певній вертикалі, і подавати реальні приклади заголовків прямо в ваш промпт, замість того, щоб покладатися на застаріле уявлення моделі про те, як виглядає «виграшний» заголовок.

Що ChatGPT все ще не може зробити для вас#

Він не може сказати вам, що насичено в конкретній мережі зараз. Він не може перевірити, чи є твердження правдивим. Він не може надійно передбачити CTR, незалежно від того, наскільки впевнено він формулює пропозицію. І він не може взяти на себе відповідальність за порушення правил — вона все ще повністю лежить на людині, яка натиснула «опублікувати».

Короткий чек-лист перед запуском будь-якого заголовка, начерканого ШІ#

• Чи має кожне твердження реальне джерело, чи воно було переписано, щоб прибрати мову хибної точності, яку модель схильна додавати за замовчуванням?
• Чи подавали ви моделі реальні, зараз запущені приклади, чи вона працює виключно на основі загальних шаблонів із тренувальних даних?
• Чи оцінила людина партію окремо за зачіпкою, кутом та ризиком твердження, а не судила весь заголовок на основі внутрішнього відчуття?
• Чи відрізняється цей заголовок суттєво від останньої партії, яку ви тестували, чи це перефразовування чогось, що вже вичерпано?
• Якщо він локалізується, чи пройшла перекладена версія свою власну перевірку на відповідність правилам, а не лише мовну перевірку?

Використаний як двигун обсягу та варіацій у дослідницькому робочому процесі, ChatGPT справді прискорює виробництво заголовків. Використаний як заміна реального знання вашого ринку, він дає той самий загальний результат, який отримують усі інші рекламодавці, які промптять ту саму модель.