AI-промты для анализа воронки продаж на сайте
Настройте этап воронки и метод — получите промт для поиска утечек
- Находит точки drop-off на каждом шаге воронки
- Готовые гипотезы для A/B-тестов с оценкой ICE
- Связывает выводы с CAC, LTV и средним чеком
Конструктор промтов для разбора воронки
Выберите этап воронки, источник данных и бизнес-цель — соберите промт под вашу задачу
Ваш промт появится здесь
Выберите параметры слева — промт обновится автоматически
Анализ воронки продаж на сайте превращается в марафон: веб-аналитик собирает данные из GA4, BigQuery и Яндекс.Метрики, строит fallout-отчёты и тратит день на то, чтобы сформулировать гипотезы по drop-off в корзине. Готовые промты для ChatGPT и Claude ускоряют эту рутину — можно за минуты запросить когортный анализ, path analysis по событиям или сегментный drill-down по платному трафику. Укажите этап воронки и метод анализа — генератор соберёт промт, который нейросеть превратит в структуру разбора с конкретными метриками и выводами. Бесплатные шаблоны снимают большую часть подготовительной работы: формулировки, чек-листы гипотез, структура отчёта по A/B-тесту и атрибуции источников — всё готово к копированию. Заполните форму и получите промт, оптимизированный под вашу задачу: от роста конверсии в заказ до снижения CAC и увеличения LTV повторных покупок через ChatGPT, Claude или любую AI-модель.
Промты для анализа воронки: инструкция
Выберите этап воронки и метод
Задайте поля 'Этап воронки', 'Метод анализа' и 'Источник данных' — промт соберётся под вашу задачу аналитики.
Настройте тон и формат вывода
Укажите аналитический тон и формат 'таблица гипотез'. Например: экспертный тон плюс пошаговый разбор метрик CR.
Впишите метрики и гипотезы
Заполните 'Текущие метрики' и 'Гипотезы и проблемы' — ИИ учтёт ваши CR, отказы и даст точные рекомендации.
Скопируйте промт в нейросеть
Нажмите копировать и вставьте промт в ChatGPT или Claude — получите готовый разбор воронки с выводами.
Для кого промты по анализу воронки
Генератор помогает аналитикам, CRO-стратегам, продактам и маркетологам разбирать воронку в ChatGPT и Claude
Junior веб-аналитик в e-commerce
Вожусь с отчётом GA4 по воронке по 3 дня и путаюсь в шагах
Получайте структуру fallout-отчёта по шагам воронки за 5 минут
Senior CRO-стратег в ритейле
На каждую гипотезу для A/B-теста корзины уходит полдня аргументации
Формулируйте 10 гипотез снижения drop-off корзины за одну сессию
Product-аналитик SaaS-продукта
Когортный анализ в Amplitude пишу руками и забываю про сегменты
Собирайте промт для когорт и drill-down по событиям в 1 клик
Performance-маркетолог платного трафика
Не понимаю, где теряю деньги между кликом и заказом на сайте
Разбирайте путь платного трафика по шагам воронки и снижайте CAC
Ещё промты для анализа воронки продаж
Промты дополняют генератор смежными задачами по воронке. Замените данные в [скобках] и вставьте в ChatGPT или Claude.
Аудит качества разметки событий воронки в GA4 и Amplitude
Аудит разметкиРоль: Ты Senior веб-аналитик с 7 лет опыта в настройке продуктовой аналитики e-commerce. Экспертиза: GA4 DebugView, GTM, Amplitude Taxonomy, событийная модель по методологии Avinash Kaushik. Контекст: Я [моя роль] в [тип бизнеса и ниша]. Сайт: [URL и стек CMS]. Текущая таксономия событий воронки: [список ключевых событий с параметрами]. Подозрения на проблемы: [что не сходится в отчётах], [расхождение GA4 vs CRM в %]. Задача: Провести аудит разметки событий всех шагов воронки — от первого визита до повторной покупки — и выявить пробелы, дубли и несоответствия naming convention. Формат вывода: (1) Таблица событий: name, trigger, параметры, статус (OK/Fix/Missing), критичность. (2) Топ-5 критичных проблем с примером влияния на метрики drop-off. (3) План фиксов на 2 недели с ответственными и приоритетом P0/P1/P2. Детали: Опирайся на гайдлайны GA4 Enhanced Ecommerce и Amplitude Data Taxonomy Playbook. Не предлагай переразметку всего — только минимально достаточные правки. Учитывай ограничения [cookie-баннер и Consent Mode].
Бенчмарк конверсий воронки против конкурентов в нише
БенчмаркингРоль: Ты Head of Analytics с 10 лет опыта в competitive intelligence для retail и DTC-брендов. Экспертиза: SimilarWeb, Statista, отраслевые отчёты Baymard Institute, нормализация метрик. Контекст: Я [моя роль] в [компания и ниша]. Наши показатели за [период]: CR сайта [значение %], drop-off корзины [значение %], AOV [значение], [доля мобильного трафика %]. Конкуренты для сравнения: [3-5 брендов]. Задача: Собрать бенчмарк ключевых метрик воронки, сопоставить с нашими и определить, где мы отстаём сильнее всего относительно рынка. Формат вывода: (1) Сравнительная таблица: метрика, мы, медиана ниши, лидер, gap в п.п. (2) Три зоны отставания с гипотезами причин и ссылкой на источник бенчмарка. (3) Приоритизированный список из 5 направлений улучшений по методу ICE (Impact, Confidence, Ease). Детали: Используй публичные отчёты Baymard (69.99% cart abandonment avg), Statista, Data.ai. Не выдумывай цифры — если нет данных, честно помечай 'N/A' и предлагай способ их получить.
Скрипт проблемных интервью с пользователями, бросившими корзину
CustDevРоль: Ты UX-исследователь с 6 лет опыта в qualitative research для e-commerce. Экспертиза: методология Mom Test Роба Фитцпатрика, JTBD-интервью, сегментация по Jobs. Контекст: Я веб-аналитик в [тип компании]. Продукт: [описание и сегмент]. Проблема из данных: drop-off на шаге [название шага воронки] составляет [значение %], Hotjar-записи показывают [наблюдаемое поведение]. Цель исследования: понять барьеры живых пользователей, а не гипотезы команды. Задача: Составить гайд для 30-минутного интервью с 8 пользователями, которые добавили товар в корзину, но не завершили заказ за [период]. Формат вывода: (1) Вводный блок и правила Mom Test (2-3 фразы интервьюера). (2) 12 открытых вопросов по блокам: прошлый опыт, момент решения, барьеры, альтернативы. (3) Чек-лист того, что НЕ спрашивать (гипотетика, фичи, комплименты). Детали: Опирайся на Mom Test — вопросы про прошлое поведение, а не мнения. Не больше 3 вопросов про будущее. Учитывай специфику [мобильного или десктоп сценария].
Онбординг нового аналитика в работу с воронкой продукта
ОнбордингРоль: Ты Head of Analytics с опытом найма и развития команд из 15+ аналитиков. Экспертиза: T-shaped skills framework, построение learning path, ментворинг. Контекст: Я руководитель аналитики в [тип компании]. В команду выходит [уровень seniority] аналитик с бэкграундом [прошлый опыт]. Стек: [GA4/Метрика/Amplitude/BigQuery/SQL/Python]. Ключевые дашборды воронки: [ссылки или названия]. Срок онбординга: [30/60/90 дней]. Задача: Составить план погружения нового аналитика в работу с воронкой продаж сайта — от понимания бизнес-контекста до самостоятельной постановки гипотез. Формат вывода: (1) Дорожная карта по неделям: цели, артефакты на выходе, критерии готовности. (2) Список из 10 обязательных материалов (внутренние доки, книги, курсы) с приоритетом. (3) Чек-лист финальной аттестации: 7 навыков, которые сотрудник демонстрирует на реальной задаче по drop-off анализу. Детали: Используй принцип 'learning by doing' — минимум 60% времени на реальные задачи. Учитывай культуру [тип компании: стартап или корпорация]. Не перегружай теорией без практики.
6 правил промтов для анализа воронки
Используйте эти правила, чтобы получать точные выводы по воронке продаж в ChatGPT и Claude
Задайте роль веб-аналитика воронки
Вместо «Ты аналитик» пишите: «Ты веб-аналитик с 7 лет опыта в e-commerce, работаешь с GA4 и Amplitude». ИИ сразу подключит нужные фреймворки воронки.
Указывайте метрики каждого этапа
В промт вложите CR шагов, bounce rate, drop-off по AARRR, CPC, CAC и среднее время на шаге. Без цифр ИИ даст общие советы уровня «улучшите UX».
Запрашивайте формат AARRR или ICE
Просите ответ в виде таблицы по этапам AARRR с колонками «гипотеза → метрика → ICE-скор». Так легче приоритизировать точки роста в воронке.
Фиксируйте этап и тип воронки
Укажите стадию (ToFu, MoFu, BoFu) и тип воронки: лидогенерация B2B SaaS или checkout в e-com. Шаблон: «Анализирую BoFu checkout с CR 1.2% при бенчмарке 2.5%».
Итерируйте через сегменты трафика
После первого ответа уточняйте: «Разбей drop-off по источникам: organic vs paid, mobile vs desktop, новые vs вернувшиеся». Так вы найдёте реальную утечку воронки.
Избегайте размытых вопросов о конверсии
До: «Почему падает конверсия сайта?». После: «Почему CR шага cart→checkout упал с 42% до 28% за месяц на mobile при росте paid-трафика из Google Ads?».
FAQ: промты для анализа воронки
Промты для анализа воронки продаж — это структурированные запросы к нейросети, которые помогают интерпретировать данные GA4, Яндекс.Метрики или Amplitude и находить точки drop-off. Например, в ChatGPT можно загрузить fallout-отчёт по шагам корзины и получить гипотезы о причинах отвала на этапе оплаты. Для когортного анализа по трафику за 30 дней промт попросит сегментировать пользователей по источнику и посчитать конверсию в заказ. Хорошо работают шаблоны с ролью Middle product-аналитика и бизнес-целью «снижение drop-off». Скопируйте готовый промт из нашего бесплатного генератора и вставьте его в ChatGPT вместе с выгрузкой событий.
Опишите в промте роль, источник данных и последовательность шагов воронки: просмотр корзины → ввод контактов → выбор доставки → оплата. Укажите ChatGPT бизнес-цель «снижение drop-off в корзине» и период «последние 30 дней», затем приложите CSV с событиями из GA4 или Amplitude. Попросите нейросеть посчитать конверсию между шагами, выделить шаг с максимальным отвалом и предложить три CRO-гипотезы с приоритизацией по ICE. Добавьте требование вернуть результат таблицей и списком следующих шагов для A/B-теста. Скопируйте такой промт из генератора GUSAROV и вставьте в ChatGPT вместе с выгрузкой данных.
Генератор экономит веб-аналитику часы рутины на описании контекста задачи для ИИ и снижает риск поверхностных выводов. Вместо того чтобы каждый раз вручную объяснять нейросети структуру событий Hotjar или схему BigQuery, вы выбираете роль Senior CRO-стратега, этап воронки, метод анализа и сразу получаете готовый промт под Claude или ChatGPT. Это ускоряет подготовку path analysis, когортных отчётов и сегментных drill-down для еженедельных встреч с продуктом. Для Head of Analytics шаблоны помогают стандартизировать запросы в команде и снижать CAC по платному трафику за счёт быстрых инсайтов. Попробуйте бесплатный генератор GUSAROV перед следующим спринтом.
Промты для когортного анализа фокусируют нейросеть на удержании и LTV: вы просите Claude сгруппировать пользователей по дате первой покупки и посчитать Retention и повторные заказы за квартал к кварталу. Промты для path analysis, наоборот, описывают последовательности событий и просят ИИ найти самые частые и аномальные маршруты от лендинга до оформления заказа. Первые лучше работают с выгрузками из GA4 + BigQuery, вторые — с сырыми событиями Amplitude или Вебвизора. В генераторе GUSAROV это разные значения поля «Метод анализа», и подсказка под каждый сценарий своя. Используйте шаблон, соответствующий вашей бизнес-цели.
Промты из генератора совместимы с ChatGPT, Claude, Gemini, YandexGPT и GigaChat, но есть нюансы по объёму данных. ChatGPT и Claude уверенно обрабатывают выгрузки на десятки тысяч строк событий из GA4 и BigQuery и хорошо держат контекст fallout-отчёта. Gemini подходит для визуального разбора карт Hotjar и скриншотов Вебвизора. YandexGPT и GigaChat удобны командам, которым важна работа с персональными данными внутри РФ-периметра, — они корректно справляются с сегментным drill-down по Яндекс.Метрике. Для квартальных сравнений и LTV-анализа выбирайте модели с длинным контекстом. Вставьте промт из бесплатного генератора в удобную нейросеть и сравните ответы.