Prompting voor marketing

Een merkstem beschrijven met bijvoeglijke naamwoorden ("vriendelijk, zelfverzekerd") werkt minder goed. Modellen leren een stem veel beter van voorbeelden dan van labels.

Plak twee of drie voorbeelden die bij het merk passen en twee die niet bij het merk passen en vraag het model vervolgens om het patroon van de passende voorbeelden te volgen. Few-shotvoorbeelden werken beter dan welke lijst met bijvoeglijke naamwoorden ook.

Beperkingen maken de uitvoer voorspelbaar en volgens de specificatie. Woordenaantallen, verboden woorden, verplichte trefwoorden, leesniveau en CTA-regels sturen het model allemaal naar bruikbare tekst.

Paradoxaal genoeg zorgen meer beperkingen vaak voor meer creativiteit, omdat het model niet voor de hand liggende oplossingen moet vinden binnen de kaders die je hebt bepaald.

Enkele megapropts die zowel om onderzoek als om de definitieve tekst vragen, doen beide meestal slecht. Koppel prompts in plaats daarvan: laat de eerste inzichten verzamelen en de tweede op basis van die inzichten een tekst opstellen.

Door prompts te koppelen kun je de tussenstap controleren en corrigeren, zodat fouten niet ongemerkt in de definitieve tekst terechtkomen.

Vraag niet om "enkele opties" en accepteer geen bijna identieke varianten. Stuur het model aan om te variëren langs een benoemde as: invalshoek, emotie, lengte of indeling.

Expliciete variatieassen leveren een testbare spreiding op in plaats van tien parafrasen van hetzelfde idee, en dat voedt creatieve tests rechtstreeks.

Instrueer het model bij elke bewering, statistiek of functionaliteit om alleen de aangeleverde feiten te gebruiken en alles te markeren wat het niet kan onderbouwen.

Zo verandert het model van een zelfverzekerde verzinner in een zorgvuldige schrijver van eerste versies. De gemarkeerde hiaten laten precies zien wat een mens moet controleren.

Een eerste poging raakt zelden meteen de juiste snaar. Itereer met specifieke aanpassingen, niet met „maak het beter”. Vertel het model wat het moet behouden, schrappen en versterken.

Verwijs naar uitvoer met het nummer en geef een reden. Specifieke feedback leidt snel naar een goed resultaat; vage feedback laat het model afdwalen.

Leg je vaste regels, merkstem, verboden woorden en nalevingsregels vast in een systeemprompt of opgeslagen voorinstelling, en verander per verzoek alleen de opdracht.

Zo blijft de uitvoer consistent binnen het team en van dag tot dag, en verandert het schrijven van prompts van ambachtelijk handwerk in een onderhoudbare standaard.

Let op vier fouten: het model negeert een beperking, wijkt af van de stem, vult tekst op met loze inhoud of verzint ongemerkt feiten.

Voor elke fout is er een oplossing: herhaal de beperking aan het einde van de prompt, voeg enkele voorbeelden toe die de stem verankeren, stel strikte lengtelimieten in en dwing feitelijke onderbouwing af. Stel eerst een diagnose voordat je blind opnieuw genereert.

Succesvolle prompts zijn waardevolle middelen. Sla ze op met metagegevens, zodat het team hergebruikt wat werkt in plaats van het telkens opnieuw uit te vinden.

Beheer je prompts zoals code: verhoog het versienummer wanneer je er een verbetert en noteer wat er is veranderd. Dit is de basis voor schaalbare AI-marketing.

Behandel prompts als opdrachten: rol, context, taak en indeling. Stuur de stem met voorbeelden, leg beperkingen op en onderbouw elke bewering met aangeleverde feiten.

Laat onderzoek voorafgaan aan het schrijven, vraag varianten op basis van benoemde kenmerken, itereer met specifieke feedback en leg succesvolle prompts vast in een versiegestuurde, herbruikbare bibliotheek. Zo wordt werken met prompts een duurzame teamvaardigheid.