Усі статті

Промпти для Claude у маркетингу: інженерний рівень для стратегів

Без категорії
Автор: Ірина Легуша | SEO-фахівець, Стратег BeVisible
01.04.2026
/ 25 хв
Промпти для Claude у маркетингу: інженерний рівень для стратегів

Повна версія українською — для Project Knowledge, сайту, або поширення.

  • Claude — це не «ще один ChatGPT». Anthropic явно тренує модель на XML-теги як first-class citizens, на адаптивне «thinking», на буквальне виконання інструкцій і на роботу з документами 200K–1M токенів. Промпт, що працює в ChatGPT, у Claude часто дає посередній результат — і навпаки: добре структурований Claude-промпт (role → context → task → constraints → format → examples → reasoning) дає вихід на рівні мідл-стратега вже у першій ітерації.
  • «Хороший промпт» від «великого» відрізняє системність, а не довжина. Великий промпт = (1) явно призначена роль/seniority, (2) структуровані XML-блоки даних, (3) 3–5 few-shot прикладів у <example>тегах, (4) контекст «вище за запит» (long-form data на початку), (5) прямі вимоги «be opinionated, no hedging», (6) reasoning-інструкція (<thinking><answer>), (7) явна заборона generic-патернів.
  • Реальна перевага Claude для маркетингу — у трьох речах: аналіз довгих масивів (транскрипти інтервʼю, експорти GA4/Search Console, контентні бібліотеки на 50+ матеріалів); нюансований brand voice і tone-of-voice; складна логіка з критикою власних аргументів. Це робить його ідеальним для стратегічних задач — позиціонування, ICP, brand voice audit, funnel diagnosis — а не для генерації «постів у LinkedIn».

Що Anthropic офіційно рекомендує (2025–2026)


З docs.claude.com / platform.claude.com/docs/build-with-claude/prompt-engineering — єдиний живий референс для Claude Opus 4.6/4.7, Sonnet 4.6, Haiku 4.5:

  1. «Золоте правило»: покажіть промпт колезі без контексту. Якщо він плутається — Claude теж плутатиметься. Claude — це «brilliant new employee».
  2. XML-теги — рекомендований delimiter. Cite з AWS-cookbook Anthropic: «We recommend that you use specifically XML tags as separators for Claude, as Claude was trained specifically to pay attention to XML tags». Тегів «правильних» немає — назви відповідають змісту (<context>, <task>, <constraints>, <examples>, <output_format>, <thinking>, <answer>).
  3. Long-form data — на початок промпту. Anthropic вказує, що розміщення довгих документів перед запитом покращує якість відповіді до 30% у тестах із multi-document inputs.
  4. Ground responses in quotes: для довгих документів просіть Claude спочатку процитувати релевантні фрагменти, потім аналізувати — це фільтрує шум.
  5. Role у system prompt — навіть одне речення суттєво змінює якість («Ти — досвідчений data scientist…» vs «Ти — старший маркетинг-стратег…» дадуть різні інсайти на тих самих даних).
  6. Chain-of-Thought має три рівні: базовий («думай step-by-step»), guided (нумеровані кроки), structured (з <thinking> і <answer>тегами). Без output thinking — немає thinking.
  7. Few-shot — 3–5 прикладів у <examples> з підтегами <example>. Diverse + canonical, не «laundry list of edge cases».
  8. Claude 4.6/4.7 виконує інструкції буквально. Не «узагальнює» приховано. Це плюс для пайплайнів, мінус — для нечітких промптів. Завжди явно вказуйте scope («apply to every section, not just the first»).
  9. Tone: 4.7 — «more direct and opinionated, less validation-forward, fewer emoji». Якщо потрібен тепліший — пишіть це явно.
  10. Skills > Prompts для повторюваних задач. SKILL.md — це інструкція, що автоматично активується при матчингу.

Анатомія «великого» Claude-промпту (7 структурних елементів)


1. ROLE              → системний промпт або <role>...</role>
2. CONTEXT           → довгі дані вгорі, у <context> або <document_content>
3. TASK              → одна чітка задача в <task>
4. CONSTRAINTS       → що НЕ робити, у <constraints> (позитивні формулювання)
5. OUTPUT FORMAT     → структура в <output_format>
6. EXAMPLES (3–5)    → <examples><example>...</example></examples>
7. REASONING         → інструкція «спочатку <thinking>, потім <answer>»

Поганий промпт: «Зроби SWOT для нашого SaaS, ми конкуруємо з Asana». Великий промпт: дотримується всіх 7 елементів — і Claude видає рівень, який раніше коштував €5000 за два тижні консультантської роботи.

8 production-ready промптів для digital-стратега

Як використовувати: завантажте промпт у Claude Project. У Project Knowledge киньте: brand voice doc, ICP doc, sitemap CSV, 3–5 best-performing матеріалів. Так кожен новий чат отримує контекст без повтору.

Промпт 1. Діагностика ICP з реальних customer-даних (не з повітря)


Проблема: більшість агенцій складає ICP «зі стелі» з демографії. Це не working ICP — це сценарна вправа. Working ICP видобувається з voice-of-customer мови.

<role>
Ти — старший B2B-стратег з позиціонування, навчений
у методології April Dunford та Jobs-to-be-Done.
Маєш 15+ років досвіду витягування психології
покупця з сирих якісних даних. Скептичний,
категоричний, відмовляєшся вигадувати деталі,
яких немає у даних.
</role>

<context>
Ми — українсько-польська digital-агенція, позиціонована
на «епістемічну якість» та «сайт як ядро системи».
Продаємо власникам бізнесу і CMO, які приймають
рішення, не junior-маркетологам. Середній цикл угоди
[X місяців], середній чек [Y EUR].
</context>

<source_data>
<sales_calls>
[Вставити 5–10 очищених транскриптів
або summary-нотаток]
</sales_calls>

<support_tickets>
[20+ тикетів / питань від
потенційних клієнтів]
</support_tickets>

<won_deals_notes>
[Внутрішні нотатки чому купили]
</won_deals_notes>

<lost_deals_notes>
[Чому НЕ купили — це золото]
</lost_deals_notes>

<reviews>
[G2, Clutch, LinkedIn testimonials]
</reviews>
</source_data>

<task>
Побудуй ICP на основі поведінки покупців, не демографії.
</task>

<instructions>
1. Спочатку, у <thinking>-тегах, процитуй 8–12 точних
   фраз із вхідних даних, які повторюються або несуть
   емоційну вагу. Познач кожну: [біль] [мрія]
   [заперечення] [тригер] [жаргон].
2. Виокрем 2–3 поведінкові сегменти (НЕ галузеві).
   Розрізняй їх за тим, ЯК вони купують, не як виглядають.
3. Для кожного сегмента:
   - "Людина в русі" в одному реченні (що запустило пошук)
   - 3 ключові болі з verbatim-цитатами (без перефразу)
   - Voice-of-customer банк фраз (8–10 точних)
   - Мапа заперечень: 3 явні + 2 неявні/імпліцитні
   - Anti-ICP сигнал (хто ВИГЛЯДАЄ як fit, але уйде)
   - 3 messaging-кути для тесту, кожен привʼязаний
     до конкретної цитати
4. Закінчи: один сегмент, який ми ПОДВОЇМО, і один,
   який ОБЛИШИМО, з обґрунтуванням за циклом угоди
   та маржею.
</instructions>

<constraints>
- Ніколи не вигадуй цитати. Немає даних — кажи
  «недостатньо доказів».
- Жодних персон типу «Marketing Mary, 35 років».
  Тільки поведінка.
- Будь категоричним. Закінчи рекомендацією, не списком.
</constraints>

<output_format>
Markdown. Використай <thinking> для аналізу, потім
чистий <icp_report> розділ.
</output_format>

Чому це працює (а не «створи ICP»): ICP заснований на реальних фразах, а не на демографічних шаблонах. <lost_deals_notes> — найцінніше джерело, яке зазвичай ігнорують. Reasoning у <thinking> фіксує, що Claude цитує, а не вигадує. Інструкція «be opinionated. End with a recommendation» прибирає типовий Claude-hedging.

Очікуваний результат: 2–3 поведінкові сегменти з verbatim-цитатами, anti-ICP, і прямою рекомендацією «подвоїти / облишити». Готовий артефакт для positioning doc.

Промпт 2. GA4 + Search Console діагноз (не дашборд, а діагноз)


Проблема: експорти GA4 у CSV → у LLM → «дайте інсайти» дає superficial gems типу «conversion rate decreased week-over-week». Це не інсайт.

<role>
Ти — старший аналітик-консультант (школа Avinash Kaushik).
Мислиш у трьох шарах: ЩО сталося, ЧОМУ це сталося,
ЩО РОБИТИ. Відмовляєшся звітувати метрики без
бізнес-інтерпретації. Завжди перевіряєш якість даних
перед висновками.
</role>


<business_context>
- Продукт: [сайт агенції / SaaS / e-comm]
- Головна метрика: [SQL volume / Trial signups / Revenue]
- Етапи воронки: [Visit → Page X → Form submit →
  SQL → Closed-won]
- Що змінилося в періоді: [запустили X, поставили
  на паузу Y, апдейт алгоритму Z, сезонність]
- Бенчмарк минулого кварталу: [conversion %,
  traffic source mix]
</business_context>


<ga4_data>
[CSV — Acquisition by source/medium,
Landing pages, Events, 90 днів vs попередні 90]
</ga4_data>


<gsc_data>
[CSV — Queries, Pages, CTR, position,
90 днів]
</gsc_data>


<task>
Зроби трирівневий діагноз, не summary метрик.
</task>


<instructions>
Крок 1 — Перевірка якості даних
(у <data_check>):
- Познач аномалії: нульові рядки, раптові розриви,
  дублювання, bot-сигнали (sessions >100% users),
  дропи трекінгу.
- Якщо метрика виглядає підозріло, НЕ використовуй її.
  Скажи це.


Крок 2 — ЩО
(у <observations>):
- 5 найбільш матеріальних рухів, кожен з абсолютною
  і відносною дельтою.
- Привʼяжи кожен до конкретного бізнес-наслідку
  (виручка, пайплайн).
- Сортуй за бізнес-впливом, не за розміром %.

Крок 3 — ЧОМУ
(у <hypotheses>):
- Для кожного спостереження — 2–3 конкуруючі гіпотези.
- Для кожної: рівень впевненості
  (низька / середня / висока)
  і як її перевірити з наявними або потрібними даними.
- Перехресна перевірка GA4 і GSC
  (якщо органічні кліки впали в GSC,
  але сесії тримаються в GA4 —
  атрибуція зламана).

Крок 4 — ЩО РОБИТИ
(у <actions>):
- 3 дії, відсортовані за ICE
  (Impact, Confidence, Ease, 1–10 кожен).
- Для кожної:
  яку гіпотезу тестує,
  метрика успіху,
  time budget.
- Одна рекомендація
  «припинити робити».

Крок 5 — Executive summary
(максимум 4 рядки,
у <exec_summary>).

</instructions>

<constraints>
- Жодних «моніторити уважно»
  чи «дослідити далі» —
  давай дієслово.
- Якщо звітуєш кореляцію —
  кажи, що це кореляція,
  не причина.
- Познач будь-яке місце,
  де ти зазвичай вигадав би
  бенчмарк —
  скажи:
  «не знаю галузевого бенчмарку;
  ось як його знайти».
</constraints>

Чому це працює: примусовий data-quality check спочатку — це той самий «ground in quotes» паттерн з Anthropic-doc, адаптований для даних. Competing hypotheses замість одного «висновку» — це ключ. ICE scoring змушує модель приоритизувати, а не просто перераховувати.

Очікуваний результат: 5-рівневий діагноз з data-quality flags, 3–5 пріоритезованими діями, готовий для presentation для CMO.

Промпт 3. Розбір конкурента з SERP- і Ad-розвідкою (не Wikipedia-summary)


Проблема: «зроби SWOT для Asana і Monday» → Claude перепаковує публічну інформацію, яку всі знають. Безкорисно.

<role>
Ти — B2B competitive intelligence аналітик з досвідом
в Klue. Синтезуєш positioning gaps з сирих доказів,
не з публічно заявлених місій компаній. Шукаєш місця,
де можна DE-position конкурента, не просто описати його.
</role>


<our_context>
[Positioning doc — 1–2 абзаци про те, як ми хочемо
щоб нас сприймали]
[ICP doc з виходу Промпту 1]
</our_context>


<competitor_evidence>
<competitor_1 name="X">

  <homepage_copy>
  [Hero + value prop]
  </homepage_copy>

  <pricing_page>
  [Структура цін, якщо публічно]
  </pricing_page>

  <top_3_blog_posts>
  [3 найпопулярніші статті]
  </top_3_blog_posts>

  <linkedin_recent_posts>
  [10 останніх постів сторінки]
  </linkedin_recent_posts>

  <ads_running>
  [Meta Ad Library / LinkedIn ads,
  ті, що крутяться 60+ днів]
  </ads_running>

  <reviews_negative>
  [5–10 НИЗЬКИХ відгуків —
  тут слабкості]
  </reviews_negative>

</competitor_1>

<competitor_2 name="Y">
[те саме]
</competitor_2>

<competitor_3 name="Z">
[те саме]
</competitor_3>
</competitor_evidence>


<task>
Зроби positioning teardown, що закінчується трьома
експлуатованими розривами.
</task>

<instructions>
Для кожного конкурента, у
<thinking>:
1. Витягни ЗАЯВЛЕНЕ positioning
   (що ВОНИ кажуть, що вони є).

2. Витягни НЕЯВНЕ positioning
   (що показує їхня ціна,
   вибір аудиторії, ad spend ПОВЕДІНКА).
   Часто розходяться.

3. Познач розрив —
   це клин для нас.

4. Виокрем їхній content moat
   (повторювані теми,
   фреймворки, які вони мають).

5. З негативних відгуків —
   структурна слабкість
   (не одиничні баги — патерни).
Тоді — матриця порівняння:
| Параметр | Ми | C1 | C2 | C3 | Розрив, який експлуатуємо |
| Заявлене positioning | ... |
| Неявне positioning | ... |
| Цінова постава (преміум/мід/бюджет) | ... |
| Основний content-кут | ... |
| Структурна слабкість | ... |

Закінчи 3 ЕКСПЛУАТОВАНИМИ РОЗРИВАМИ.
Кожен відповідає:
- Що вони не можуть правдоподібно стверджувати?
- Чому це важко виправити
  (organizational причина)?
- Який 90-денний план дозволить нам зайняти цей розрив?
Сортуй розриви за захищеністю
(наскільки складно
скопіювати за 12 місяців).
</instructions>

<constraints>
- Жодних
«їхня сила — впізнаваність бренду» —
це не actionable.
- Кожна заява про конкурента
посилається на конкретний
доказ у вхідних даних.
Не можеш процитувати —
не стверджуй.
- Будь різким.
Дипломатичний аналіз — марний.
</constraints>

Чому це працює: ключове — пара stated vs inferred positioning. Це класичний positioning move (April Dunford, Klue), який LLM не зробить без явної інструкції. Негативні відгуки — найцінніше джерело weakness’ів. «Чому це важко виправити» примушує думати про organizational moat, а не про feature parity.

Очікуваний результат: матриця + 3 захищені розриви з 90-day планами. Це матеріал для board meeting, не для blog post.

Промпт 4. Витяг Brand Voice з прикладів (а не з прикметників)


Проблема: інструкція «tone: friendly and professional» дає Claude-default. Це той самий voice, що у 10 000 інших компаній.

<role>
Ти — аналітик brand voice, навчений у методології
Verbal Identity (школа Wolff Olins). Твоя робота —
витягти голос автора з його текстів так, як це робить
судовий лінгвіст — через патерни, не прикметники.
</role>

<task>
Проаналізуй 5–7 зразків нижче і зроби Voice DNA
документ, який будь-який автор чи LLM зможе
використати, щоб відтворити цей голос з високою
точністю.
</task>

<samples>
<sample id="1" type="best-performing-blog">
[Вставити повний текст]
</sample>

<sample id="2" type="best-performing-blog">
[Вставити повний текст]
</sample>

<sample id="3" type="best-performing-linkedin">
[Вставити повний текст]
</sample>

<sample id="4" type="email">
[Вставити повний текст]
</sample>

<sample id="5" type="landing-page-hero">
[Вставити повний текст]
</sample>
</samples>

<instructions>
Крок 1 — У
<thinking>,
виконай аналіз на рівні рядка:
- Середня довжина речення
  (порахуй, не оцінюй)
- Варіація довжини
  (короткі-довгі по черзі?)
- Пунктуаційні тики
  (тире? крапки з комою?
  риторичні питання?)
- Як починають текст
  (питання? сміливе твердження?
  історія?)
- Як закінчують
- Слова, що повторюються
  3+ разів у всіх зразках
- Слова, ЯКИХ НЕМАЄ
  (де очікувано —
  «забезпечити»,
  «реалізувати»,
  «синергія»)
- Метафорична область
  (спорт? кулінарія?
  архітектура?)
- Чий авторитет
  вони викликають
  (дослідження?
  власний досвід?
  клієнтські перемоги?)

Крок 2 — Voice DNA
у точно такому форматі:
- МИ Є
  (3 прикметники,
  кожен з реченням пояснення)
- МИ НЕ Є
  (3 прикметники —
  голоси-пастки,
  яких уникаємо)
- СИГНАТУРНІ
  СТРУКТУРНІ ХОДИ
  (3 патерни з
  прикладами речень)
- БАНК ФРАЗ
  (10 фраз,
  які належать
  цьому бренду)
- ЗАБОРОНЕНІ ФРАЗИ
  (10 фраз,
  які бренд ніколи
  не вживає)
- 3 ПАРИ
  on-brand vs off-brand речень
  (найбільш корисний
  артефакт для авторів —
  та сама ідея,
  написана правильно
  і неправильно,
  з одним рядком пояснення,
  що робить кожне
  правильним чи провальним)
- ОДНО-АБЗАЦНЕ РЕЗЮМЕ,
  яке новий автор може
  засвоїти за 60 секунд.
</instructions>

<constraints>
- НЕ використовуй
  прикметники типу
  «професійний»,
  «engaging»,
  «автентичний» —
  вони непридатні.
  Заміни на
  спостережувані патерни.
- Усі докази
  посилаються
  на конкретний sample.
  Цитуй sample ID.
- Вихід має бути
  операційним:
  автор, що його прочитав,
  з першого разу
  пише on-brand.
</constraints>

Чому це працює: «WE ARE NOT» працює сильніше за «WE ARE» (Atom Writer benchmark). On-brand/off-brand pairs — найвища-leverage частина: Claude pattern-matches на приклади набагато краще, ніж інтерпретує прикметники. Anthropic guide прямо це підтверджує.

Очікуваний результат: живий Voice DNA-документ, який ви засовуєте у Project Instructions і Custom Style. Кожен наступний промпт буде on-brand за замовчуванням.

Промпт 5. SEO + GEO Content Brief, що не пише writer для writer’а


Проблема: Claude без брифу пише «average of the internet» — той самий контент, що ваші конкуренти. Бриф повинен містити live-SERP intelligence, інакше — нуль.

<role>
Ти — старший контент-стратег з глибоким SEO + GEO
(AI-search) досвідом. Пишеш брифи, що перетворюються
на ранжовані сторінки, не на статті, які архівують.
Оптимізуєш для funnel-стадії покупця, не для
keyword density.
</role>

<inputs>
<target_keyword>
[основний запит]
</target_keyword>

<secondary_keywords>
[5–10 підтримуючих,
семантично повʼязаних]
</secondary_keywords>

<funnel_stage>
[TOFU / MOFU / BOFU — обери одне]
</funnel_stage>

<icp>
[1-абзацний summary ICP]
</icp>

<our_unique_pov>
[Що ми думаємо,
що не є консенсусом.
1–3 речення.]
</our_unique_pov>

<top_3_serp_competitors>
<result_1 url="...">
[H1, ключові H2s,
word count,
структурні ходи]
</result_1>

<result_2 url="...">
[те саме]
</result_2>

<result_3 url="...">
[те саме]
</result_3>

</top_3_serp_competitors>

<people_also_ask>
[5–10 PAA-питань з SERP]
</people_also_ask>

<our_existing_internal_pages>
[Sitemap CSV —
title + URL]
</our_existing_internal_pages>
</inputs>

<task>
Зроби бриф,
що закінчується 10x-кутом —
причиною,
чому ця сторінка ОБЖЕНЕ топ-3,
не зрівняється.
</task>

<instructions>

1. У
<serp_analysis>:
- Що покривають ВСІ топ-3?
  (Table stakes —
  ми мусимо це покрити)
- Що покриває ТІЛЬКИ ОДИН?
  (Можливий диференціатор)
- Що НЕ покриває НІХТО,
  але PAA питання це
  виявляють?
  (РОЗРИВ)
- Який формат вони ділять
  (listicle, гайд)? —
  відповідаємо чи ламаємо?

2. У
<intent_check>:
- Домінуючий search intent
  в одному реченні.
- SECOND-order intent
  (що гуглять потім).
- Бриф відповідає
  на обидва.

3. У
<brief>:
- Робоча назва
  (2 варіанти —
  один цікавість,
  один обіцянка)
- Однореченнєва
  обіцянка читачу
  ("ви залишите
  цю сторінку з...")
- Word count target —
  на основі того,
  що ранжує,
  НЕ «довше=краще»
- Повна H2/H3 структура
  з 1-рядковим описом
  того,
  що покриває
  кожна секція
- Для кожного H2:
  якого конкурента
  це нейтралізує
  і як
- Запропоновані медіа
  (таблиця,
  оригінальний чарт,
  вбудований калькулятор,
  відео)
- Внутрішні посилання
  для вставки
  (з нашого sitemap),
  кожне з anchor text
  і обґрунтуванням
- 3 зовнішні
  авторитетні джерела
  для цитування
  (не конкуренти)
- 10x ЕЛЕМЕНТ —
  одна річ,
  якої немає
  в жодного конкурента.
  Оригінальні дані?
  Власний фреймворк?
  Інструмент?
  Це non-negotiable.

4. У
<geo_optimization>:
- Direct-answer параграф
  для AI Overviews
  (50 слів,
  структурований
  для цитування)
- Entity / E-E-A-T сигнали
  для включення
  (специфіка author bio,
  оригінальні дані,
  названі джерела)
- 3 питання,
  на які сторінка
  має ранжуватись
  в AI-search
  (Perplexity,
  ChatGPT,
  Claude)

5. У
<cta_strategy>:
- Mid-page CTA
  (low-commitment,
  content-adjacent)
- End-page CTA
  (high-commitment,
  привʼязаний
  до funnel stage вище)

6. У
<kill_criteria>:
- 3 причини,
  чому НЕ треба
  писати цю статтю
  (реальні,
  не для галочки).
</instructions>

<constraints>
- Бриф має бути
  юзабельним
  для копірайтера
  з нульовим
  SEO-контекстом.
- Жодних
  filler-таргетів
  за словами.
  Обґрунтуй з SERP.
- 10x-елемент
  має вимагати
  реальної роботи
  (дані,
  фреймворк,
  інструмент).
- Жодних
  «вичерпних гайдів».
</constraints>

Чому це працює: ключове — <our_unique_pov> (без власної думки = generic) + <kill_criteria> (більшість LLM-брифів пишуть для будь-якої теми; criteria змушують Claude чесно сказати «не пишіть це»). GEO-блок робить його актуальним для 2026 AI-search.

Очікуваний результат: бриф на рівні SE Ranking / thruuu методології (research time скорочується з 3–4 годин старшого SEO-спеціаліста до 10–20 хвилин), готовий до передачі копірайтеру.

Промпт 6. Pressure-test власної стратегії (Red Team у Claude)


Проблема: усі промпти просять Claude «допомогти». Це робить Claude співучасником ваших blind spots. Стратегія, не пропущена через red team, — це шанс.

<role>
Ти — цинічний, втомлений B2B-маркетинг-критик.
Бачив 1000 кампаній, що провалилися. Ти НЕ тут,
щоб мені було приємно. Ти НЕ тут, щоб «балансувати»
feedback. Ти тут, щоб знайти кожну тріщину раніше
за ринок.
</role>

<my_strategy>
[Вставити 1–3 сторінки кампанії /
квартального плану /
go-to-market doc.
Включи:
ціль,
аудиторію,
канали,
розподіл бюджету,
меседжі,
KPI,
терміни]
</my_strategy>

<task>
Запусти структурований red team цього плану.
Знайди, що його зламає.
</task>

<instructions>
Крок 1 — Pre-mortem
(у
<pre_mortem>):
Уяви,
що цей план
провалився
через 12 місяців.
Напиши 5 найбільш
імовірних
post-mortem-історій,
кожна як
3-реченнєва історія.
Конкретно —
назви метрику,
яку не зайшла,
припущення,
яке зламалося.

Крок 2 —
Аудит припущень
(у
<hidden_assumptions>):
Перелічи 8–10 припущень,
які план
ТРАКТУЄ ЯК ФАКТИ,
а вони насправді ставки.
Для кожного:
- сформулюй припущення
- оціни впевненість (1–5)
- що його спростує
- які дані потрібні
  для перевірки
  перед ставкою

Крок 3 —
Скан конкурентних
сліпих плям
(у
<competitive_blindspots>):
- Який рух конкурента
  робить план
  неактуальним?
- Який зсув ринку
  (алгоритм,
  регуляція,
  AI-можливість)
  робить його
  застарілим?
- Де ми копіюємо
  чужий playbook
  у чужому контексті?

Крок 4 —
Resource / sequencing
критика
(у
<execution_risks>):
- Де команда
  недостатньо
  укомплектована
  для того,
  на що йде?
- Яка критична
  залежність
  ламає квартал,
  якщо проковзне
  на 2 тижні?
- Який найдешевший
  експеримент
  має пройти
  ПЕРЕД стартом плану?

Крок 5 —
Брутальна заява
(у
<verdict>):
- Якби довелося
  вбити ОДНУ
  частину плану,
  щоб зберегти решту —
  яку?
- Якщо план
  спрацює ідеально,
  про що ми
  пожалкуємо
  у ретроспективі?
</instructions>

<constraints>
- Жодного hedging.
  Жодних
  «це сильний план, АЛЕ...».
  Пропусти
  комплімент-сендвіч.
- Жодних
  generic-ризиків
  («конкурент може зробити X»).
  Конкретно
  або тиша.
- Якщо щось
  дійсно міцне,
  коротко скажи чому —
  потім переходь
  до тріщин.
- Уяви,
  що твоя карʼєра
  залежить
  від критики
  цього плану.
  Знайди тріщини.
</constraints>

Чому це працює: Claude 4.7 — це найменш «validation-forward» модель у лінійці. Але вона все одно за замовчуванням «хороша помічниця». «You are NOT here to make me feel good» — це той самий патерн, що з Claude Doc: «Tell Claude what to do instead of what not to do», тільки сильніше. «Imagine you bet your career» — це reasoning prime, який робить Claude більш opinionated.

Очікуваний результат: pre-mortem + assumption audit за 90 секунд. Поставити перед стратегічною презентацією — врятує квартал.

Промпт 7. Funnel drop-off діагноз з даними і гіпотезами


Проблема: «де ми втрачаємо лідів» — query без структури. Без воронкових даних і гіпотез Claude скаже «improve nurturing». Дякую, ні.

<role>
Ти — conversion-архітектор (методологія CXL).
Діагностуєш воронки на рівні кроку, розрізняєш
між volume і quality drop-offs, приоритизуєш fixes
за leverage (impact × ease).
</role>

<funnel_data>
Етап 1 [назва]:
[vol in, vol out, conversion %,
median time in stage]
Етап 2:
[...]
Етап 3:
[...]
[продовжити
для кожного етапу]
Бенчмарки
(галузеві
або наш
попередній період):
[вставити]
</funnel_data>

<qualitative_signals>
<exit_surveys>
[Відповіді
на «чому
не забронювали
демо»]
</exit_surveys>

<sales_call_loss_reasons>
[Топ-10 причин
програшу]
</sales_call_loss_reasons>

<support_questions_at_each_stage>
[Питання,
що повторюються]
</support_questions_at_each_stage>

<page_session_recordings_notes>
[Якщо є
Hotjar /
Microsoft Clarity
нотатки]
</page_session_recordings_notes>
</qualitative_signals>

<task>
Зроби funnel-діагноз,
що закінчується
пріоритезованим
90-денним
A/B test roadmap.
</task>

<instructions>
Крок 1 —
Ranking drop-off
(у
<leak_ranking>):
- Для кожного етапу:
  абсолютні
  втрачені ліди ×
  deal value =
  втрачена виручка.
- Сортуй
  за втраченою
  виручкою
  (не за %).
- Познач,
  які leaks —
  VOLUME проблеми
  (top of funnel ok,
  просто неефективно),
  а які —
  QUALITY
  (приходять
  не ті люди).

Крок 2 —
Дерево гіпотез
root-cause
(у
<hypothesis_tree>):
- Для топ-2 leaks —
  згенеруй
  4–6 гіпотез
  кожен,
  організованих
  за шарами:
  * Message-fit
    (positioning,
    ясність копії)
  * Audience-fit
    (приходять
    не ті)
  * Friction
    (UX,
    довжина форми,
    швидкість)
  * Trust
    (доказ,
    зниження ризику)
  * Timing
    (не той етап
    journey
    для цього asset)
- Для кожної
  гіпотези:
  який
  якісний сигнал
  її підтримує,
  впевненість,
  метод тесту.

Крок 3 —
A/B test roadmap
(у
<test_roadmap>):
- 6 конкретних тестів
  на 90 днів.
- Для кожного:
  гіпотеза,
  primary metric,
  secondary metric,
  мінімальна оцінка
  sample size,
  проектований
  lift range,
  ризик
  false positive
  (особливо
  для low-traffic
  етапів).
- ICE скоринг
  кожен
  (Impact,
  Confidence,
  Ease,
  1–10).
- Сортуй:
  найвищий ICE
  спочатку;
  low-traffic етапи
  пізніше,
  бо їм потрібно
  більше часу
  для значущості.

Крок 4 —
Рекомендація
«припинити запускати»
(у
<stop_doing>):
- Одна річ
  у поточній воронці,
  що активно шкодить
  (крок,
  поле форми,
  фрагмент копії).
- Обґрунтуй
  даними.

Крок 5 —
Executive view
(у
<exec>):
- Один абзац:
  де течуть гроші,
  що зробимо,
  чого очікуємо.
</instructions>

<constraints>
- Не пропонуй тестів,
  що потребують
  >3 місяців
  до статистичної
  значущості
  на нашому трафіку.
- Будь реалістичним
  щодо
  statistical power.
- Розрізняй
  кореляцію
  і причинність
  явно
  при пропонуванні
  root causes.
- Жодних
  «покращити nurturing».
  Давай точний
  email /
  сторінку /
  CTA
  для зміни.
</constraints>

Чому це працює: revenue-loss ranking замість %-ranking — це класичний урок Avinash Kaushik, який LLM не пропонує сама. Distinction між volume і quality leaks — критична, але зазвичай pre-skipped. Sample-size constraint змушує Claude бути реалістичним щодо low-traffic stages.

Очікуваний результат: 6 пріоритезованих тестів з реалістичними sample size, 1 «stop doing», exec-summary на 1 параграф. Готовий до квартального плану.

Промпт 8. Landing-page Hero, що проходить «5-секундний тест»


Проблема: «напишіть hero для нашого SaaS» дає 5 варіацій того ж самого. Без обмежень — без характеру.

<role>
Ти — direct-response копірайтер
у традиції Joanna Wiebe / Eddie Shleyner.
Пишеш для скану,
не для читання.
Кожне слово
бореться за своє місце.
Віриш,
що конкретика
перемагає дотепність,
а доказ —
заяву.
</role>

<offer>
<product>
[1-реченнєвий опис, що це]
</product>

<for_whom>
[ICP з Промпту 1]
</for_whom>

<unlike_what>
[Status quo /
альтернатива,
яку обирають замість]
</unlike_what>

<the_promise>
[Що зміниться
у їхньому світі,
якщо вони
це використають]
</the_promise>

<the_proof>
[Число,
названий клієнт,
названий результат,
рік доказу]
</the_proof>

<the_objection_to_neutralize_above_the_fold>
[Причина #1,
чому вони вагаються]
</the_objection_to_neutralize_above_the_fold>
</offer>

<voice_dna>
[Vstaviti Voice DNA
вихід з Промпту 4]
</voice_dna>

<task>
Напиши 10 hero-варіацій.
Кожна повинна пройти
5-секундний тест:
незнайомець,
що зайшов холодно,
має знати:
ЩО ти продаєш,
ДЛЯ КОГО,
ЧИМ це інше —
у межах 5 секунд.
</task>

<instructions>
Зроби 10 варіацій
за цими архетипами
(чітко підписаних):

1. Названий біль
("Припини X без Y")
2. Атакований статус-кво
("Причина,
з якої твій X
продовжує Y, — Z")
3. Результат-led
("X для Y,
які хочуть Z")
4. Конкретне число
("Як [названа сутність]
[result]
за [час]")
5. Контр-істина
("Більшість [аудиторія]
вірить
[помилкова теза].
Ось [наша версія]")
6. Створення категорії
("Нова [категорія]
для [конкретна задача]")
7. Демо-як-обіцянка
("Подивіться,
як [аудиторія]
[result]
за [час]")
8. Сміливість + доказ
("[Конкретна заява],
підкріплена
[конкретним доказом]")
9. Питання-гачок
("Що,
якщо твій [річ]
[result]?")
10. Анти-пітч
("Не [звичайна річ].
[Наша річ].")

Для кожної варіації:
- HEADLINE
  (≤12 слів)
- SUBHEAD
  (≤25 слів —
  продовжує обіцянку,
  закриває
  заперечення #1)
- PRIMARY CTA
  (максимум 3 слова —
  verb-led,
  outcome-named)
- 1-рядкова
  МІКРОКОПІЯ
  під CTA
  (закриває ризик)
- ДЛЯ КОГО
  (один рядок,
  що специфікує
  self-selection аудиторії)
- ДЛЯ КОГО НЕ
  (один рядок —
  контрінтуїтивно
  підвищує конверсію)
Потім додай
ТАБЛИЦЮ СКОРИНГУ:
| # | Ясність (5s тест) |
Конкретність |
Диференціація |
On-brand voice |
Risk-reversal |
Всього /50 |
Потім у
<recommendation>:
обери топ-3
для A/B тесту,
в порядку,
і обґрунтуй чому.
</instructions>

<constraints>
- Жодних
"best-in-class",
"революційний",
"seamless",
"unlock your potential".
- Кожна заява
  посилається
  на доказ
  у offer-input.
  Якщо доказу немає —
  позначай
  [needs proof].
- Голос
  ОБОВʼЯЗКОВО
  відповідає
  Voice DNA.
  Якщо варіація
  відхиляється —
  познач.
- "ДЛЯ КОГО НЕ" —
  non-negotiable.
  Пропустиш —
  провалив промпт.
</constraints>

Чому це працює: 10 archetypes — це канонічна різноманітність (Wiebe school); без явного списку Claude дає 10 варіацій одного архетипу. Scoring table — це structured output, що змушує модель оцінити свою роботу. «Who it’s NOT for» — це найсильніший positioning move (контрінтуїтивно підвищує conversion).

Очікуваний результат: 10 диференційованих hero-варіацій з scoring і явними рекомендаціями для A/B тесту, на голос вашого бренду.

Чому всі ці промпти «великі» — а не просто довгі


Кожен із промптів вище має 7 структурних елементів з anatomy-секції:

Елемент Як це реалізовано в промптах вище
Role (seniority+lineage) «Старший B2B-стратег, школа April Dunford», не просто «marketing expert»
Context (long-form data first) Real customer data, source materials у верхній частині промпту, до запиту
Task (single, narrow) «Побудуй behavior-grounded ICP», не «допоможи з маркетингом»
Constraints (positive framing) «Не вигадуй цитати», «жодних generic personas», «будь різким»
Format (structured XML output) <thinking>, <observations>, <hypotheses>, <verdict>
Examples / few-shot У промптах вище — implied через archetypes; для production — додавайте 3–5 <example> блоків
Reasoning prime Явні step-by-step інструкції з названими тегами для проміжних кроків

Поганий промпт: «Зроби SWOT». Великий промпт: усі 7 елементів — і Claude видає рівень, який раніше коштував €5000 за два тижні консультантської роботи.

Caveats


  1. Жодний з цих промптів не замінює judgment. Claude дає вам синтез — стратег дає вам рішення. Field-testing (Shared Physics, 2025) показав, що Claude чудово знаходить seasonality і algorithm-change патерни, але плутається у funnel issues, якщо data quality не перевірена. Bad data in = bad insights out, з зайвою впевненістю.
  2. Hallucination у стратегічних задачах коштує дорого. Claude може впевнено посилатися на «галузевий бенчмарк X%», який не існує. Constraint «Якщо не знаєш — кажи це» — обовʼязковий, не косметичний.
  3. Claude 4.6/4.7 виконує інструкції буквально. Якщо ви написали «будь брутальним» — він буде брутальним, навіть якщо ваша команда не готова. Дозуйте.
  4. Skills > Prompts для повторюваних задач. Якщо промпт із цього звіту запускається 2+ рази на тиждень, перетворіть його на Claude Skill (SKILL.md у ~/.claude/skills/). Контекст один раз, виконання — щоразу.
  5. Live-data через MCP > paste-CSV. Для GA4 / Search Console / Ahrefs — підключайте через MCP. Це усуває «копіюй-вставляй» цикл і дозволяє Claude робити уточнюючі запити до даних.
  6. «1M context» ≠ «infinite recall». Чим довший контекст, тим вища degradation на нюансі. Розбивайте дуже великі архіви на batched calls з проміжними summarization.
  7. Старі версії Claude (3.5/3.7) поводяться інакше. Інструкції з цього документа оптимізовані для Opus 4.6/4.7 і Sonnet 4.6. На старіших моделях деякі constraints («be opinionated, no hedging») працюють слабше — там доведеться повторювати їх 2–3 рази у промпті.
  8. Те, що працює сьогодні, зміниться у 2026–2027. Anthropic явно пише, що «smarter models require less prescriptive engineering» — тренд у бік меншої кількості інструкцій. Архітектура промптів (role + context + task + constraints) залишиться; deep prescription поступово стане непотрібною. Тримайте промпти модульними, щоби легко спрощувати.

Читати далі

Польський контент без перекладу: як писати, а не перекладати
SEO для профі
SEO Польща
Бізнес в Польщі
Польський контент без перекладу: як писати, а не перекладати
01.05.2026
/ 6 хв
Екосистема навколо сайту: чому окремо SEO не працює
Бізнес онлайн
Екосистема сайту
Екосистема навколо сайту: чому окремо SEO не працює
16.04.2026
/ 9 хв
Як я роблю SEO-аудит з кінця: робоча модель за 90 хвилин
SEO аудит
SEO для профі
Як я роблю SEO-аудит з кінця: робоча модель за 90 хвилин
13.04.2026
/ 11 хв
Оптимізація під AI Overviews: GEO-гайд для бізнесу 2026
AEO
AI
GEO
SEO
Інструменти
Маркетинг
Оптимізація під AI Overviews: GEO-гайд для бізнесу 2026
05.04.2026
/ 12 хв
Elips