Разбор целевой аудитории для маркетолога
Задайте параметры → получите промт для портретов и болей ЦА
- Собирает карту болей и возражений под конкретный оффер
- Превращает CRM-выгрузку и интервью в готовые портреты сегментов
- Связывает каждый инсайт с метрикой CAC или LTV
Конструктор промта под анализ ЦА
Выберите Задачу, Источник данных и Акцент — остальное соберётся под вашу бизнес-цель
Ваш промт появится здесь
Выберите параметры слева — промт обновится автоматически
Выгрузка из CRM лежит в экспорте на тысячи строк, транскрипты интервью — в отдельной папке, а на сборку внятных карточек персон под лендинг уходит день, и половина времени утекает на переписывание одних и тех же формулировок болей и возражений. Промты снимают эту рутину: опишите задачу «Построить портреты сегментов и персон» на источнике «Выгрузка из CRM и история сделок», и ChatGPT разложит мотивацию по модели JTBD, соберёт карту болей и вытащит язык самих клиентов из отзывов. В генераторе задаёте параметры по шагам — укажите Горизонт и Акцент (например, «Критерии выбора и сравнения»), выберите сегмент и формат вывода, и получите готовый промт под свою цель, хоть снизить CAC, хоть усилить позиционирование. Claude вернёт таблицу сегментов или бриф для копирайтера, а не абстрактный пересказ. В итоге вы спорите с данными, а не с пустой страницей, и быстрее доносите инсайты до команды. Соберите первый разбор прямо сейчас.
Как собрать промт для анализа аудитории
Выберите базовые параметры
Задайте «Роль AI», «Задача» и «Источник данных» — например, Аналитик customer insights, Построить портреты сегментов, Выгрузка из CRM и история
Настройте тон и формат вывода
Добавьте акцент, тон, формат и детальность. Пример: Эмпатичный к клиенту + Карточки персон + Рабочий разбор под цель Поднять конверсию.
Впишите продукт и контекст
Заполните «Продукт», «Контекст» и «Известный сегмент» — это привязывает выводы к вашему офферу, нише и среднему чеку.
Скопируйте промт и запустите
Скопируйте готовый промт в ChatGPT или Claude — на выходе получите карточки персон с болями, языком клиента и шагами маркетолога.
Кому помогает разбор аудитории из CRM
Маркетологам, аналитикам, таргетологам и фаундерам, собирающим портреты сегментов и карты болей.
Перформанс-маркетолог в агентстве
Лью трафик на широкую, а CAC растёт — не понимаю, кому именно продаю.
Собери сегменты из CRM и сузь таргет под тех, кто реально покупает.
Маркетолог-инхаус на лендинге
Пишу про выгоды, а конверсия не растёт — говорю не на языке клиента.
Вытащи боли и формулировки из интервью и вставь их прямо в заголовки.
Фаундер-одиночка в поиске оффера
Чувствую, что ниша есть, но не вижу, за что люди готовы платить.
Разложи мотивацию по JTBD и найди недообслуженный сегмент под новый оффер.
Джуниор-аналитик customer insights
Данных гора, а превратить их в карточки персон для команды не умею.
Преврати выгрузку в готовые портреты и бриф, понятный копирайтеру.
4 промта для разбора целевой аудитории
Готовые промты для ChatGPT или Claude: скопируй, замени текст в квадратных скобках своими данными и запусти.
Проверить портреты персон на соответствие реальным данным CRM
Аудит персонРоль: Ты — стратег по аудиторным исследованиям, который сверяет маркетинговые гипотезы с фактами из данных. Твоя сильная сторона — ловить расхождения между тем, что команда придумала о клиенте, и тем, что реально показывают цифры. Контекст: Компания [название компании] в нише [ниша], средний чек [сумма среднего чека]. У нас есть набор карточек персон, собранных полгода назад: [ссылка на документ с персонами]. За это время накопилась свежая выгрузка сделок: [ссылка на выгрузку CRM]. Подозреваем, что часть персон устарела или была выдумана без опоры на данные. Задача: Проведи аудит текущих карточек персон. Для каждой персоны сопоставь заявленные характеристики (возраст, доход, мотивация, канал) с тем, что видно в выгрузке. Отметь, что подтверждается, что противоречит данным, а что невозможно проверить. Не додумывай факты, которых в данных нет — честно помечай пробелы. Формат вывода: (1) Таблица «персона → утверждение → статус (подтверждено / противоречит / нет данных) → доказательство из выгрузки». (2) Топ-3 самых опасных расхождения с пояснением, чем они грозят кампаниям. (3) Список персон, которые стоит убрать или пересобрать. Детали: Используй принцип «сначала данные, потом вывод». Каждое противоречие подкрепляй конкретной цифрой или сегментом из выгрузки. Тон аналитический. Объём разбора — рабочий, без воды, но с доказательствами.
Собрать карту возражений из транскриптов отдела продаж
Карта возраженийРоль: Ты — методолог JTBD-интервью, который превращает живую речь клиентов в структуру возражений. Ты слышишь за фразой «я подумаю» настоящую причину отказа. Контекст: Продукт — [название продукта] за [цена]. Собрали транскрипты звонков отдела продаж за последний квартал: [ссылка на транскрипты]. Работаем с сегментом [описание сегмента]. Задача — не продать красивее, а понять, где клиент реально спотыкается перед покупкой. Задача: Разложи все возражения и сомнения из транскриптов по категориям (цена, доверие, сроки, компетенции, внутреннее согласование). Для каждого возражения приведи минимум одну дословную цитату клиента и укажи, на каком этапе разговора оно возникает. Формат вывода: (1) Карта возражений: категория → частота → дословные формулировки клиентов → этап воронки. (2) Для каждой категории — рабочий контраргумент на языке клиента, а не на языке компании. (3) Три возражения, которые чаще всего остаются без ответа менеджера. Детали: Опирайся на модель «барьер → эмоция → рациональное объяснение». Цитаты не переписывай гладко — сохраняй речь как есть. Избегай общих советов вроде «работайте с возражениями»: каждый пункт должен быть привязан к конкретной фразе из [ссылка на транскрипты]. Следующий шаг маркетолога формулируй одним предложением под каждую категорию.
Разобрать провал рекламной кампании через данные сегментов
Разбор ошибокРоль: Ты — исследователь поведения покупателей, который проводит посмертный разбор маркетинговых провалов. Ты не ищешь виноватых — ты ищешь, какое предположение об аудитории оказалось ложным. Контекст: Компания [название компании] запустила кампанию [название кампании] на сегмент [целевой сегмент] с оффером [описание оффера]. Результат оказался ниже плана: [ключевая метрика и факт провала]. Есть аналитика по кликам, заявкам и сделкам: [ссылка на аналитику]. Нужно понять, почему аудитория не отреагировала так, как мы ожидали. Задача: Проведи разбор ошибок кампании через призму аудитории. Восстанови цепочку: какое предположение о сегменте мы заложили → что показали данные на каждом шаге воронки → где именно случился разрыв между ожиданием и поведением. Формат вывода: (1) Таблица «этап воронки → ожидали → получили → вероятная причина». (2) Три ложных допущения о сегменте, которые привели к провалу, с опорой на цифры. (3) Список гипотез для следующего теста, отсортированный по потенциальному эффекту. Детали: Используй логику «гипотеза → данные → вывод», разделяя факты и интерпретации. Не сваливай всё на «плохой креатив» — ищи причину в несовпадении с реальной аудиторией. Тон деловой, пригодный для отчёта руководству. Каждую гипотезу сопровождай измеримым критерием успеха.
Объяснить команде модель JTBD на примере своего продукта
Обучение командыРоль: Ты — наставник по customer insights, который умеет объяснять исследовательские модели простым языком. Твоя цель — чтобы после разбора команда начала применять подход сама, а не кивала и забывала. Контекст: Я провожу обучение внутри команды [название компании], где работают [состав команды: например, два таргетолога и копирайтер]. Продукт — [название продукта] для сегмента [описание сегмента]. Многие в команде путают JTBD с демографическим портретом и описывают клиента через возраст и пол вместо его задачи. Задача: Объясни команде модель Jobs To Be Done на примере нашего продукта. Покажи разницу между «кто клиент» и «какую работу он нанимает продукт выполнить». Разбери одну реальную ситуацию покупки по формуле «когда … я хочу … чтобы …». Формат вывода: (1) Короткое объяснение JTBD в 3-4 предложениях без терминов-жаргона. (2) Таблица «демографический подход vs JTBD-подход» на примере нашего продукта. (3) Три тренировочных задания для команды с примером правильного ответа. (4) Чек-лист из 5 пунктов «как проверить, что мы описали задачу, а не портрет». Детали: Пиши как тренер, который ведёт за руку: приводи примеры, задавай наводящие вопросы. Избегай академичности. Все примеры привязывай к [название продукта] и [описание сегмента], чтобы команда узнавала свою работу. В конце дай одно задание на дом.
6 приёмов для разбора аудитории в AI
Как получить от ChatGPT и Claude рабочие портреты сегментов, а не воду про «ЦА 25-45».
Назначь роль стратега insights
Начни с «Ты — методолог JTBD-интервью, работающий с сегментом фрилансеров». Роль задаёт глубину: аналитик customer insights копает мотивацию, а не демографию.
Загрузи метрики из CRM
Дай выгрузку с полями: средний чек, LTV, CAC, частота повторных сделок, этап воронки и причина отказа. Без этих цифр AI придумает портрет из головы.
Задай фреймворк вывода
Попроси карточки персон по JTBD: функциональная, социальная и эмоциональная задача + боли и критерии выбора. Или карту возражений в таблице сегмент × барьер.
Уточни стадию и контекст
Формула: «Продукт [что, цена], сегмент [кто], горизонт [период данных], цель [снизить CAC / поднять LTV], акцент на [боли / язык клиента]».
Прогоняй выводы итерациями
После первого ответа уточни: «Переформулируй боли дословно словами клиентов из отзывов и добавь по каждому сегменту гипотезу для A/B-теста лендинга».
Убери выдуманные факты
До: «Аудитория ценит качество и экономит время». После: «По 40 транскриптам интервью боль №1 — страх слить бюджет на таргет без результата».
FAQ: промты для анализа аудитории
Это структурированные запросы к нейросети, которые превращают сырые данные о клиентах в понятные сегменты и карточки персон. В генераторе вы собираете промт из полей: выбираете роль AI (например «Специалист по сегментации CRM-базы»), задачу, источник данных, горизонт и бизнес-цель. На выходе получаете готовый текст, который вставляете в ChatGPT, Claude или GigaChat. Нейросеть опирается только на ваши данные — выгрузку CRM, транскрипты интервью или отзывы — и не выдумывает факты. Акцент (focus_aspect) задаёт угол разбора: эмоциональные триггеры, критерии выбора или барьеры к покупке. Это экономит часы ручной аналитики и даёт воспроизводимый результат. Соберите первый промт в генераторе и проверьте его на своей базе прямо сейчас.
Используйте пресет «🎯 Портреты сегментов из CRM» — он подставит роль, задачу и формат автоматически. В поле источника выберите «Выгрузка из CRM и история сделок», задачу — «Построить портреты сегментов и персон», формат вывода — «Карточки персон». В ручные поля впишите продукт и известный сегмент, чтобы ChatGPT понимал контекст. Горизонт поставьте «Полный год продаж» для устойчивых закономерностей. Готовый промт просит нейросеть связать каждое наблюдение с бизнес-целью и назвать следующий шаг маркетолога. Скопируйте результат в ChatGPT или YandexGPT, приложив обезличенную таблицу сделок. Уровень детальности «Рабочий разбор» даёт баланс глубины и скорости. Откройте пресет, заполните два-три поля и получите черновик персон за минуту.
Он напрямую влияет на деньги: точные сегменты снижают CAC в платных каналах и поднимают конверсию посадочных. Когда вы видите реальные боли и язык клиента, а не догадки, тексты лендингов и объявлений попадают в запрос. Генератор позволяет выбрать бизнес-цель — от «Увеличить LTV через допродажи» до «Найти нишу для нового оффера» — и нейросеть фокусирует выводы именно на ней. Claude или GigaChat структурируют хаос отзывов и интервью в таблицу сегментов, приоритизированную по ценности. Это ускоряет подготовку брифов для копирайтеров и гипотез для A/B-тестов. Вместо недели опросов вы получаете рабочую карту за один заход. Выберите свою бизнес-цель в генераторе и соберите разбор под конкретную задачу.
Зависит от того, какой вопрос вы закрываете. Портреты из CRM отвечают «кто покупает»: они опираются на фактические сделки, суммы и частоту, дают измеримые сегменты для медиапланирования. Карта болей из интервью отвечает «почему покупают или нет»: транскрипты глубинных бесед раскрывают эмоции, возражения и формулировки, которые невозможно вытащить из цифр. Для запуска платного трафика берите CRM-портреты и цель «Снизить CAC». Для переписывания лендинга — пресет «💬 Боли из интервью под лендинг» с акцентом на возражения. Идеально сочетать оба: сначала сегментируйте базу, затем углубляйте приоритетный сегмент интервью. Любой из подходов нейросеть вроде ChatGPT обработает по вашему шаблону. Сравните оба пресета в генераторе и решите, с чего начать.
Промты из генератора работают в ChatGPT, Claude, YandexGPT и GigaChat — шаблон универсален, вставляется в любую из них. ChatGPT силён в структурировании и JTBD-разборе, хорошо держит длинные транскрипты интервью. Claude аккуратнее работает с большими выгрузками и нюансами тона, полезен для эмпатичных карточек персон. YandexGPT и GigaChat удобны, когда данные и аудитория русскоязычные, а приоритет — хранение внутри российского контура. Поле «Тон» и «Уровень детальности» одинаково влияют на все модели: «Аналитический по данным» плюс «Глубокое исследование» дадут развёрнутый отчёт. Если нужна помощь с настройкой под конкретную модель, загляните в раздел с гайдами по промтингу на сайте. Выберите удобную нейросеть и протестируйте один и тот же промт в двух из них.