マーケティングワークフローのための一貫したAIプロンプトの書き方

一貫したAIプロンプトは、誰が実行しても何日に実行しても、毎回おおよそ同じ品質の出力を生成します。ほとんどのプロンプトはこれができません。なぜなら、ほとんどのプロンプトは四つの構造的要素のうち少なくとも一つが欠けているからです。

それらの要素とそれぞれが重要な理由を説明します。

なぜAI出力は毎回変わるのか？

出力が変わるのは、プロンプトにギャップがあり、モデルがそれを自分のデフォルトで埋めるからです。それらのデフォルトはランダムではありませんが、あなたのものでもありません。入力の表現方法、モデルが訓練から偶然引き出す例、タスク説明の曖昧さによって変わります。

「このキャンペーンブリーフを要約してください」と書くとき、モデルはいくつかのことを決定しなければなりません：要約はどれくらいの長さか？どんなフォーマットか？どの要素が最も重要か？どのレベルの専門用語が適切か？それらの決定を静かに行い、あなたには伝えません。毎回異なる結果が出るのは、モデルが毎回異なる暗黙の選択をしているからです。

解決策はより良いモデルではありません。より完全なプロンプトです。

一貫したプロンプトの四要素とは何か？

1. ロール定義。 このタスクにおいてAIが誰であるかを伝えます。「あなたはマーケティングの専門家です」ではなく — それは漠然としすぎています。次のようなもの：「あなたはシニアペイドメディアアナリストで、月に12件これを確認するブランドディレクターのためにキャンペーンパフォーマンスデータを要約しています。」これがトーン、詳細レベル、仮定される知識を固定します。

2. 範囲が限定されたタスク説明。 何を求めているかを正確に説明します。「添付のキャンペーンデータを要約してください」は範囲が限定されていません。「CTRでのトップパフォーマンスクリエイティブ、CPAでのトップパフォーマンスオーディエンスセグメント、ブランドディレクターが確認すべき一つのフラグという三つのパラグラフのパフォーマンスサマリーを書いてください」は限定されています。境界はモデルがあなたの代わりに範囲を決める必要をなくします。

3. 必須の出力フォーマット。 構造を指定します。ヘッダーが必要か？箇条書き？特定の字数？出力が別の文書やシステムに入る場合、フォーマットは任意ではありません。明示的に記述します：「三つのラベル付きセクションを持つプレーンテキストで出力：クリエイティブパフォーマンス、オーディエンスパフォーマンス、要対応。」

4. 明示的な制約。 出力は何をすべきでないか？これがほとんどの人が忘れる要素です。「文脈なしに生のデータを含めないこと。メディアプランへの変更を推奨しないこと — フラグのみ、処方しないこと。『注目すべき点として』や『結論として』というフレーズを使わないこと。」制約はモデルがあなたが望まない習慣でギャップを埋めることを防ぎます。

具体的な例：キャンペーンパフォーマンスサマリー

同じタスクを二通りに書いた例を示します。

漠然としたプロンプト：

今週のペイドキャンペーンパフォーマンスを要約してください。

何が出てくるかは変わります。時に三文、時に12の箇条書き。CPLをフラグするときもあればROASのときも。ブランドディレクターが無視するほど明らかな推奨をすることも。これを受け取る人は関連するものを見つけるために追加の作業をしなければなりません。

4要素の構造化プロンプト：

あなたはシニアペイドメディアアナリストで、週に12件これを確認し、各件を読むのに5分あるブランドディレクターのために週次キャンペーンパフォーマンスデータを要約しています。

以下のデータのパフォーマンスサマリーを書いてください。正確に三つの領域をカバーしてください：(1) 先週のCTRで最もパフォーマンスが高かったクリエイティブユニット、4週間平均との比較；(2) CPAで最もコンバージョン率が高いオーディエンスセグメント、CPAの数字と目標より上か下か；(3) ブランドディレクターの注意が必要な一つのアイテム、一文で説明。

フォーマット：太字のラベルで始まる三つの短いパラグラフ：「クリエイティブ」、「オーディエンス」、「フラグ」。合計150〜200語。

文脈なしに生のデータを含めないこと。メディアプランへの変更を推奨しないこと。キャンペーン全体を要約しないこと — これら三つの領域のみ。「注目すべき点として」や「全体的に」などのフィラーフレーズを避けること。

[キャンペーンデータ以下]

2つ目のプロンプトの出力は実行を通じてほぼ同一です。モデルがより賢いからではなく — モデルが自分のデフォルトで埋めるギャップがないからです。

プロンプトが機能しているかどうかどう知るか？

同様の入力データで同じプロンプトを3回実行します。出力の構造が同一であれば — 同じセクション、同様の長さ、同じ詳細レベル — プロンプトは一貫しています。実行ごとに構造が変わる場合、四つの要素のうち一つが欠けているか不十分です。

また、他の人に実行させてテストします。説明なしにプロンプトとデータを渡します。彼らがあなたと異なる出力を得た場合、プロンプトに文書化していない暗黙の前提があります。

Provaを作る中で、この問題がどう見えたか

一貫性のなさはProvaのスプリントレビューシステムを構築する際に解決しなければならなかった最初の本当の技術的問題でした。強いスプリント成果物がどのように見えるかについて良い基準がありましたが、AIレビュアーはレビュープロンプトの呼び出し方の小さなバリエーションに応じて、同様の提出物に対して異なる評価を出していました。

解決策は、すべてのレビュープロンプトの冒頭に構造化されたコンテキストブロックを追加することでした — 基準だけでなく、範囲が限定されたタスク、出力フォーマット、レビュアーがコメントすべきでないことについての明示的な制約も含めて。振り返ると単純明快です。一貫性のない結果のパターンが私に見るよう強制するまでは明らかではありませんでした。

その経験がプロンプトから最初の役に立つスライスへの構築の内容です — 「これは時々うまくいく」と「これは毎回うまくいく」の間のギャップ。

Cheers, Chandler