Un copy scritto da ChatGPT senza contesto si riconosce alla seconda riga, e il motivo è semplice: chi apre una chat e chiede "scrivimi un annuncio" riceve lo stesso annuncio di chiunque altro abbia fatto la stessa domanda.
Nel marketing l'AI la usano ormai quasi tutti. Quello che cambia il risultato è il processo intorno al prompt, cioè quali dati entrano, quale strumento lavora e chi controlla prima che l'output venga usato.
Questi sono i sette workflow che uso con i clienti. Per ognuno: cosa serve in ingresso, quale strumento, cosa esce e cosa controllo a mano.
Indice
- 1. Business Profile
- 2. Ricerca competitor
- 3. Voce del cliente
- 4. Value proposition e posizionamento
- 5. Copy per le ads
- 6. Analisi delle campagne
- 7. Landing page
- Le tre regole che valgono per tutti
TL;DR
| Workflow | Strumento | Output |
|---|---|---|
| Business Profile | ChatGPT o Claude (project) | Documento di contesto del brand |
| Ricerca competitor | Perplexity, deep research | Tabella competitor verificata |
| Voce del cliente | ChatGPT o Claude | Pain point, desideri, obiezioni con citazioni |
| Value proposition | ChatGPT in project | 3-5 ipotesi di posizionamento |
| Copy ads | Claude | Angoli e varianti per fase di funnel |
| Analisi campagne | ChatGPT con export dati | Insight e azioni prioritizzate |
| Landing page | Claude, Claude Code | Struttura, copy e pagina |
1. Business Profile
Input: sito, materiali del brand, dati di vendita, quello che sai del mercato. Strumento: un project su ChatGPT o Claude. Output: un documento con prodotto, segmenti, competitor, USP, obiezioni, trigger.
È il workflow da cui dipendono tutti gli altri. Lo carichi una volta nella knowledge base del project e da lì ogni richiesta parte con il contesto giusto, senza reincollarlo.
Controllo: lo rileggo con il founder o con chi vende. Le obiezioni e i trigger che scrive l'AI sono ipotesi finché qualcuno che parla con i clienti non le conferma.
Il metodo passo per passo: analizzare un business con l'AI.
2. Ricerca competitor
Input: categoria, mercato geografico, target. Strumento: Perplexity o la deep research di ChatGPT, con la ricerca web attiva. Output: tabella con competitor, canali, benefici dichiarati, ipotesi di USP.
Chiedo sempre la fonte per ogni riga e lancio la stessa domanda su due strumenti. I nomi che ricorrono sono quelli da tenere.
Controllo: apro ogni sito. Su ogni riga mi chiedo se l'ho visto con i miei occhi e se lo dicono anche gli altri. Quello che dicono tutti è un beneficio di parità, e su quello non ci si differenzia.
Il framework completo: ricerca di mercato con l'AI.
3. Voce del cliente
Input: recensioni (tue o dei competitor), trascrizioni di call, commenti, risposte ai sondaggi. Strumento: ChatGPT o Claude, con i file caricati. Output: pain point, desideri e obiezioni raggruppati per tema, ognuno con le citazioni originali.
È il workflow con il rapporto valore/tempo più alto. Cento recensioni lette a mano sono mezza giornata, mentre con l'AI la prima mappa esce in pochi minuti.
Controllo: chiedo le citazioni testuali per ogni tema e ne verifico qualcuna sul file originale. Se un tema non ha citazioni, non esiste.
4. Value proposition e posizionamento
Input: Business Profile, mappa competitor, voce del cliente. Strumento: ChatGPT in project. Output: 3-5 ipotesi di value proposition, USP e reason why.
Qui l'AI fa da sparring partner: le sue proposte mi servono a vedere strade che non avevo considerato, e la scelta la faccio dopo, sui dati.
Controllo: ogni ipotesi deve poggiare su un insight della voce del cliente e su un gap della mappa competitor. Se non riesco a tracciarla fino a un dato, la scarto.
5. Copy per le ads
Input: value proposition scelta, obiezioni, parole dei clienti, fase di funnel. Strumento: Claude, con il tono di voce del brand nelle istruzioni del project. Output: angoli di comunicazione e varianti di copy per Meta e Google.
Lavoro per angoli di comunicazione, e ogni angolo nasce da un insight preciso. Così, quando un annuncio funziona, so anche perché.
Controllo: leggo ad alta voce. Se una frase potrebbe stare nell'annuncio di un competitor, la riscrivo. Poi il test decide.
6. Analisi delle campagne
Input: export delle campagne (Meta, Google), dati di vendita del periodo. Strumento: ChatGPT con l'analisi dati sui file. Output: trend, anomalie, ipotesi e una lista di azioni in ordine di impatto.
Chiedo prima i numeri, poi l'interpretazione. Così vedo se il modello ha letto bene il file prima di fidarmi delle conclusioni.
Controllo: ricalcolo a mano due o tre numeri chiave. E accanto al ROAS guardo sempre il margine: lo spiego in ROAS, MER e margine.
7. Landing page
Input: tutto quello sopra, più la sorgente di traffico. Strumento: Claude per struttura e copy, Claude Code se voglio arrivare alla pagina costruita. Output: architettura della pagina, copy per ogni sezione, pagina pronta da testare.
La landing è il punto in cui tutti i workflow precedenti si incontrano: obiezioni che diventano FAQ, desideri che diventano headline, voce del cliente che diventa prova sociale.
Controllo: message match con l'annuncio, una sola azione principale, nessun claim senza dato. Come costruisco l'agente che lo fa: agente AI per landing page.
Le tre regole che valgono per tutti
1. Prima i dati, poi il prompt. Un modello senza contesto scrive la media di internet.
2. Lo strumento giusto per la fase. Ricerca, analisi e scrittura chiedono modelli diversi.
3. Un controllo umano alla fine di ogni workflow. L'AI accelera la raccolta e la sintesi. La decisione su cosa usare resta tua.
Approfondisci
- AI per il lavoro: il metodo completo, workflow per workflow.
- ChatGPT per adv, SEO, email e social: prompt e casi per ogni canale.
