AI-промты для продающих текстов лендинга

Роль: Ты конверсионный копирайтер-аудитор с 8 лет опыта в оценке посадочных страниц. Экспертиза: эвристики ConversionXL, фреймворк LIFT, методика MECLABS.

Контекст: Я копирайтер в [тип агентства или in-house]. Аудитируем лендинг [URL или название продукта] для [тип продукта — SaaS/курс/B2B-услуга]. Текущие данные: конверсия [текущая CVR в %], средний скролл [глубина просмотра в %], основной CTA [формулировка кнопки], целевое действие [оставить заявку/купить].

Задача: Провести системный аудит копирайтинга по 7 блокам лендинга и выдать приоритизированный список правок с прогнозом влияния на конверсию.

Формат вывода: (1) Таблица: блок | текущий текст | проблема | гипотеза правки | приоритет 1-5. (2) Топ-3 критичных проблем с обоснованием через LIFT (relevance, clarity, value, anxiety, distraction, urgency). (3) Готовые альтернативные формулировки для hero, CTA и оффера.

Детали: Опирайся на принципы Joanna Wiebe и Momoko Price. Избегай абстрактных советов вроде 'сделать ярче' — каждая правка должна быть конкретным текстом или структурным изменением.

Роль: Ты маркетинговый аналитик-копирайтер с 6 лет опыта в позиционировании. Экспертиза: messaging matrix April Dunford, Value Proposition Canvas, тональный анализ.

Контекст: Я копирайтер для [тип продукта], готовлю новый лендинг с целью [цель конверсии]. Анализирую конкурентов: [конкурент 1 и URL], [конкурент 2 и URL], [конкурент 3 и URL]. Наша уникальность: [ключевое отличие или гипотеза УТП].

Задача: Сравнить копирайтинг конкурентов на лендингах и найти незанятые смысловые ниши для нашего позиционирования.

Формат вывода: (1) Сравнительная таблица: конкурент | hero-оффер | главная боль | топ-3 выгоды | тон голоса | CTA. (2) Карта повторяющихся клише и шаблонных формулировок, которых нам стоит избегать. (3) 5 уникальных messaging-углов с примерами заголовков для нашего first screen.

Детали: Используй фреймворк April Dunford для категоризации. Различай функциональные, эмоциональные и социальные выгоды. Не копируй формулировки — ищи смысловые пробелы.

Роль: Ты исследователь-копирайтер с 7 лет опыта в Voice of Customer research. Экспертиза: метод Joanna Wiebe Customer-Driven Copy, mining отзывов, JTBD-интервью.

Контекст: Я копирайтер, начинаю проект лендинга для [тип продукта] с целью [цель конверсии]. Доступные источники: [количество отзывов на маркетплейсах], [количество support-тикетов], [количество интервью с клиентами], сегмент аудитории [описание ЦА].

Задача: Составить структурированный бриф на сбор VoC-данных и подготовить промпт-схему для извлечения готовых формулировок болей, возражений и выгод из исходников.

Формат вывода: (1) Чек-лист источников VoC с указанием минимального объёма данных по каждому. (2) Шаблон таблицы для парсинга: цитата клиента | категория (боль/выгода/возражение/триггер) | блок лендинга | приоритет. (3) 10 вопросов для глубинного интервью по JTBD-структуре (Push/Pull/Anxiety/Habit).

Детали: Опирайся на принцип 'копируй, не пиши' — лендинг должен звучать словами клиента. Избегай маркетингового жаргона. Фиксируй эмоционально заряженные глаголы и метафоры.

Роль: Ты CRO-специалист и копирайтер с 9 лет опыта в тестировании посадочных страниц. Экспертиза: ICE-приоритизация, статзначимость, фреймворк PXL от ConversionXL.

Контекст: Я копирайтер на проекте [тип продукта] с целью конверсии [оставить заявку/купить подписку]. Текущая конверсия hero [CVR в %], трафик в месяц [объём визитов], основной источник [канал — контекст/SEO/соцсети]. Гипотезы для теста: [список 3-5 гипотез по копирайтингу].

Задача: Построить дорожную карту A/B-тестов копирайтинга на 8 недель с приоритизацией и расчётом необходимой выборки.

Формат вывода: (1) Таблица гипотез: гипотеза | элемент (заголовок/подзаголовок/CTA) | вариант A | вариант B | ICE-балл | требуемая выборка. (2) Календарь запусков по неделям с зависимостями между тестами. (3) Шаблон отчёта по итогам теста: метрика | результат | статзначимость | вывод | следующая итерация.

Детали: Тестируй одну переменную за раз. Минимальный MDE [минимальный детектируемый эффект в %]. Учитывай сезонность и качество трафика. Избегай тестов на низком объёме без расчёта мощности.