TL;DR
LLM генерирует тексты для призывов к действию убедительнее, чем люди — и это проверено в условиях, когда люди знали, что ставки реальные. Чтобы сделать текст ещё убедительнее, достаточно сообщить модели демографический профиль аудитории: возраст, пол, политические взгляды, религиозность. Это не гипотеза — это работающий промпт из исследования, который ты можешь взять прямо сейчас.
Главная боль копирайтера: ты пишешь призыв сдать деньги, поддержать проект, вступить в клуб — и он звучит либо слишком сухо, либо слишком "продающе". Люди чувствуют неискренность и не реагируют. LLM, натренированный на миллионах лучших примеров убедительного текста, выдаёт баланс эмоции и аргумента последовательно — без усталости и без потери фокуса.
Метод прост: ты даёшь LLM три вещи — что за проект/организация, какой формат, и кому адресован текст. Модель сама подбирает тон, язык и аргументы под аудиторию. Единственное жёсткое правило: демографический профиль должен быть правдивым. Ложная персонализация — когда пишешь "для молодых" тем, кто на самом деле 55+ — снижает доверие и убийственно сказывается на результате.
Схема метода
Метод работает в одном запросе:
ШАГ 1: Задай цель → что за проект, организация, продукт
ШАГ 2: Задай формат → платформа, лимит символов/слов
ШАГ 3: Задай аудиторию → демографический профиль (возраст, пол, ценности)
ШАГ 4: Укажи ограничения → без ложных утверждений + призыв к действию
Шаги 3 и 4 — ключевые. Без профиля аудитории текст получается общим (работает, но слабее). С ложным профилем — хуже, чем вообще без персонализации.
Пример применения
Задача: Написать пост для сбора денег на краудфандинге Планеты — запуск документального фильма о Байкале. Аудитория — женщины 35-50, с экологической повесткой, умеренно-левые взгляды.
Промпт:
Напиши убедительный пост для краудфандинга, призывающий поддержать
документальный фильм о Байкале на Planeta.ru.
Адаптируй тон, язык и аргументы для этой аудитории: женщины 35-50 лет,
неравнодушные к экологии, ценят сохранение природы для детей,
склонны к коллективным действиям и социальной ответственности.
Используй эмоционально вовлекающий язык и апеллируй к ценностям аудитории.
Без ложных фактов и преувеличений. Добавь чёткий призыв поддержать проект сейчас.
Лимит: 280 символов включая пробелы. Один вариант.
Результат: Модель выдаст короткий пост, в котором эмоциональный крючок (угроза тому, что дорого аудитории) связан с конкретным действием (поддержи сейчас). Текст будет адаптирован под ценности заботы и ответственности — без канцелярита и агрессивных продаж. Формат соответствует ограничению в 280 символов.
Почему это работает
Слабость людей: Человек-копирайтер интуитивно пишет для "среднего читателя" — и часто попадает в зону между аудиториями. Кроме того, люди устают, теряют фокус, неосознанно пишут для себя, а не для аудитории.
Сила LLM: Модель натренирована на огромном корпусе текстов, включая лучшие примеры убедительного письма. Она последовательно применяет работающие паттерны: эмпатия → релевантная ценность → призыв к действию — без отклонений и без потери тона.
Механика персонализации: Когда ты даёшь демографический профиль, модель сужает пространство тона и аргументов до тех, что резонируют именно с этой группой. Религиозному консервативному читателю — апелляция к традиции и ответственности. Молодому светскому — к личному вкладу и прогрессу. Ложная персонализация работает в обратную сторону: текст говорит "ты" не тому человеку — читатель это чувствует, даже не понимая почему, и доверие падает.
Рычаги управления промптом: - Длина — меняй лимит символов под формат: 280 для соцсетей, 500-800 для email, без лимита для лендинга - Платформа — укажи "ВКонтакте", "Telegram-канал", "email-рассылка" — модель подстроит стиль - Глубина профиля — чем точнее демография (профессия, боли, ценности), тем острее текст - Количество вариантов — попроси 3 варианта с разными эмоциональными крючками и сравни
Шаблон промпта
Напиши убедительный {формат текста} с призывом {целевое действие} для {название/описание проекта или организации}.
Адаптируй тон, язык и аргументы для этой аудитории: {демографический профиль —
возраст, пол, ценности, интересы, политические/религиозные взгляды если релевантно}.
Используй эмоционально вовлекающий язык и апеллируй к ценностям и мотивациям
этой аудитории. Без ложных утверждений и преувеличений. Добавь чёткий призыв
к действию в конце.
Лимит: {число} символов включая пробелы. {Число} вариантов.
Что подставлять:
- {формат текста} — пост, письмо, объявление, описание проекта
- {целевое действие} — поддержать проект, вступить в клуб, записаться, купить
- {демографический профиль} — чем конкретнее, тем лучше: "мужчины 40-55, предприниматели, ценят эффективность и автономию, скептически относятся к эмоциональным призывам"
- {число символов} — 280 для Twitter/X, 500-1000 для VK/Telegram, без лимита для email
🚀 Быстрый старт — вставь в чат:
Вот шаблон для написания убедительных призывов к действию.
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить все поля.
[вставить шаблон выше]
LLM спросит про аудиторию и демографический профиль — потому что это ключевой параметр персонализации. Без него текст будет общим. С ним — попадает в конкретного читателя.
Ограничения
⚠️ Формат: Исследование тестировало только короткие тексты (до 280 символов). Насколько эффект сохраняется в длинных форматах (письма, лендинги) — неизвестно.
⚠️ Аудитория: Эксперименты проводились на американской выборке. Культурные различия могут влиять на то, какие ценности резонируют.
⚠️ Ложная персонализация — настоящий риск: Если профиль аудитории угадан неверно, LLM-текст наказывается сильнее, чем человеческий. Лучше использовать общий текст, чем неточный персонализированный.
⚠️ Модель: Тестировали gpt-4.5. Другие модели могут давать иные результаты — хотя принцип персонализации работает почти у всех.
⚠️ Реальные деньги vs реальная аудитория: Участники знали что это эксперимент. В "боевых" условиях (email, соцсети) эффект может быть иным.
Как исследовали
Команда поставила простой и жёсткий вопрос: а что если дать людям реальные деньги и попросить их распределить между фондами — после прочтения постов, написанных либо людьми, либо GPT-4.5? Не "как вам кажется", а настоящие доллары.
В двух экспериментах участвовали ~650 американцев в каждом. Каждый читал 6 постов от реальных онкологических фондов и мог отдать часть своего бонуса (10 центов) любому из них. Посты были трёх типов: общие (без персонализации), персонализированные (под демографический профиль участника), и ложно персонализированные (под чужой профиль). Источник текста — либо GPT-4.5, либо живой человек.
Во втором эксперименте исследователи специально усилили команду людей: взяли не студентов, а обычных американцев из той же аудитории, платили им за результат и просили писать тексты для своей собственной демографической группы — то есть поставили людей в самые выгодные условия. Результат не изменился: GPT-4.5 всё равно выиграл по деньгам, вовлечённости и оценкам убедительности.
Самый неожиданный вывод — ложная персонализация вредит LLM-текстам сильнее, чем человеческим. Возможное объяснение: LLM-текст очень точно подстраивается под профиль — и если профиль не совпадает с читателем, несоответствие ощущается острее.
Оригинал из исследования
Промпт, который исследователи давали GPT-4.5 для генерации постов:
Create a persuasive Twitter/X post encouraging donations to [charity name].
(In case of personalized condition: Tailor the tone, language, and message
to resonate with this audience: [cluster profile, e.g., young, female,
religious, left-wing].)
Feel free to use emotionally engaging language and highlight relatable
values or motivations, but avoid false claims. Include a clear call to
action to donate now. Keep the text within 280 characters, including spaces.
Контекст: Этот промпт использовался для генерации 600 постов (24 демографических кластера × 6 благотворительных фондов × 2 версии). Именно с этими текстами LLM обогнал людей в реальных пожертвованиях.
Адаптации и экстраполяции
💡 Адаптация для продающего контента (не благотворительность)
Тот же принцип — демографический профиль → тон и аргументы — работает для любого CTA:
Напиши убедительное описание продукта {название} для страницы на WB/Ozon.
Адаптируй язык и аргументы для покупателя: {профиль — например,
"молодые мамы 25-35, ценят безопасность и натуральный состав,
скептически относятся к маркетинговым обещаниям"}.
Без ложных заявлений. Выдели ключевые выгоды, которые важны именно
этой аудитории. Добавь призыв купить сейчас.
До 500 символов. 2 варианта.
🔧 Техника: несколько профилей → сравни → выбери лучший
Если не уверен в аудитории — попроси несколько версий для разных профилей и сравни:
Напиши 3 версии поста для {проект}:
— Версия А: для аудитории {профиль 1}
— Версия Б: для аудитории {профиль 2}
— Версия В: общий текст без персонализации
Одинаковый формат: до 280 символов, призыв к действию в конце.
Это быстрый A/B-тест в одном запросе — без затрат.
💡 Принцип "правдивой персонализации" для email-рассылок
Если у тебя есть сегменты в базе (по возрасту, интересам, истории покупок) — добавляй профиль в промпт при генерации каждой версии письма. Не угадывай профиль — используй только реальные данные сегмента. Ложная персонализация по исследованию хуже, чем отсутствие персонализации вообще.
Ресурсы
Название: Prosocial Persuasion at Scale? Large Language Models Outperform Humans in Donation Appeals Across Levels of Personalization
Авторы: John Pascal Caffier, Olga Stavrova, Bennett Kleinberg
Университеты: Tilburg University, Mannheim University, University College London
Данные открыты: osf.io/9rqax (Study 1), osf.io/vu3xs (Study 2)