Оперативная разработка для контент-маркетологов

[hasanthouhid0]

Как создать план записи в блоге с помощью ChatGPT (и MarketMuse)
6 мин чтения
Угадай, что?

Есть лучший способ сделать это! Прочитайте статью «Использование ИИ MarketMuse для создания контента» и посмотрите прилагаемое видео.

Однострочные подсказки не приведут вас далеко. В этом посте я покажу вам Индийский номер телеграммы способ создания более удачной схемы подсказки для ChatGPT, но вы можете применить этот процесс при создании любой подсказки.

Теперь, если вы используете интеграцию MarketMuse ChatGPT, вы уже впереди, потому что данные MarketMuse вставляются в приглашение . Но я покажу вам, как поднять его на ступеньку выше.

Конечно, в Интернете полно ресурсов с простыми подсказками из одного предложения. Но попробуйте сами, и вы увидите, что результат будет очень неинтересным. Именно так работают большие языковые модели (LLM), такие как ChatGPT.

Они всегда определяют наиболее вероятное следующее слово, учитывая то, что было до этого. Так что если вы используете простую подсказку, скорее всего, вы получите какой-то базовый вывод. Время от времени будут небольшие изменения, поскольку LLM являются вероятностными, а не детерминированными, но результаты не будут чем-то потрясающим.

Независимо от того, используете ли вы генеративный ИИ для создания статьи или нет, вам все равно нужен план. LLM все равно нуждается в направлении так же, как и человек-писатель. Потому что, как я уже сказал, вывод однострочных подсказок очень скучен.

Итак, начнем.


Вот четырехшаговый процесс, который я использую. Это фреймворк, который вы можете использовать для создания подсказок для любой задачи контент-маркетинга:

Я считаю, что при создании подсказки хорошо работает первый запрос ChatGPT о том, какие входные данные ему нужны для создания желаемого вывода. Например, я буквально спросил: «Какая информация вам нужна для создания плана записи в блоге?», и он дал мне короткий список из полудюжины пунктов.
Затем я спрашиваю, что еще ему нужно. Я повторяю этот процесс до тех пор, пока ответы не начнут сходить с рельсов или не станут повторяющимися.
Я очищаю этот список ответов, чтобы у меня было что-то краткое, с чем можно было бы работать.
Затем я использую этот очищенный список, чтобы опросить ChatGPT относительно того, окажет ли включение этих элементов существенное влияние на вывод. В то же время я пытаюсь понять, как он был обучен этим концепциям в списке. По сути, я пытаюсь понять его ограничения.
Хотя процесс кажется достаточно простым, он может потребовать значительного времени и усилий. В одном случае я спустился в кроличью нору, чтобы определить, может ли ChatGPT анализировать содержимое заданного URL. Короче говоря, он не может (по крайней мере, на момент написания статьи) — но мне потребовалось некоторое время, чтобы это подтвердить. ChatGPT преуспевает в убедительном выдумывании!

OpenAI также имеет отличный ресурс, лучшие практики для оперативной инженерии , и я рекомендую вам взглянуть на него. Хотя он больше ориентирован на их API, есть некоторые технические детали, которые применимы и к ChatGPT.

Prompt Engineering Guide — еще один ценный ресурс. Он более глубокий и имеет более широкое применение, чем статья OpenAI. Вот также хорошая шпаргалка для написания более эффективных подсказок.