Заявка

ТЗ на лендинг под контекст для директолога

Выбери параметры связки → получи готовый промт для ТЗ

Выбрать параметры и получить промпт Без API, сразу готовые промпты
Оффер под ключевой запрос Структура блоков под CPL Готово к передаче на Tilda
  • Связывает блоки лендинга с семантикой и целевым CPL
  • Даёт чек-лист соответствия оффера поисковому запросу
  • Готовит ТЗ под A/B-тесты первого экрана и форм

Конструктор промта для ТЗ лендинга

Настрой Задачу, Исходник и Тип трафика — промт под связку соберётся сам

Быстрый старт:
Персонализация промта (необязательно) Показать
Доп. настройки (необязательно) Показать
✨

Ваш промт появится здесь

Выберите параметры слева — промт обновится автоматически

Ваш промт

          

Собрать ТЗ на лендинг под контекст — это когда семантика уже разбита на группы, а посадочная под неё не готова, и на согласование структуры блоков с дизайнером и копирайтером уходит день, а то и два. Промты снимают эту рутину: попросите ChatGPT собрать структуру блоков под горячий поиск, прописать ТЗ на первый экран или составить список офферов и УТП — и черновик готов за пару минут. Укажите «Задачу» и «Тип трафика» в генераторе — получите промт ровно под свою связку, будь то РСЯ-охват или ретаргетинг по брошенным заявкам. Claude при этом свяжет каждый пункт с целью вроде снижения CPL и подскажет, какое возражение снимает блок. Вы перестаёте переписывать одно и то же под каждый проект и отдаёте на сборку готовое ТЗ, где запрос и оффер бьют в одну точку. Соберите свой промт и проверьте, как это ускоряет запуск.

Как собрать ТЗ на лендинг под контекст

1
🎯

Выберите основные параметры

Задайте «Роль AI», «Задачу» и «Тип трафика» — например структуру блоков на основе семантики под горячий поиск.

2
🎛️

Настройте тон и формат вывода

Соберите комбинацию: тон 'Технический для дизайнера' + формат 'Таблица блоков лендинга' + уровень 'Рабочее ТЗ на сборку'.

3
✍️

Заполните ручной ввод

Впишите «Продукт», «Бюджет и KPI» и «Платформу» — это привяжет ТЗ к вашему офферу, целевому CPL и срокам сборки.

4
🚀

Скопируйте и запустите промт

Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите структурированное ТЗ на лендинг под контекст.

Кому нужны промты для ТЗ на лендинг

Директологам, тимлидам, фрилансерам и аналитикам — собрать ТЗ на посадочную под контекст

🎯

Директолог-фрилансер на потоке

Веду 8 проектов и каждый раз пишу ТЗ на лендинг с нуля по памяти

Собери готовую структуру блоков за 10 минут вместо половины дня

🧩

Тимлид отдела контекста в агентстве

Джуны сдают ТЗ, где оффер не бьётся с запросом, и переделываю всё сам

Задай единый шаблон ТЗ, чтобы связка запрос-оффер держалась у всей команды

📊

Инхаус-директолог с планом по CPL

Дизайнер лепит красиво, а первый экран не конвертит и заявка дорожает

Пропиши требования к экрану под цель по CPL, а не под вкус дизайнера

🔁

Перформанс-специалист по РСЯ и ретаргету

Гоню тёплый трафик и охват, а посадочная заточена только под горячий поиск

Разведи ТЗ под поиск, РСЯ и возврат брошенных заявок отдельными блоками

Промты для ТЗ на лендинг под контекст

Готовые промты для ChatGPT или Claude: скопируйте, замените текст в квадратных скобках своими данными и запускайте.

Собрать карту соответствия «поисковый запрос — экран лендинга»

Релевантность
Роль: Ты — конверсионный аналитик лендингов с экспертизой в связке «Директ + лендинг», который готовит ТЗ на посадочную под сегмент локальных услуг с выездом на дом.

Контекст: Продукт — [название продукта и город, средний чек]. Кластеры семантики и группы объявлений лежат тут — [ссылка на выгрузку семантики]. Текущий лендинг — [ссылка на посадочную]. KPI — [целевой CPL и план заявок]. Тип трафика — горячий поиск по услуге. Основные конкуренты — [ссылки на 2-3 лендинга конкурентов].

Задача: Построй карту соответствия «кластер запросов → блок или экран лендинга → оффер», чтобы каждый горячий запрос попадал на релевантный смысловой блок и не терял заявку из-за рассинхрона запрос-оффер.

Формат вывода: (1) Таблица: столбцы «Кластер запросов», «Интент», «Экран/блок», «Заголовок под запрос», «Как проверить релевантность». (2) Список запросов без подходящего блока — что дособрать. (3) Три гипотезы по росту релевантности с метрикой проверки.

Детали: Опирайся на принцип message match и scent-соответствия. Каждую строку свяжи с целью «повысить релевантность запрос-оффер» и отметь возражение, которое снимает блок. Тон технический, для дизайнера. Уровень — рабочее ТЗ на сборку без воды.

Составить бриф-структуру офферов и УТП для копирайтера

Офферы и УТП
Роль: Ты — автор технических заданий на посадочные с экспертизой в копирайтинге под поисковый спрос, готовящий бриф под сегмент B2B-продукта с длинным циклом сделки.

Контекст: Продукт — [название B2B-продукта и суть услуги]. Бриф клиента — [ссылка на бриф]. Анализ спроса и болей ЛПР — [ссылка на выгрузку или заметки]. Тип трафика — тёплый спрос по категории. Платформа сборки и срок — [платформа и дедлайн]. Целевое действие — [заявка/демо/расчёт].

Задача: Собери список офферов и УТП: главный оффер первого экрана, 3-5 поддерживающих УТП и по одному контр-оффру на каждое ключевое возражение ЛПР.

Формат вывода: Бриф-структура для копирайтера — (1) Главный оффер + 3 варианта формулировки. (2) Таблица УТП: «Формулировка», «Доказательство», «Возражение, которое снимает». (3) Блок «Что запрещено обещать» и tone of voice.

Детали: Используй фреймворки 4U и JTBD. Каждое УТП свяжи с целью «снизить стоимость заявки (CPL)» и укажи, какой риск потери заявки оно закрывает. Тон продающий для клиента. Минимум 5 плейсхолдеров оставь в квадратных скобках для замены.

Провести аудит первого экрана и найти утечки конверсии

Аудит экрана
Роль: Ты — Senior-директолог по перформансу с экспертизой в CRO и юзабилити посадочных, который проводит разбор ошибок первого экрана перед перезапуском связки.

Контекст: Лендинг на аудит — [ссылка на посадочную]. Скриншот первого экрана — [ссылка на скрин]. Продукт и средний чек — [продукт, чек, город]. Выгрузка search-запросов и поведения из Метрики — [ссылка на данные Вебвизора/карты кликов]. Тип трафика — РСЯ и look-alike охват. Текущие метрики — [CPL, отказы, конверсия первого экрана].

Задача: Проведи аудит первого экрана: найди, где теряются заявки, разбери ошибки по релевантности, офферу, CTA и доверию, и предложи приоритетные правки.

Формат вывода: Нумерованное ТЗ по экрану — (1) Таблица находок: «Элемент», «Проблема», «Гипотеза причины», «Правка», «Приоритет». (2) Переписанный оффер и CTA. (3) Топ-3 A/B-теста с метрикой успеха.

Детали: Используй эвристики Нильсена и модель внимания (5 секунд теста). Каждую находку свяжи с целью «поднять конверсию первого экрана» и укажи снятое возражение. Тон аналитический с гипотезами. Уровень — максимум с гипотезами и A/B-тестами.

Обучить джуна разбирать ТЗ на квиз и формы захвата

Обучение
Роль: Ты — тимлид отдела контекстной рекламы, который наставнически объясняет джуну, как составлять требования к квизу и формам под сегмент медицинских и стоматологических клиник.

Контекст: Продукт — [название клиники и услуга, средний чек]. Пример брифа клиента — [ссылка на бриф]. Тип трафика — ретаргетинг по брошенным заявкам. Уровень джуна — [что уже умеет, что нет]. Платформа и интеграция — [платформа, CRM]. KPI — [целевой CPL и план заявок].

Задача: Объясни джуну на этом примере, как описывать требования к квизу и формам: логика шагов, порядок вопросов, поля, микрокопия и обработка возражений — чтобы он смог повторить сам.

Формат вывода: Наставнический разбор — (1) Пошаговый чек-лист перед сборкой квиза с пояснением «зачем каждый шаг». (2) Таблица вопросов квиза: «Шаг», «Вопрос», «Зачем», «Типичная ошибка джуна». (3) Мини-задание для самопроверки.

Детали: Разжёвывай термины, приводи «правильно/неправильно». Каждый пункт свяжи с целью «сократить срок запуска связки» и отметь риск потери заявки. Учитывай ограничения рекламы медицины — обязательные дисклеймеры [текст дисклеймера]. Тон наставнический для джуна.

6 правил промтов для ТЗ на лендинг

Как из ChatGPT и Claude выжать рабочее ТЗ на посадочную под Директ, а не воду

🎯

Задай роль senior-директолога

Начни с «Ты — senior-директолог по перформансу с экспертизой связки Директ + лендинг». Роль задаёт глубину: модель мыслит CPL и релевантностью, а не абстрактным дизайном.

📊

Загрузи семантику и KPI

Дай нейросети группы объявлений, топ search-запросов из Метрики, средний чек, целевой CPL и план заявок. Без цифр бюджета и CPL получишь шаблон, а не ТЗ под спрос.

🧩

Требуй вывод по фреймворку AIDA

Проси таблицу блоков по схеме первый экран → оффер → выгоды → отработка возражений → CTA. Формула AIDA + PmPHS держит структуру релевантной запросу пользователя.

🔥

Уточни стадию и тип трафика

Формула: «ТЗ на [блок] под [горячий поиск/РСЯ] для [сегмент], цель — снизить CPL до [X]₽, ограничение — Tilda за 5 дней». Горячий поиск и РСЯ требуют разных офферов.

🔁

Гоняй итерации уточнениями

После первого ответа спроси дословно: «Какое возражение снимает каждый блок и как связан с запросом из семантики?» Так вычистишь блоки, не работающие на конверсию.

⚠️

Не пиши расплывчатую задачу

До: «сделай ТЗ на лендинг натяжных потолков». После: «структура блоков под горячий поиск, оффер под запрос натяжные потолки под ключ, цель CPL до 900₽, тон технический для дизайнера».

Промты для ТЗ на лендинг под контекст

Это готовые текстовые запросы, которые превращают нейросеть в помощника по написанию технических заданий на лендинг под контекстную рекламу. Вы задаёте роль (например, «Senior-директолог по перформансу»), исходник вроде семантики или брифа клиента, тип трафика и цель — снизить CPL или поднять конверсию первого экрана. На выходе ChatGPT или YandexGPT собирает структуру блоков, где каждый пункт связан с поисковым запросом и снимает конкретное возражение. Генератор сам подставляет эти параметры в шаблон, поэтому вам не нужно формулировать всё с нуля. Такой подход экономит часы ручной работы и убирает разрыв между запросом и оффером. Выберите пресет «ТЗ под горячий поиск» и получите каркас за минуту.

Задайте в поле задачи пункт «Прописать ТЗ на первый экран», а исходником укажите группы объявлений или search-запросы из Метрики. Пример структуры промта: «Ты — конверсионный аналитик лендингов. На основе семантики по услуге пропиши требования к первому экрану под горячий поиск, цель — поднять конверсию. По заголовку, подзаголовку, офферу и форме укажи, что разместить и как проверить». ChatGPT вернёт разбор с релевантностью запрос-оффер и вариантами УТП. Добавьте тон «Технический для дизайнера» и формат «Нумерованное ТЗ по экранам», чтобы результат сразу ушёл в работу. Для гипотез включите уровень «Максимум с A/B-тестами». Откройте пресет «Разбор первого экрана» и адаптируйте под свой продукт.

Они ускоряют запуск связки «Директ + лендинг» и снижают риск слить бюджет на нерелевантную посадочную. Вместо того чтобы вручную описывать каждый блок дизайнеру и копирайтеру, вы получаете структурированное ТЗ, где офферы согласованы с семантикой, а формы заточены под целевой CPL. GigaChat или Claude помогает проговорить логику: какой запрос ведёт на экран, какое возражение снимает блок, как измерить результат. Это особенно полезно для локальных услуг с выездом и B2B-продуктов с длинным циклом сделки. Директолог перестаёт зависеть от загруженности маркетолога и держит контроль над воронкой целиком. Меньше правок, быстрее тесты, прозрачнее гипотезы. Соберите первое ТЗ через генератор и оцените, сколько времени это освобождает.

Горячий поиск требует максимальной точности связки запрос-оффер, а РСЯ-охват — цепляющих визуальных офферов и работы с тёплым спросом. Для поиска в генераторе выбирайте тип трафика «Горячий поиск по услуге»: нейросеть выстроит первый экран так, чтобы заголовок дословно отражал запрос, а форма стояла выше сгиба. Для РСЯ ставьте «РСЯ и look-alike охват» — тогда ChatGPT сместит акцент на эмоциональные УТП, квизы и мягкие призывы, ведь пользователь ещё не в активном поиске. Разница видна и в цели: под поиск чаще снижают CPL, под охват — прогревают через контент. Один шаблон промта, два разных результата за счёт параметров. Попробуйте оба пресета и сравните выдачу под свою нишу.

Генератор рассчитан на работу с ChatGPT, Claude, YandexGPT и GigaChat — промты составлены так, чтобы корректно читались любой из этих моделей. Для развёрнутых ТЗ с гипотезами и A/B-тестами удобнее Claude: он хорошо держит длинную структуру и логику блоков. Для быстрых каркасов под горячий поиск подойдёт ChatGPT, а если важна работа с русскоязычной семантикой и локальным контекстом — YandexGPT или GigaChat дают более естественные формулировки офферов. Вы просто копируете готовый промт из генератора и вставляете в выбранную модель, меняя роль, тон и формат вывода под задачу. Другие наборы промтов для контекста ищите в соседних разделах каталога сайта. Выберите модель, скопируйте промт и запустите сборку ТЗ уже сегодня.