CRM-маркетолог в e-commerce
ЗадачаRFM-сегменты вручную собираю по 4 часа на каждую выгрузку
С генераторомПолучайте готовый RFM-разрез базы с правилами в одном промте
Настройте метод и цель — получите промт для нарезки базы под рассылку
Выберите метод сегментации и тип кампании — соберём промт под вашу email-стратегию
Заполните поля, и они подставятся в промт.
Текст можно поправить прямо здесь перед копированием
Email-маркетолог тратит часы на ручную нарезку базы: выгрузка из CRM, сверка открытий, поиск спящих и лояльных — и к моменту запуска рассылки сегменты уже устаревают. Промты для сегментации базы подписчиков превращают эту рутину в диалог с нейросетью: ChatGPT или Claude за минуты собирают логику RFM-анализа, поведенческой сегментации по истории открытий и кликов, а также сегментации по жизненному циклу для welcome-цепочки или реактивации спящих. Укажите источник данных и бизнес-цель — рост open rate, снижение unsubscribe или увеличение LTV — и получите промт, который учитывает события из CRM и CDP, средний чек и ответы из welcome-опросов. Бесплатный генератор снимает большую часть копирайтинга и подготовки ТЗ для AI, оставляя вам стратегию и креатив. Заполните форму и получите промт, оптимизированный под вашу задачу — для ChatGPT, Claude или любой другой нейросети.
Чтобы нейросеть помогала продавать, нужна понятная воронка и каналы привлечения — этому учим на онлайн-курсе интернет-маркетинга.

Укажите Роль AI, Метод сегментации и Источник данных — промт подстроится под вашу бизнес-цель.
Задайте тон коммуникации и формат: например, аналитический тон и таблица RFM-сегментов для рассылки.
Заполните поля Продукт, База и ESP-платформа (Mindbox, Klaviyo) — промт учтёт open rate и долю спящих.
Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите готовые сегменты и сценарии писем.
Генератор помогает CRM-маркетологам, retention-стратегам и email-аналитикам сегментировать базу в ChatGPT и Claude
ЗадачаRFM-сегменты вручную собираю по 4 часа на каждую выгрузку
С генераторомПолучайте готовый RFM-разрез базы с правилами в одном промте
ЗадачаНе знаю, как разметить спящих и описать триггеры реактивации
С генераторомСтройте карту жизненного цикла и сценарии анти-churn за сессию
ЗадачаOpen rate падает: одна массовая рассылка не бьёт в 6 аудиторий
С генераторомДелите базу на поведенческие группы и растите open rate и CTR
ЗадачаГипотезы по сегментам теряются: формулирую SQL-срезы по наитию
С генераторомФормулируйте гипотезы сегментов и SQL-логику под CDP за 10 минут
Промты дополняют генератор смежными задачами по сегментации. Скопируйте, замените данные в [скобках] и вставьте в ChatGPT, Claude, YandexGPT или GigaChat.
Роль: Ты Head of CRM с 7 лет опыта в email-маркетинге и retention. Экспертиза: RFM-анализ, Mindbox, Customer.io, когортный анализ. Контекст: Я email-маркетолог в [тип бизнеса — e-commerce/SaaS/медиа]. Текущая база: [размер базы] подписчиков, [количество активных сегментов] сегментов. Средний open rate: [open rate %], CTR: [CTR %], unsubscribe rate: [unsub %]. Используем ESP: [название платформы]. Источники данных: [CRM/CDP/аналитика сайта]. Задача: Провести аудит существующей сегментации, найти дубли, «мёртвые» сегменты и непокрытые зоны базы, предложить целевую карту сегментов. Формат вывода: (1) Таблица текущих сегментов: название, размер, критерии, open rate, CTR, вердикт (оставить/объединить/удалить). (2) Список пробелов — какие аудитории не охвачены сегментацией и почему это теряет деньги. (3) Целевая карта из 8-12 сегментов с критериями и приоритетом внедрения. Детали: Опирайся на RFM и lifecycle-логику. Избегай сегментов меньше 1% базы без бизнес-обоснования. Учитывай GDPR и закон о персональных данных.
Роль: Ты Lifecycle-маркетолог с 5 лет опыта в email и CRM-коммуникациях. Экспертиза: JTBD, контент-матрицы, персонализация на основе поведенческих триггеров. Контекст: Я email-маркетолог в [ниша/продукт]. Ключевые сегменты: [сегмент 1 — например, новички до 30 дней], [сегмент 2 — активные покупатели], [сегмент 3 — спящие 90+ дней]. Средний чек: [средний чек], частота покупок: [частота]. Продуктовая линейка: [категории товаров/услуг]. Задача: Разработать контент-матрицу писем на квартал под каждый сегмент с привязкой к стадии жизненного цикла и бизнес-цели. Формат вывода: (1) Матрица сегмент × тип контента (образовательный, продуктовый, социальное доказательство, оффер). (2) Календарь на 12 недель: сегмент, тема, тип, CTA, ожидаемая метрика. (3) Гипотезы для A/B-тестов по 3 самым ценным сегментам. Детали: Используй JTBD для каждого сегмента. Избегай одинакового оффера во всех письмах. Учитывай частотный cap не более [N писем в неделю].
Роль: Ты Retention-стратег с 6 лет опыта в email-маркетинге и конкурентном анализе. Экспертиза: teardown рассылок, SWOT, бенчмаркинг метрик по индустриям. Контекст: Я email-маркетолог в [индустрия]. Прямые конкуренты: [конкурент 1], [конкурент 2], [конкурент 3]. Моя текущая open rate: [open rate %], индустриальный бенчмарк: [бенчмарк %]. Подписан на рассылки конкурентов [N месяцев], собрано [количество писем] образцов. Задача: Сделать teardown сегментационных подходов конкурентов и сформулировать, где моя стратегия проигрывает и какие практики внедрить. Формат вывода: (1) Таблица по конкурентам: предполагаемые сегменты, тип триггеров, частота, уровень персонализации, сила CTA. (2) SWOT моей сегментации против рынка. (3) Топ-5 практик к внедрению с оценкой усилий и ожидаемого влияния на [целевая метрика]. Детали: Опирайся на видимые признаки — время отправки, персонализация subject, поведенческие триггеры. Не выдумывай данные, отмечай гипотезы явно.
Роль: Ты Data-аналитик email-канала с 4 лет опыта на стыке CRM и BI. Экспертиза: SQL, dbt, схемы данных CDP, маппинг событий под маркетинговые сценарии. Контекст: Я email-маркетолог в [тип компании]. Хранилище: [Snowflake/BigQuery/ClickHouse]. Источники: [CRM-система], [CDP-платформа], [продуктовая аналитика]. Планирую запустить [тип кампании — реактивация/welcome/анти-churn] на сегменте [описание сегмента]. Задача: Составить технический бриф для data-команды с перечнем таблиц, полей, условий и метрик, нужных для сборки сегмента и последующей оценки кампании. Формат вывода: (1) Список таблиц и полей с описанием источника и обновляемости. (2) Логика сегмента в виде псевдо-SQL с условиями фильтрации. (3) Чек-лист метрик до/после запуска: контрольная группа, baseline, целевой uplift по [ключевая метрика]. Детали: Учитывай GDPR и согласия на маркетинг. Избегай полей с PII без хеширования. Предусмотри ежедневное обновление сегмента и fallback при отсутствии данных.
Используйте эти правила, чтобы получать точные сегменты подписчиков в ChatGPT и Claude для email-кампаний
Вместо «Ты маркетолог» укажите: «Ты CRM-аналитик с 7-летним опытом сегментации баз в Mailchimp и Klaviyo для e-commerce». ИИ сразу подключит RFM и когортный анализ.
Дайте ИИ Open Rate, CTR, LTV, давность последней покупки и частоту. Пример: «База 50k, средний OR 22%, CTR 3.1%, churn 8%». Без цифр сегменты будут абстрактными.
Просите вывод в формате RFM-сегментов (Recency, Frequency, Monetary) с таблицей: название сегмента, размер %, триггер, тема письма. Так результат сразу готов к запуску в ESP.
Подписчики на welcome-цепочке, активные, спящие 90+ дней и churned требуют разной логики. Шаблон: «Сегментируй для [стадия lifecycle] с целью [reactivation/upsell/winback]».
После первого ответа углубляйтесь: «Разбей VIP-сегмент по предпочитаемым категориям товаров» или «Добавь микросегмент брошенных корзин выше 5000 руб за 14 дней».
До: «Раздели базу на активных и неактивных». После: «Сегментируй 30k подписчиков по RFM: VIP (R<30д, F>5), спящие (R>90д), новички (подписка <14д), укажи CTA для каждого».
Если клиенты уже приходят из рекламы, следующий шаг это бесплатный трафик из поиска. Как мы его выстраиваем, описали на странице «Продвижение по трафику».
Промты для сегментации базы подписчиков — это структурированные инструкции, которые помогают нейросети разбить email-аудиторию на однородные группы по поведению, LTV или жизненному циклу. В ChatGPT такой промт задаёт роль CRM-маркетолога, описывает источник данных (история открытий, события CRM, средний чек) и требует выдать правила сегментации по методу RFM, поведенческой или lifecycle-модели. На выходе вы получаете готовые сегменты вида 'Champions', 'At Risk', 'Lost', критерии отбора и рекомендации по коммуникации. Бесплатный генератор GUSAROV собирает такой промт за 30 секунд под ваши поля и метрики. Скопируйте готовый промт и вставьте в ChatGPT или Claude — сегменты будут в первом ответе.
Чтобы построить RFM-анализ через ChatGPT, задайте нейросети роль Data-аналитика email-канала и передайте выгрузку с полями user_id, дата последней покупки (Recency), число заказов за 12 месяцев (Frequency) и сумма покупок (Monetary). В промте попросите разбить базу на 5 квантилей по каждому измерению, присвоить RFM-код от 111 до 555 и сгруппировать в 8–11 сегментов: Champions, Loyal, Potential Loyalists, At Risk, Hibernating, Lost. Дополнительно укажите цель — рост LTV или реактивация. ChatGPT вернёт SQL-запрос, таблицу с порогами и сценарии писем под каждый сегмент. Попробуйте готовый шаблон из генератора GUSAROV — он уже учитывает типичные бенчмарки e-commerce.
Email-маркетологу генератор промтов экономит 4–6 часов на каждой кампании и повышает open rate на 20–40% за счёт точной сегментации. Вместо ручной настройки условий в ESP вы получаете готовый промт, который описывает роль Head of Email, метод (RFM, поведенческая, lifecycle, по источнику подписки), источник данных и бизнес-цель — снижение unsubscribe, рост CTR или реактивацию спящих. Нейросеть возвращает структурированные сегменты, триггеры и темы писем под Welcome-цепочку, анти-churn или кросс-сейл. Это особенно полезно, когда у вас нет штатного аналитика, а база выросла до 50–500 тысяч контактов. Используйте бесплатный генератор GUSAROV и получите рабочий промт для ChatGPT или YandexGPT за минуту.
Промты для RFM-сегментации работают с транзакционными данными — датой покупки, частотой и суммой заказов — и делят базу на денежные сегменты для роста LTV. Промты для поведенческой сегментации опираются на события из CRM и CDP: открытия, клики, просмотры карточек, добавления в корзину, время на сайте — и группируют подписчиков по интересам и стадии воронки. В Claude RFM-промт требует чётких порогов и квантилей, а поведенческий — описания ивентов и сценариев Welcome-цепочки или анти-churn перед отпиской. Первый хорош для e-commerce и апсейла, второй — для контентных рассылок и реактивации неактивной базы. Вставьте оба промта из генератора в Claude и сравните сегменты на своей выгрузке.
Промты из генератора GUSAROV работают во всех популярных нейросетях: ChatGPT (GPT-4o и o1), Claude 3.5 Sonnet, Gemini 1.5 Pro, YandexGPT 4 и GigaChat MAX. Для объёмных выгрузок свыше 10 тысяч строк лучше Claude и Gemini — у них контекст до 200k токенов. Для русскоязычных клиентских баз с персональными данными выбирайте YandexGPT или GigaChat: они хостятся в РФ и соответствуют 152-ФЗ. ChatGPT оптимален для быстрой генерации сегментов RFM и lifecycle, а также скриптов писем под Welcome-цепочку или кросс-сейл. Скопируйте промт один раз и вставьте в любую из этих нейросетей — формулировки адаптированы под универсальный синтаксис.
Попробуйте наши другие генераторы
Новое на сайте
Статьи
Мы используем файлы cookie, чтобы сайт работал стабильно, а мы понимали, чем он полезен посетителям. Продолжая пользоваться сайтом, вы соглашаетесь с этим. Подробнее