Prompt Engineering para Executivos · Capítulo 14 de 28 · 14 min
Produzir peças de campanha com oito prompts prontos para revisar
Oito prompts completos para anúncio dentro da política, e-mail, vídeo curto, LinkedIn, página de captura, FAQ, revisão de copy e relatório de campanha.
Este capítulo faz parte do curso gratuito Prompt Engineering para Executivos.
Oito prompts completos produzem as peças de execução de uma campanha: variações de anúncio dentro da política, e-mail de nutrição, roteiro curto, post para LinkedIn, página de captura, FAQ, revisão de copy e relatório. Servem a quem publica toda semana. Hoje, rode o de variações com um produto real e passe o lote pelo julgador.
Peça publicada com número inventado, tom fora da marca ou promessa vetada pela plataforma cai no colo da empresa, porque a ferramenta não assina o anúncio. Na estratégia, um posicionamento ruim morre numa reunião. Na execução, a saída vai ao ar com o nome da marca em cima, e o erro chega ao público antes de chegar a você.
Cada prompt abaixo traz dados fictícios já preenchidos, para você ver o pedido inteiro funcionando antes de trocar pelos seus. Três deles vêm acompanhados da saída que um modelo de 2026 devolve, como gabarito da primeira rodada.
Os oito seguem o esqueleto da oficina de estratégia: papel, ficha da oferta colada antes da tarefa, tarefa numerada, formato com teto de tamanho e uma regra contra invenção. Em marketing, a ficha é o preço, o prazo e o diferencial comprovado; o modelo escreve sobre o que está nela e marca o resto como suposição.
Restrição de plataforma funciona escrita em par, com uma frase que reprova ao lado da versão que passa, porque o modelo generaliza a partir de exemplos colocados no prompt (few-shot, o mesmo que mostrar dois modelos de carta antes de pedir a terceira). Um aviso solto como "siga as políticas do Meta" deixa o modelo sem critério para aplicar. O Google recomenda incluir exemplos sempre. A OpenAI manda começar sem eles nos modelos de raciocínio e usá-los quando o formato é complexo.
O que mudou desde 2025 é a separação entre quem escreve e quem confere. A Anthropic descreve o padrão avaliador-otimizador (evaluator-optimizer): um modelo gera, outro julga contra critérios, e a peça volta quando reprova. Em janeiro de 2026, a empresa recomendou calibrar o julgador contra notas de pessoas e usar um julgador por dimensão.
- Etapa 1 de 6: Ficha da oferta colada
Preço, prazo e diferencial antes da tarefa
- Etapa 2 de 6: Geração com suposições marcadas
O modelo declara o que presumiu
- Etapa 3 de 6: Checagem em chamada separada
Outro modelo aplica a rubrica linha a linha
- Etapa 4 de 6: Conferência de números
Cada dado rastreado até a ficha, o resto cortado
- Etapa 5 de 6: Aprovação com alçada
Uma pessoa lê o lote filtrado e aprova por escrito
- Etapa 6 de 6: Publicação marcada
Identificação de publicidade quando a peça promove marca
Os oito prompts rodam nos quatro grandes assistentes e nos modelos abertos sem reescrita. O ajuste fino muda por fornecedor: delimitador, exemplos, estilo pedido e o tipo de busca que o modelo faz por conta própria.
Como fica em cada modelo
| Modelo | O que muda | Cuidado |
|---|---|---|
| Claude (Anthropic): Opus 5.5, Sonnet 5.5 | Tags XML separam ficha, regras e tarefa; de três a cinco exemplos dentro de <example> fixam tom e formato. | Temperatura fora do padrão devolve erro no Opus 5.5 e no Sonnet 5.5; comentário de cliente colado vai dentro de <pasted_content> para não virar instrução. |
| OpenAI (GPT): GPT-6 Astra, GPT-6.1 Sol | A mensagem de desenvolvedor (a instrução fixa da empresa) vale mais que a do usuário; Markdown organiza, XML delimita o material colado. | Declare o estilo de escrita e liste as expressões feitas a evitar; nos modelos de raciocínio, comece sem exemplos. |
| Gemini (Google): 3.1 Pro, 3.8 Flash | O guia pede exemplos sempre, poucos e no mesmo formato; contexto primeiro e pergunta no fim. | Mantenha a temperatura no padrão e informe o ano corrente; o preço do 3.8 Flash dobra em 01/01/2027, o que pesa em lote grande. |
| Grok (xAI): Grok 4.7 | Sem guia oficial de prompting; aceita mensagem de sistema no formato da OpenAI e busca na web e no X por ferramenta própria. | O raciocínio não desliga; achado de busca entra na peça só com link e conferência. |
| Modelos abertos: DeepSeek, Qwen | O pensamento liga e desliga por parâmetro; o Qwen recomenda temperatura 1,0 com pensamento e 0,7 sem. | No DeepSeek-R1, exemplos no prompt pioraram o desempenho; descreva tarefa e formato sem exemplos. |
Fonte: Anthropic, Prompting best practices; OpenAI, Prompt engineering e Using GPT-6; Google, Prompting strategies e Pricing; xAI, Models e Reasoning; DeepSeek-R1 (arXiv 2501.12948). Consultas em 13/10/2026.
Onde os prompts já rodam (casos ilustrativos)
1 de 3Fintech, marketing de performance
Vinte títulos saíram do prompt de variações. A checagem em chamada separada marcou seis como revisar por insinuar dívida de quem lê, e a revisora leu 14 linhas em vez de 20, com o motivo anotado em cada marcação.
Plano de saúde pet, atendimento
A equipe colou o contrato e as perguntas do WhatsApp. O FAQ citou carência e preço do contrato, e duas perguntas sem resposta no material voltaram como lacuna para o jurídico, sem resposta inventada.
Software de agenda, diretoria
O relatório de setembro trouxe custo por cadastro em cada canal e escreveu não medido em assinaturas por canal, porque os dados não traziam a quebra. A diretoria pediu o rastreio em vez de discutir um número inventado.
Variações de anúncio dentro da política
Pedir 30 títulos é fácil; o trabalho está em receber títulos que o Meta e o Google aprovam. A regra de atributos pessoais do Meta veta afirmar ou insinuar saúde, situação financeira, idade ou religião de quem lê: "Você está endividado?" reprova, "Conheça opções de renegociação" passa. As regras editoriais do Google Ads vetam pontuação repetida, símbolo no lugar de letra, maiúsculas fora do uso normal e espaçamento decorativo.
Guia prático: variações de anúncio com as restrições da plataforma no prompt
Cinco passos para um lote de títulos e textos que chega à revisão humana já filtrado.
Passo 1: Escreva as restrições como lista proibida e exemplo permitido
Para cada regra, uma frase que reprova e a versão que passa. O modelo generaliza a partir do par.
Deu certo quando: A seção de regras tem pelo menos um par reprova e passa por política.
Erro comum: Escrever só "respeite as políticas do Meta", que o modelo não sabe aplicar.
Passo 2: Dê os limites de caracteres de cada campo
Título e descrição têm tamanho máximo em cada formato. Peça a contagem ao lado de cada linha.
Deu certo quando: Cada variação vem com o número de caracteres, e a planilha confere.
Erro comum: Confiar na contagem do modelo sem conferir; ele erra contagem com frequência.
Passo 3: Peça variedade de ângulo antes da variedade de palavra
Cinco ângulos (preço, prova, urgência real, benefício, objeção), quatro variações cada.
Deu certo quando: As variações diferem na ideia, e o sinônimo vem como consequência.
Erro comum: Vinte títulos que repetem a mesma promessa com palavras trocadas.
Passo 4: Faça uma segunda chamada de checagem de política
Um prompt separado recebe o lote e marca cada linha como passa, revisar ou reprova, com a regra citada.
Deu certo quando: Toda linha marcada traz o nome da regra que motivou a marcação.
Erro comum: Pedir ao mesmo prompt que gere e se autoavalie na mesma resposta.
Passo 5: Leve à revisão humana só o que passou
A checagem por IA reduz o volume; a aprovação final continua com uma pessoa.
Deu certo quando: A revisora lê um lote menor e com motivos anotados.
Erro comum: Subir o lote direto para a plataforma porque a checagem aprovou.
No fim você tem: Um lote de variações com ângulos distintos, tamanho conferido e marcação de política por linha, pronto para a revisão humana.
preço | Simule a renegociação sem pagar nada | 36
preço | Sem mensalidade para usar o app | 31
prova | Propostas de 12 bancos em uma tela | 34
prova | Compare 12 bancos parceiros no app | 34
urgência real | Simulação sem custo até 31 de outubro | 37
urgência real | Oferta de simulação vale até 31/10 | 34
benefício | Propostas na tela em até 24 horas | 33
benefício | Uma tela para comparar propostas | 32
objeção | Simular não consulta o score | 28
objeção | Simulação gratuita, sem mensalidade | 35
(...)
Os 20 títulos usam só fatos de <produto>; nenhuma suposição registrada.Antes de pôr o prompt em uso, passe-o pelo otimizador de prompt da OpenAI, a ferramenta do Playground que reescreve o pedido. Ele procura três defeitos: instruções que se contradizem, formato vago e exemplos que não batem com as regras. Regra de política somada a regra de marca é o lugar clássico da contradição.

Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Revisar o prompt de variações no otimizador da OpenAI
Quatro passos para tirar do prompt as regras que se anulam antes de gerar o primeiro lote.
Passo 1: Abra o Playground, clique em otimizar e escolha o modelo-alvo
O seletor do topo define para qual modelo as boas práticas serão aplicadas.
Deu certo quando: O título da tela mostra o modelo que vai rodar o prompt em produção.
Erro comum: Otimizar para um modelo e publicar em outro.
Passo 2: Cole o prompt e rode primeiro a checagem Conflicts
Regras de política somadas a regras de marca costumam se contradizer, e a OpenAI aponta contradição no prompt como raciocínio gasto à toa.
Deu certo quando: O otimizador aponta pares de instruções que se anulam, e você decide qual fica.
Erro comum: Aceitar a reescrita completa sem ler o que saiu.
Passo 3: Rode Ambiguity e depois Output format
Uma checagem por vez deixa claro o que cada uma mudou.
Deu certo quando: Cada rodada gera uma versão nova, comparável à anterior.
Erro comum: Usar a otimização completa logo de início; a tela avisa que ela faz edições mais amplas.
Passo 4: Teste a versão otimizada contra a original com os mesmos produtos
Revise à mão: a versão otimizada pode piorar em entradas específicas.
Deu certo quando: A versão nova reprova menos linhas na checagem de política, nos mesmos produtos.
Erro comum: Publicar a versão otimizada só porque ficou mais organizada.
No fim você tem: Um prompt de variações sem regras conflitantes, com ganho medido contra a versão anterior.
E-mail que aquece antes de pedir
Nutrição (a sequência de e-mails que aquece quem deixou o contato) falha quando cada mensagem tenta vender. O prompt declara a progressão, com os quatro primeiros e-mails entregando algo útil e só o quinto fazendo o pedido.
Roteiro que se grava de primeira
Em vídeo de 60 segundos, a abertura decide se alguém fica. O prompt pede duas colunas, o que aparece na tela e o que é dito palavra por palavra, para o roteiro sair pronto para gravar.
Post de empresa que se lê como post de gente
No LinkedIn, o post da empresa disputa a atenção com o de pessoas. O prompt manda abrir pelo resultado do caso, deixar uma única chamada no fim e vetar qualquer número que não esteja no relatório colado.
Página com um pedido só
Página de captura (a página que troca um material gratuito pelo contato) morre de acúmulo de pedidos: assine, baixe, siga, compre. Com um pedido só, o visitante não precisa escolher porta, e o prompt manda cortar a seção que pedir outra coisa.
Respostas curtas que o cliente consegue conferir
FAQ escrito para buscadores e assistentes de IA começa pela pergunta real do cliente e responde em duas frases, com número datado tirado do contrato. Nenhuma técnica promete que um assistente cite a página. O prompt entrega resposta direta e conferível, e lacuna declarada quando o material não responde.
Revisão de copy com um modelo julgador
O modelo julgador é um segundo modelo que corrige a saída do primeiro contra uma rubrica, a lista de critérios de aprovação. Cada dimensão recebe passa ou reprova, a justificativa vem antes do veredito e o julgador é de outra família, ou de outra versão, do que gerou o texto. Antes de confiar nele, compare 30 textos corrigidos por uma pessoa com a mesma rubrica: abaixo de 85% de concordância por dimensão, reescreva a rubrica.
D1 | "Cansado das dívidas?" insinua a situação financeira de quem lê, e "!!!" é pontuação repetida. | REPROVA
D2 | "até 50% de desconto" não aparece em <material>; "HOJE" contradiz a oferta, que vale até 31/10/2026. | REPROVA
D3 | O texto fala com quem paga contas pelo celular, como pede o briefing. | PASSA
D4 | "Baixe o Conta Leve e simule agora" junta dois pedidos na mesma chamada. | INCERTORelatório que a diretoria pode conferir
O relatório de campanha tem o maior custo de erro por palavra, porque sobe para quem decide orçamento. Os dados vêm colados antes da pergunta, cada número aponta a linha de onde saiu e indicador ausente vira "não medido".
Resumo
Setembro gerou 176 cadastros com R$ 7.500,00 investidos (L1 a L3).
O Meta Ads teve o menor custo por cadastro; o LinkedIn Ads, o maior,
com cinco vezes o custo do Meta (L1, L3).
As 14 assinaturas pagas (L4) não têm canal de origem: assinatura por canal não medido.
Custo por cadastro
Meta Ads: R$ 3.200,00 / 96 = R$ 33,33 (L1)
Google Ads: R$ 2.800,00 / 71 = R$ 39,44 (L2)
LinkedIn Ads: R$ 1.500,00 / 9 = R$ 166,67 (L3)
Recomendações
Sustentado pelos dados: testar parte da verba do LinkedIn no Meta (L1, L3).
Suposição: o vídeo de 15/09 (L5) baixou o custo do Meta; comparar as duas
metades do mês antes de ampliar.
Antes de outubro: registrar o canal de origem de cada assinatura paga.Antes de publicar qualquer peça gerada
Conteúdo
0/4Conformidade
0/3Verificação rápida
O julgador aprovou 19 de 20 títulos gerados pelo mesmo modelo, na mesma conversa. O que fazer antes de confiar no resultado?
Faça hoje
Pegue um produto em campanha, troque a ficha da Conta Leve pelo preço, pelo prazo e pelos diferenciais reais e gere os 20 títulos. Em seguida, rode o prompt julgador num modelo de outra família sobre o lote inteiro. Deu certo se, em 30 minutos, você tiver uma lista menor com o motivo de cada reprovação anotado e nenhum título com preço ou prazo fora da ficha.
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
- Bastidores: Como Este Portal Foi ConstruídoBanca de modelos: pesquisa e redação com fonteExaminar conexões de Banca de modelos: pesquisa e redação com fonte
- LinkedIn Ads 2027Escrever o anúncio B2B que um decisor lê até o fimExaminar conexões de Escrever o anúncio B2B que um decisor lê até o fim
- GEO Intent MappingO cliente parou de digitar e passou a perguntarExaminar conexões de O cliente parou de digitar e passou a perguntar
- GEO Universal FrameworkEscolha o modelo por tarefa e evite orquestração desnecessáriaExaminar conexões de Escolha o modelo por tarefa e evite orquestração desnecessária
Voltar ao capítulo anterior: Montar a estratégia de marketing com oito prompts prontos
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.
Capítulos vizinhos em Prompt Engineering para Executivos
- 12Escrever ferramentas e prompts para agentes com limites claros
- 13Montar a estratégia de marketing com oito prompts prontos
- 14Produzir peças de campanha com oito prompts prontos para revisar
- 15Escolher entre Claude e OpenAI pelo custo de cada tarefa aceita
- 16Escolher entre Claude e Gemini tarefa por tarefa