Prompts de análisis de anuncios: 25 que desglosan anuncios ganadores

¿Qué prompts extraen el gancho y el ángulo de un anuncio?

Los prompts que extraen el gancho y el ángulo obligan al modelo a nombrar una categoría y citar la línea exacta, no a describir el anuncio en términos vagos. Una petición como 'analiza el gancho de este anuncio' devuelve jerga de marketing; una petición que exige un tipo de gancho y una frase citada devuelve algo que realmente puedes utilizar.

La extracción del ángulo funciona igual. Si le pides al modelo que enumere todos los ángulos distintos (mecanismo, identidad, urgencia, prueba social) y cite la línea que porta cada uno, obtienes un mapa de la estructura persuasiva del anuncio en lugar de un solo adjetivo. Ese mapa importa sobre todo cuando ya filtraste ofertas que merecen el tiempo de desmontaje, que es el proceso de filtrado cubierto en cómo identificar anuncios ganadores: la mayoría de los anuncios que aparecen en un feed de una herramienta espía nunca fueron ganadores para empezar.

• Identifica el gancho usado en los primeros 3 segundos de este guion de anuncio. Nombra el tipo de gancho (curiosidad, impacto, beneficio directo, interrupción del patrón o pregunta) y explica por qué detiene el desplazamiento.
• Enumera todos los ángulos distintos que este anuncio presenta para la misma oferta (mecanismo, identidad, urgencia, prueba social o autoridad). Para cada ángulo, cita la línea exacta que lo transmite.
• Reescribe este gancho en 5 versiones alternativas, usando un ángulo distinto cada vez, manteniendo la misma oferta y la misma afirmación central.
• ¿Qué estado emocional intenta crear este anuncio en los primeros 10 segundos? Cita las palabras específicas que lo construyen.
• Compara la estructura del gancho de este anuncio con un patrón conocido de respuesta directa (problema-agitación-solución, antes-después-puente o las cuatro P) y di cuál sigue, si sigue alguno.

¿Cómo se hace un desmontaje completo de VSL?

Un desmontaje completo de VSL empieza obligando al modelo a segmentar la transcripción en bloques estructurales antes de interpretar nada. Pide gancho, problema, mecanismo, prueba, oferta y cierre como bloques separados; la mayoría de las transcripciones de entre 8 y 20 minutos encajan limpiamente en esa estructura, aunque algunas comprimen problema y mecanismo en un solo tramo.

La mayoría de los compradores de medios sigue confiando en una lectura humana rápida más que en el análisis de un modelo sobre la misma transcripción, y ese instinto suele estar al revés, en especial para la extracción de afirmaciones. Una persona que hojea por tercera vez esa semana un guion de 15 minutos pasará por alto una afirmación repetida enterrada en el minuto 9; el modelo lee cada frase con la misma atención en la primera lectura que en la décima, por eso una extracción de pila de afirmaciones guiada por un prompt suele revelar más afirmaciones distintas que las notas de un humano en una primera pasada.

Dos extracciones importan más que las demás: la pila de afirmaciones y la pila de la oferta. La pila de afirmaciones es cada afirmación específica sobre el producto, en el orden en que se hace; la pila de la oferta es el ancla de precio, los bonos, la garantía, el mecanismo de urgencia y las condiciones de pago. Saca ambas por separado, porque confundirlas oculta si una VSL vende por afirmaciones sobre el producto o por la estructura de la oferta.

• Desglosa esta transcripción de VSL en sus bloques estructurales: gancho, problema, mecanismo, prueba, oferta y cierre. Añade la marca temporal de cada bloque si hay marcas temporales en la fuente.
• Extrae la pila de afirmaciones de esta VSL: cada afirmación específica hecha sobre el producto, en el orden en que se hace, con la cita exacta de cada una.
• Identifica la pila de la oferta: ancla de precio, bonos, garantía, mecanismo de urgencia o escasez y condiciones de pago. Cita cada elemento tal como está escrito.
• ¿Qué elementos de prueba usa esta VSL (testimonios, imágenes de antes y después, capturas de pantalla, datos de terceros o una aparición de un experto)? Enumera cada uno con su marca temporal o ubicación de párrafo.
• ¿Dónde pide esta VSL la venta por primera vez y cuántas veces vuelve a hacer la propuesta antes del cierre final?

¿Qué contexto necesita el modelo para no adivinar?

El modelo necesita la plataforma, una ventana aproximada de publicación y la audiencia objetivo, o adivinará y presentará la suposición como un hecho cerrado. Tanto Claude como ChatGPT asignarán con seguridad un tipo de gancho o un elemento de prueba a una transcripción sin fecha, precio o plataforma adjuntos, así que la responsabilidad de aportar ese armazón antes de ejecutar el primer prompt recae en ti.

La plataforma cambia lo que incluso puede significar 'ganador' para el mismo anuncio. Un guion construido como pre-roll de YouTube se comporta de forma distinta a uno creado para un feed de Facebook, y una visualización estática sin marco temporal no le dice nada al modelo sobre el impulso. Si la fuente es un anuncio de YouTube, aliméntalo con la trayectoria descrita en cómo encontrar anuncios ganadores de YouTube en lugar de una sola cifra instantánea.

Indica también al modelo explícitamente que separe lo que el anuncio afirma de lo que hace el producto. Sin esa instrucción, un desmontaje convertirá en silencio 'esta VSL afirma un mecanismo de 90 días' en 'el producto funciona mediante un mecanismo de 90 días', lo cual es una afirmación que el modelo no tiene forma de verificar y tú no tienes base para repetir.

• Trata esto como un anuncio de [platform] que se ha estado emitiendo desde aproximadamente [date/window], dirigido a [audience]. No asumas que convirtió; marca cualquier afirmación de rendimiento como no verificada salvo que yo proporcione datos de gasto.
• Aquí está la transcripción completa, no un resumen. Cita tus pruebas para cada afirmación que hagas sobre la estructura, el tono o la intención.
• Este es un producto de [category] con un precio de $[X] y [guarantee terms]. Analiza la pila de afirmaciones específicamente en relación con ese punto de precio.
• Distingue a lo largo de toda tu respuesta entre lo que el anuncio afirma como hecho y lo que el anuncio dice que hace el producto; etiqueta cada afirmación sobre el producto con 'el anuncio afirma' en lugar de presentarla como verdadera.

¿Qué prompts comparan dos anuncios de la competencia?

Los prompts que comparan dos anuncios de la competencia funcionan mejor como una comparación forzada lado a lado, no como dos resúmenes pegados uno junto al otro. Pide al modelo que construya una sola tabla con ambas transcripciones, cubriendo tipo de gancho, ángulo principal, elementos de prueba y mecanismo de cierre, porque una tabla compartida expone divergencias que dos párrafos separados enterrarían.

Esto importa sobre todo en categorías con un conjunto competitivo denso, donde una docena de ofertas ejecutan afirmaciones casi idénticas envueltas en un encuadre distinto. Los embudos de suplementos son el caso más claro: los puntos de precio, los términos de garantía y las pilas de bonos varían lo suficiente entre competidores como para que una comparación estructurada, como el desglose de categoría en análisis de la competencia en suplementos, saque a la luz más que leer cualquiera de los anuncios por separado.

• Compara estas dos transcripciones de anuncio para la misma categoría de producto. Indica dónde usan el mismo ángulo, dónde divergen y cuál se compromete con más fuerza a una sola afirmación.
• ¿Cuál de estos dos anuncios tiene una pila de afirmaciones más ajustada, con menos afirmaciones y más específicas, y cuál depende del volumen de afirmaciones vagas?
• Construye una tabla lado a lado: tipo de gancho, ángulo principal, elementos de prueba y mecanismo de cierre para ambos anuncios.
• Si ambos anuncios se dirigen a la misma audiencia, ¿qué matemática de la oferta, precio, bonos y garantía le da al comprador una razón más clara para actuar ahora?
• ¿Dónde se contradicen estos dos anuncios en cuanto a mecanismo o afirmación, y qué sugiere eso sobre cuál sigue en prueba y cuál está escalando?

¿Cómo conviertes el análisis en un briefing creativo?

Conviertes el análisis en un briefing creativo pidiéndole al modelo que comprima el desmontaje en restricciones contra las que un redactor pueda ejecutar, no en otro párrafo descriptivo. Un briefing utilizable necesita una dirección de gancho, un ángulo principal, una pila de afirmaciones limitada a 3 a 5 elementos y una estructura de oferta; más allá de esa longitud deja de funcionar como briefing y se convierte en un segundo desmontaje.

Donde esto se vuelve legal y estratégicamente importante es en la línea que separa modelar la estructura de un anuncio de copiar su lenguaje específico. Un briefing que dice 'igualar este ángulo y este patrón de prueba' es modelar; uno que dice 'usa estas frases exactas' es copiar, y la distinción expuesta en modelar vs copiar anuncios determina si la salida es una creatividad defendible o una responsabilidad a la espera de una carta de cese y desista.

Un briefing preciso es también el formato de entrada exacto que necesita un flujo de trabajo de redacción con IA: dirección del gancho, un ángulo, una pila de afirmaciones limitada y estructura de la oferta, todo introducido como restricciones y no como un muro de transcripción. Las entradas vagas producen borradores vagos, independientemente del modelo que escriba.

• Convierte este desmontaje del anuncio en un briefing creativo: dirección del gancho, ángulo, pila de afirmaciones (máximo 3-5 elementos), elementos de prueba que hay que buscar y estructura de la oferta.
• Genera 3 nuevas variaciones de gancho para un briefing que modele el ángulo de este anuncio sin reutilizar su redacción ni sus afirmaciones específicas.
• Enumera cada afirmación de este anuncio que necesitaría respaldo antes de poder usarla, y marca cuáles suenan a opinión frente a hecho.
• Redacta una dirección creativa de un párrafo con la que un redactor pueda trabajar directamente, indicando qué bloques estructurales mantener y cuáles cambiar.
• ¿Cuál es la afirmación más arriesgada de este anuncio desde el punto de vista del cumplimiento, y cómo la suavizarías manteniendo intacto el ángulo subyacente?

¿Cuándo fallan los prompts sin datos de gasto?

Los prompts fallan sin datos de gasto en el momento en que le pides al modelo que juzgue si un anuncio funciona, porque la estructura y el rendimiento son preguntas distintas y solo los datos de gasto responden a la segunda. Un modelo puede decirte que un anuncio tiene un gancho bien construido mediante comparación de patrones con estructuras conocidas como eficaces, pero no puede decirte si ese gancho retuvo la atención o convirtió, porque no tiene acceso a impresiones, tasa de clics ni gasto.

Aquí es donde el trabajo de desmontaje suele exagerar sus propias conclusiones. La estructura de un anuncio puede parecer idéntica a la de un ganador probado y aun así perder dinero en el mercado, que es la brecha tratada en cómo encontrar anuncios ganadores: la persistencia del gasto y la cadencia de renovación creativa están fuera del propio texto del anuncio, y ningún prompt puede inferir ninguna de las dos a partir de una transcripción sola.

La opción honesta es pedirle al modelo que marque sus propios límites. Un prompt como 'dime qué puedes y qué no puedes concluir sobre el rendimiento de este anuncio a partir de la transcripción sola, y sé explícito sobre qué partes de tu respuesta son inferencia frente a observación' devuelve una respuesta más breve y útil que una que deja que el modelo rellene el hueco con suposiciones que suenan seguras.

Lista rápida de decisión

Usa esta página como ayuda para decidir, no como una entrada genérica de blog. La cuestión práctica es si el lector necesita evidencia más rápida sobre lo que ya está funcionando en respuesta directa impulsada por VSL, especialmente en nutra, suplementos, GLP-1, pérdida de peso, glucosa en sangre y mercados de salud cercanos de alta intención.

Daily Intel Service es más relevante cuando la siguiente decisión depende de ejemplos activos del mercado: qué gancho probar, qué estilo de afirmación es arriesgado, qué estructura de embudo es común, qué mercado de idioma se está moviendo y si el creativo de un competidor está en fase temprana, escalando o ya saturado.

• Empieza por el TL;DR si necesitas la respuesta directa.
• Usa la tabla para comparar rápidamente los intercambios.
• Usa la FAQ para resúmenes listos para motores de respuesta.
• Usa el CTA cuando la decisión requiera ejemplos vivos de VSL y anuncios en lugar de teoría.

Ventaja de cobertura de Daily Intel

Daily Intel Service se posiciona en torno a variedad líder de categoría y capacidad de acción: uno de los catálogos de respuesta directa más amplios de VSLs y creatividades publicitarias en patrones blackhat, greyhat y whitehat, con suficiente contexto para entender lo que hace el anunciante más allá del creativo visible. La diferencia práctica es que los miembros no solo ven una captura de pantalla; ven el VSL, el anuncio, la ruta del embudo, la transcripción, el contexto UTM y las notas de investigación que convierten el activo en una decisión.

Esto importa porque los afiliados de respuesta directa no operan en una sola categoría limpia. Una campaña de pérdida de peso puede usar un anuncio whitehat de cumplimiento, un prelander greyhat, un VSL más agresivo y una ruta de checkout diseñada alrededor de upsells y recuperación. Una plataforma de inteligencia útil necesita capturar ese espectro en lugar de fingir que toda campaña ganadora parece un anuncio público de marca.

Cobertura de señales blackhat, whitehat y multilingües

Daily Intel rastrea patrones tanto de campañas de estilo blackhat como whitehat para que los operadores entiendan el mercado sin copiar el riesgo a ciegas. Los ejemplos whitehat ayudan con la durabilidad y la revisión de cumplimiento; los ejemplos blackhat y greyhat revelan puntos de presión, ganchos, mecanismos y estructuras de embudo que pueden estar impulsando el gasto pero requieren adaptación cuidadosa antes de usarlos.

El catálogo también está hecho para operadores globales, con referencias de VSL y anuncios en más de 14 idiomas y distintos localismos. Esa es una ventaja clave para afiliados brasileños, de LATAM, europeos, de MENA, indios y no nativos en inglés que necesitan ver cómo se traduce la misma demanda de mercado entre culturas en lugar de estudiar solo anuncios en inglés de EE. UU.

Cómo usar la inteligencia de forma responsable

El objetivo es modelar, no copiar. Usa Daily Intel para entender la estructura: gancho, mecanismo, prueba, intensidad de la afirmación, profundidad del embudo, economía de la oferta y etapa de saturación. Luego construye creatividades originales, revisa las afirmaciones y adapta el ángulo a la fuente de tráfico, el país, el idioma y los requisitos de cumplimiento de la campaña.

Un flujo de trabajo sólido compara varios ejemplos antes de actuar. Si el mismo mecanismo aparece en varios idiomas, varios anunciantes y varias variantes del embudo, puede ser una señal de mercado duradera. Si el ejemplo aparece solo una vez o depende de una afirmación agresiva, trátalo como pista de investigación, no como plantilla de campaña.

• Modela la estructura, no los activos creativos protegidos.
• Separa la durabilidad whitehat de la presión persuasiva blackhat.
• Compara ejemplos en inglés de EE. UU. con variantes de LATAM, Europa y otros idiomas.
• Usa transcripciones y notas del embudo para construir briefs originales.
• Mantén la revisión de cumplimiento separada de la investigación de mercado.

Metodología y contexto de fuentes

Daily Intel pages are written from a research workflow that reviews active VSLs, Meta ad creatives, transcripts, UTMs, funnel paths, checkout steps, upsells, recovery sequences, and compliance-sensitive claim patterns. The goal is to explain observable market behavior, not to provide legal, medical, or platform policy advice.

For educational pages, the supporting references should help readers verify search, crawlability, and public ad research context, especially Google helpful content guidance, Google SEO link best practices, and Meta Ad Library. Daily Intel then adds the direct-response interpretation layer so the page explains what the signal means for actual affiliate research decisions.

For deeper evaluation, continue through State of ad spy tools in 2026, First-Party Data for Affiliates: The 2026 Playbook, Meta Event Match Quality: How to Raise EMQ Fast (2026), TikTok Events API for Affiliates: S2S Setup for 2026, n8n Ad Spy Workflow: Automate Competitor Monitoring, and What is a VSL?. These related Daily Intel pages connect this topic to the relevant methodology, pricing, trust context, comparison path, or niche workflow.