Prompt Engineering para Executivos · Capítulo 13 de 28 · 14 min
Montar a estratégia de marketing com oito prompts prontos
Oito prompts de estratégia de marketing, do posicionamento às métricas, com dados de exemplo, saída esperada e ajustes para Claude, ChatGPT, Gemini e Grok.
Este capítulo faz parte do curso gratuito Prompt Engineering para Executivos.
Oito prompts prontos cobrem a estratégia de marketing do posicionamento às métricas por etapa do funil. Servem a quem lidera marketing e precisa de respostas comparáveis entre pessoas e assistentes. Hoje, copie o prompt de posicionamento, troque os dados de exemplo pelos da sua empresa e rode em dois modelos.
Equipes de marketing perdem horas refazendo pedidos à IA porque cada pessoa escreve do seu jeito, e a resposta ruim vira argumento contra a ferramenta quando o defeito estava no pedido. Os oito prompts usam o mesmo esqueleto e a mesma empresa fictícia, a torrefação Grão Serrano, para que a saída de um vire o contexto do seguinte: o posicionamento alimenta a persona, a persona alimenta a proposta de valor, e assim até as métricas.
Todos os números dentro dos prompts são de exemplo. Troque-os pelos seus antes de rodar; onde não tiver o dado, apague a linha, e o próprio prompt pede a informação que falta.
Esqueleto portável é a estrutura fixa de cinco peças que todo prompt desta oficina segue: papel, contexto, tarefa numerada, formato com teto e regras contra invenção. A Anthropic chama de engenharia de contexto (context engineering) o trabalho de escolher o conjunto de informações que entra na janela do modelo, ou seja, tudo o que ele lê antes de responder. No marketing, isso quer dizer que os dados da empresa pesam mais que qualquer frase de efeito no pedido.
Cada peça resolve uma falha conhecida. Sem papel, o modelo responde como assistente genérico; sem contexto, chuta setor e público; sem tarefa numerada, ninguém consegue apontar qual passo saiu errado; sem teto, cada assistente decide o tamanho; sem regra contra invenção, o dado que falta volta preenchido com um número plausível. Quando há material para colar, como a página de um concorrente, ele entra antes de tudo e a pergunta fica no fim.
O que mudou desde 2024 é o que sai do prompt: como a profundidade do raciocínio agora é regulada por um parâmetro de esforço (effort, o quanto o modelo pensa antes de escrever), nenhum dos oito prompts pede “pense passo a passo” nem raciocínio visível.
- Etapa 1 de 6: Material colado
Página, tabela ou relatório, quando houver, entra primeiro
- Etapa 2 de 6: Papel
Quem o modelo é nesta conversa
- Etapa 3 de 6: Contexto
Empresa, produto, público, preço e números da casa
- Etapa 4 de 6: Tarefa numerada
Passos na ordem de execução
- Etapa 5 de 6: Formato com teto
Tabela, lista ou seções, com tamanho máximo
- Etapa 6 de 6: Regras contra invenção
Suposição marcada e nenhum número sem origem
A diferença aparece quando o mesmo pedido roda duas vezes. A frase solta devolve outra estrutura a cada rodada; o esqueleto preenchido devolve a mesma, e o gestor compara o conteúdo em vez de reorganizar o formato.
O pedido de uma linha e o esqueleto preenchido
Faça um plano de marketing para a minha empresa
Antes
- Assistente genérico, sem papel definido
- Setor, público e canal deduzidos pelo modelo
- Cada rodada interpreta a tarefa de um jeito
- Tamanho e estrutura mudam a cada resposta
- Números plausíveis aparecem sem origem
Esqueleto portável com os dados da empresa
Depois
- Papel declarado na primeira linha
- Contexto com produto, preço, público e concorrentes
- Passos numerados, na ordem de execução
- Tabela ou seções nomeadas, com teto de palavras
- Suposições marcadas e números rastreáveis ao contexto
O esqueleto viaja entre fornecedores sem reescrita; muda o envelope da chamada: onde fica o papel, qual delimitador a documentação prefere e qual parâmetro regula o esforço. No chat do Claude, do ChatGPT ou do Gemini, cole o prompt inteiro numa só mensagem. Pela API, separe o papel no campo de sistema (a instrução que vale para a conversa toda), como no trecho depois da tabela.
Como fica em cada modelo
| Modelo | O que muda | Cuidado |
|---|---|---|
| Claude (Anthropic) | Papel no campo system e seções do prompt em tags XML. Material longo no topo e pergunta no fim, com melhora de até 30% nos testes da Anthropic. Esforço em output_config.effort, com padrão medium no Opus 5.5. | Retire instruções como “pense com cuidado antes de responder”, que o guia do Opus 5.5 manda remover. Texto colado de terceiros vai marcado em pasted_content. |
| OpenAI (GPT-6) | Papel em instructions ou na developer message, que tem prioridade sobre a mensagem do usuário. Estrutura em Markdown, com XML para o material de referência. Esforço em reasoning.effort, com padrão medium no GPT-6.1 Sol. | O guia do GPT-6 orienta viés para a ação: no briefing em duas etapas, escreva que o modelo deve parar depois das perguntas. Com esforço ligado, retire temperature e top_p. |
| Gemini (Google) | Papel em system_instruction. Um único estilo de delimitador por prompt, XML ou Markdown. Contexto primeiro e pergunta no fim, ancorada em “Com base nas informações acima”. Esforço em thinking_level. | Mantenha a temperatura em 1,0. O Google recomenda sempre incluir exemplos: anexe um modelo curto da saída. No Gemini 3, declare a data de hoje. |
| Grok (xAI) | Papel na mensagem de sistema, no formato compatível com a OpenAI. Esforço em reasoning_effort, de low a xhigh, com padrão high. | O raciocínio do Grok 4.7 não desliga. A xAI indica low para respostas rápidas e medium para análise de dados: use low na mensagem por canal. |
| Modelos abertos (Qwen) | Mensagem de sistema no formato da OpenAI. O pensamento liga e desliga pelo parâmetro enable_thinking. | Aqui a temperatura importa: o Qwen3.8-27B recomenda 0,7 sem raciocínio e 1,0 com raciocínio. |
Nenhum ajuste muda o esqueleto: papel, contexto, tarefa, formato e regras valem para todos.
Fonte: Documentação oficial de Anthropic, OpenAI, Google, xAI e Qwen, outubro de 2026
{
"anthropic_messages": {
"model": "claude-opus-5-5",
"system": "Você é consultor de posicionamento de marca.",
"output_config": { "effort": "medium" },
"messages": [{ "role": "user", "content": "<contexto>...</contexto><tarefa>...</tarefa>" }]
},
"openai_responses": {
"model": "gpt-6.1-sol",
"instructions": "Você é consultor de posicionamento de marca.",
"reasoning": { "effort": "medium" },
"input": "<contexto>...</contexto><tarefa>...</tarefa>"
},
"gemini": {
"model": "gemini-3.8-flash",
"system_instruction": "Você é consultor de posicionamento de marca.",
"generation_config": { "thinking_level": "medium" },
"input": "<contexto>...</contexto> Com base nas informações acima: <tarefa>...</tarefa>"
},
"xai_chat_completions": {
"model": "grok-4.7",
"reasoning_effort": "medium",
"messages": [
{ "role": "system", "content": "Você é consultor de posicionamento de marca." },
{ "role": "user", "content": "<contexto>...</contexto><tarefa>...</tarefa>" }
]
}
}Setores diferentes usam os mesmos prompts trocando só o contexto. Os três casos abaixo são ilustrativos.
Três casos ilustrativos de uso
1 de 3Clínica odontológica: briefing sem promessa proibida
Uma rede com 14 unidades recebeu o pedido “campanha de clareamento no fim do ano”. Com o prompt de briefing em duas etapas, colou preços e regras do setor, respondeu às perguntas do modelo e fechou o documento sem promessa de resultado, em duas rodadas.
Software para contadores: mensagem que se diferencia
O mapa de concorrência, com as páginas de três rivais coladas, mostrou que todos prometiam “automação”. A empresa trocou a frase de topo pelo prazo de fechamento do mês, a prova que só ela tinha em casos de clientes.
Escola de idiomas: o gargalo estava na presença
O time media só matrículas. O prompt de métricas pôs aula experimental agendada e comparecimento como etapas do funil, e a perda maior apareceu entre agendar e comparecer, onde ninguém olhava.
Quando ninguém na sala consegue dizer em uma frase por que o cliente escolheria a empresa, comece pelo prompt de posicionamento. Na resposta, confira se cada alternativa traz a prova que a sustenta e se a recomendação cabe em cinco linhas.
1. O que a frase promete e o que deixa vago
Promete frescor e entrega mensal. Não diz o que é "fresquinho",
de onde vem o café nem por que custa mais que o do mercado.
2. Perguntas sem resposta
Quantos dias depois da torra o café chega? Posso pausar ou trocar
o grão? Quem escolhe o café do mês?
3. Três posicionamentos
A. "Torrado na semana em que chega à sua casa." Atrai quem já
desistiu do café de mercado. Prova: data de torra e envio em
até três dias.
B. "O café de 40 cafeterias do sul de Minas, na sua cozinha."
Atrai quem confia em indicação. Prova: autorização das
cafeterias para citar o nome.
C. "Um produtor diferente por mês." Atrai quem gosta de descobrir.
Prova: rodízio real de fornecedores.
4 e 5. Recomendo A: é a única prova que a empresa já tem hoje.
Suposição: o prazo de entrega das marcas nacionais é maior.Antes de qualquer campanha, a persona troca “quem gosta de café” por uma pessoa com rotina, dor e canal. A ficha boa separa o que veio dos dados de venda do que o modelo supôs.
Com posicionamento e persona escolhidos, a proposta de valor liga a dor à prova que a empresa já tem. Na resposta, procure a seção de afirmações sem prova: ela vira a lista de tarefas do time.
Material real colado é a condição do mapa de concorrência, e por isso ele vem antes da tarefa. Confira se cada célula da tabela aponta para um trecho colado ou diz que o material não informa.
Pedido de briefing costuma chegar como frase de corredor e sai genérico quando vai direto ao modelo. O guia abaixo divide o trabalho em rodadas e faz o modelo perguntar antes de escrever.
Guia prático: briefing de campanha em quatro rodadas
Funciona igual no Claude, no ChatGPT, no Gemini e no Grok. Use o prompt 5 logo abaixo como base.
Passo 1: Cole o material antes do pedido
Tabela de preços, resultado da última campanha e regras internas de comunicação, cada documento entre marcadores próprios.
Deu certo quando: O material ocupa o topo da mensagem e a tarefa fica no fim.
Erro comum: Pedir o briefing primeiro e anexar a planilha depois, quando o modelo já escolheu um caminho.
Passo 2: Peça só as perguntas em aberto
O modelo lista o que falta decidir: verba, praça, meta, prazo e restrições.
Deu certo quando: Até dez perguntas objetivas, cada uma ligada a uma decisão do briefing.
Erro comum: Pular a rodada e receber um briefing completo cheio de premissas inventadas.
Passo 3: Responda e diga o que ainda não se sabe
Se a verba não estiver fechada, escreva isso; o modelo marca o campo como suposição.
Deu certo quando: Cada resposta vira uma linha de fato ou uma suposição declarada.
Erro comum: Deixar o modelo preencher a verba com um número que ninguém aprovou.
Passo 4: Peça o briefing no formato fixo, com teto
Objetivo, público, oferta, mensagem, canais, métrica por etapa do funil, restrições e suposições.
Deu certo quando: Uma página, com as suposições numa seção separada no fim.
Erro comum: Pedir um briefing completo e receber cinco páginas que ninguém lê.
Passo 5: Confira números e promessas contra o material
Todo preço, prazo, desconto e resultado citado precisa existir em um dos documentos colados.
Deu certo quando: Nenhum número do briefing fica sem origem no material.
Erro comum: Aprovar um desconto que o modelo deduziu de uma campanha antiga.
No fim você tem: Um briefing de uma página, com suposições declaradas e números rastreáveis, pronto para a reunião de aprovação.
Perguntas que mudam o plano (etapa 1)
1. A meta é volume de assinaturas novas ou assinantes que ficam
90 dias? Muda a oferta: o documento 2 mostra que o cupom de 30%
trouxe 42% de cancelamento.
2. Qual a verba de mídia aprovada? Muda canais e alcance.
3. A campanha vale para o país todo ou só Sul e Sudeste, onde o
frete é grátis acima de R$ 150,00? Muda público e mensagem.
4. O desconto de até 15% vale para a mensal, a trimestral ou as
duas? Muda a oferta central.
5. Haverá assinatura para dar de presente? Muda o público: quem
compra não é quem bebe.
6. Quais as datas de início e fim? Muda o calendário de canais.
7. Quem aprova as peças e em quanto tempo? Muda o prazo da agência.
Paro aqui e aguardo as respostas para escrever o briefing.Persona e proposta de valor viram pauta no plano de conteúdo, dentro da capacidade real da equipe. O total de peças da tabela precisa bater com a capacidade declarada no contexto.
Cada canal recebe a mesma proposta de valor com corte e tom próprios no prompt de mensagem por canal. Confira a contagem de caracteres que o modelo informa e se alguma versão prometeu algo ausente das provas.
Fecham o ciclo as métricas, uma por etapa do funil, da visita à indicação, cada uma ligada à decisão que ela muda. Toda meta deve aparecer como hipótese e partir da linha de base do contexto.
Etapa Métrica Base Meta (hipótese)
Visita visitas por mês (GA4) 18.000 20.000
Cadastro cadastros ÷ visitas 8,3% 9%
Assinatura assinaturas ÷ cadastros 14% 16%
Permanência ativos após 90 dias 68% 72%
Indicação assinaturas com cupom de sem linha medir a partir
indicação (loja) de base do próximo mês
Decisão que muda: visita abaixo da meta revê a mídia; cadastro, a
oferta da página; assinatura, a sequência de e-mails; permanência,
a opção de pausar o envio.
Etapa crítica: entre visita e cadastro, 91,7% dos visitantes saem
sem deixar e-mail. Primeiro teste: trocar a chamada da página
inicial por um teste de perfil de sabor que pede o e-mail no fim.
Suposição: o tráfego de outubro terá a mesma origem do trimestre.Prompt pronto ainda pede conferência
Todo número da resposta precisa apontar para uma linha do contexto ou do material colado.
- Dado de exemplo esquecido no prompt volta como fato da sua empresa
- Contexto desatualizado contamina os oito prompts ao mesmo tempo
- Pedir “pense passo a passo” a modelo de raciocínio só atrasa a resposta
- Comparar assistentes com prompts diferentes esconde qual deles acertou
O teste: Escolha três números da resposta e encontre a linha de origem de cada um.
alexandrecaramaschi.com/educacao/frontends-com-vibecoding
Verificação rápida
Você vai pedir o mapa de concorrência e tem três páginas de material para colar. Onde o material entra no prompt?
Conecte o briefing à busca orgânica
Para aprofundar o trabalho de conteúdo e presença nos mecanismos de busca, continue no curso de SEO e GEO. Leve o público, a pergunta do cliente e as fontes que organizou no briefing.
Faça hoje
Copie o prompt 1, troque os dados da Grão Serrano pelos da sua empresa e rode no Claude e em mais um assistente, em até 30 minutos. Deu certo quando as duas respostas ficam abaixo de 450 palavras, marcam ao menos uma suposição e cada número aponta para uma linha do seu contexto. Guarde a versão vencedora numa pasta compartilhada, com a data e o modelo testado, e use a saída dela como contexto do prompt 2.
Seu caderno neste capítulo
Abrir o caderno completoSelecione um trecho do capítulo para destacar ou anotar. Nos vídeos e áudios, use Anotar este momento. No teclado, selecione com Shift e as setas e use Alt+Shift+D para destacar ou Alt+Shift+N para anotar.
Salvo neste navegador. Entre na sua conta para levar o caderno a outros aparelhos.
Entre na sua conta para compartilhar o que aprendeu e convidar alguém para estudar com você.
Conexões deste capítulo
Veja o que estudar antes e para onde seguir depois, explore os conceitos e compare abordagens em outros cursos. Sugestões marcadas como “sugerido pelo grafo” vêm dos assuntos em comum, não do índice do curso.
Estude antes
- CursoSkills de IA com Vibecoding e Terminalsugerido pelo grafo3 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “Skills de IA com Vibecoding e Terminal”.
- CursoVídeo com IA: Claude Code, Codex e ElevenLabssugerido pelo grafo3 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “Vídeo com IA: Claude Code, Codex e ElevenLabs”.
- CursoMCP para quem decidesugerido pelo grafo2 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “MCP para quem decide”.
Depois, siga para
- CursoAgentes de IA Autônomos: Do Conceito à Produção
- CursoLLM FinOps: o custo da IA para quem assina o orçamentosugerido pelo grafo5 capítulos de “LLM FinOps: o custo da IA para quem assina o orçamento” usam conceitos apresentados em “Prompt Engineering para Executivos”.
- CursoRLM 2027sugerido pelo grafo2 capítulos de “RLM 2027” usam conceitos apresentados em “Prompt Engineering para Executivos”.
Conceitos deste capítulo
O mesmo assunto em outros cursos
- Saúde Mental para Autistas em IAQual assistente aguenta ser prótese de função executivaExaminar conexões de Qual assistente aguenta ser prótese de função executiva
- GEO Intent MappingO cliente parou de digitar e passou a perguntarExaminar conexões de O cliente parou de digitar e passou a perguntar
- Segundo cérebro com IAPor que dar mais contexto pode deixar o agente piorExaminar conexões de Por que dar mais contexto pode deixar o agente pior
- Bastidores: Como Este Portal Foi ConstruídoBanca de modelos: pesquisa e redação com fonteExaminar conexões de Banca de modelos: pesquisa e redação com fonte
Leve uma ideia para a prática
Escolha uma atividade no painel e volte a este curso quando quiser.
Atividades e evolução ficam reunidas no painel da sua conta.