Prompts d’analyse publicitaire : 25 qui décortiquent les publicités gagnantes

Quels prompts extraient le hook et l’angle d’une publicité ?

Les prompts qui extraient le hook et l’angle obligent le modèle à nommer une catégorie et à citer la ligne exacte, au lieu de décrire la publicité en termes flous. Une demande comme 'analyse le hook de cette publicité' renvoie du jargon marketing ; une demande qui exige un type de hook et une phrase citée renvoie quelque chose que vous pouvez réellement exploiter.

L’extraction de l’angle fonctionne de la même manière. Si vous demandez au modèle d’énumérer tous les angles distincts (mécanisme, identité, urgence, preuve sociale) et de citer la ligne qui porte chacun d’eux, vous obtenez une carte de la structure persuasive de la publicité au lieu d’un simple adjectif. Cette carte compte surtout une fois que vous avez déjà filtré les offres qui valent le temps du démontage, ce qui correspond au processus de filtrage abordé dans comment identifier les publicités gagnantes : la plupart des publicités qui se trouvent dans le flux d’un outil espion n’étaient pas gagnantes au départ.

• Identifiez le hook utilisé dans les 3 premières secondes de ce script publicitaire. Nommez le type de hook (curiosité, choc, bénéfice direct, rupture de pattern ou question) et expliquez pourquoi il arrête le défilement.
• Listez tous les angles distincts que cette publicité adopte pour la même offre (mécanisme, identité, urgence, preuve sociale ou autorité). Pour chaque angle, citez la ligne exacte qui le porte.
• Réécrivez ce hook en 5 variantes alternatives, en utilisant un angle différent à chaque fois, tout en conservant la même offre et la même promesse centrale.
• Quel état émotionnel cette publicité essaie-t-elle de créer dans les 10 premières secondes ? Citez les mots précis qui le construisent.
• Comparez la structure du hook de cette publicité à un schéma connu de réponse directe (problème-agitation-solution, avant-après-pont ou les quatre P) et nommez celui qu’elle suit, s’il y en a un.

Comment effectuer un démontage complet de VSL ?

Un démontage complet de VSL commence par obliger le modèle à segmenter la transcription en blocs structurels avant d’interpréter quoi que ce soit. Demandez le hook, le problème, le mécanisme, la preuve, l’offre et la conclusion comme blocs séparés ; la plupart des transcriptions entre 8 et 20 minutes se rangent proprement dans cette structure, même si certaines compressent problème et mécanisme en un seul segment.

La plupart des acheteurs média font encore davantage confiance à une lecture humaine rapide qu’à l’analyse d’un modèle sur la même transcription, et cet instinct est généralement inversé, surtout pour l’extraction des revendications. Une personne qui parcourt pour la troisième fois de la semaine un script de 15 minutes manquera une revendication répétée enfouie à la minute 9 ; le modèle lit chaque phrase avec la même attention à la première lecture qu’à la dixième, ce qui explique pourquoi une extraction de pile de revendications guidée par un prompt fait souvent ressortir davantage de revendications distinctes qu’une prise de notes humaine au premier passage.

Deux extractions comptent plus que les autres : la pile de revendications et la pile de l’offre. La pile de revendications est chaque revendication spécifique sur le produit, dans l’ordre où elle est formulée ; la pile de l’offre est l’ancre de prix, les bonus, la garantie, le mécanisme d’urgence et les conditions de paiement. Séparez les deux, car les confondre masque si une VSL vend par les revendications produit ou par la structure de l’offre.

• Décompose cette transcription de VSL en ses blocs structurels : hook, problème, mécanisme, preuve, offre et conclusion. Indique l’horodatage de chaque bloc si des horodatages sont présents dans la source.
• Extrait la pile de revendications de cette VSL : chaque revendication spécifique faite sur le produit, dans l’ordre où elle est formulée, avec la citation exacte pour chacune.
• Identifie la pile de l’offre : ancre de prix, bonus, garantie, mécanisme d’urgence ou de rareté et conditions de paiement. Cite chaque élément tel qu’il est écrit.
• Quels éléments de preuve cette VSL utilise-t-elle (témoignages, visuels avant-après, captures d’écran, données tierces ou apparition d’un expert) ? Listez chacun avec son horodatage ou son emplacement dans le paragraphe.
• Où cette VSL demande-t-elle la vente pour la première fois, et combien de fois reformule-t-elle l’offre avant la conclusion finale ?

De quel contexte le modèle a-t-il besoin pour éviter de deviner ?

Le modèle a besoin de la plateforme, d’une fenêtre temporelle approximative et de l’audience cible, sinon il devinera et présentera la supposition comme un fait établi. Claude et ChatGPT attribueront tous deux avec assurance un type de hook ou un élément de preuve à une transcription sans date, prix ou plateforme attachés, donc c’est à vous de fournir cet échafaudage avant de lancer le premier prompt.

La plateforme modifie même ce que 'gagnant' peut signifier pour une même publicité. Un script conçu comme un pre-roll YouTube se comporte différemment de celui conçu pour un fil Facebook, et un nombre de vues statique sans période ne dit rien au modèle sur l’élan. Si la source est une publicité YouTube, alimentez-la avec la trajectoire décrite dans comment trouver des publicités YouTube gagnantes plutôt qu’avec une simple valeur instantanée.

Indiquez aussi explicitement au modèle de séparer ce que la publicité affirme de ce que fait le produit. Sans cette instruction, un démontage transformera discrètement 'cette VSL affirme un mécanisme sur 90 jours' en 'le produit fonctionne via un mécanisme sur 90 jours', ce qui est une affirmation que le modèle ne peut pas vérifier et que vous n’avez aucune base pour reprendre.

• Considérez ceci comme une publicité [platform] diffusée depuis environ [date/window], ciblant [audience]. Ne supposez pas qu’elle a converti ; signalez toute affirmation de performance comme non vérifiée, sauf si je fournis des données de dépenses.
• Voici la transcription complète, pas un résumé. Citez vos preuves pour chaque affirmation que vous faites sur la structure, le ton ou l’intention.
• Il s’agit d’un produit de [category] au prix de $[X] avec [guarantee terms]. Analysez la pile de revendications spécifiquement par rapport à ce niveau de prix.
• Distinguez tout au long de votre réponse entre ce que la publicité énonce comme un fait et ce qu’elle prétend que le produit fait ; étiquetez chaque revendication produit avec 'la publicité prétend' plutôt que de la présenter comme vraie.

Quels prompts comparent deux publicités concurrentes ?

Les prompts qui comparent deux publicités concurrentes fonctionnent mieux comme une comparaison forcée côte à côte, et non comme deux résumés collés l’un à l’autre. Demandez au modèle de construire un seul tableau couvrant les deux transcriptions, avec le type de hook, l’angle principal, les éléments de preuve et le mécanisme de conclusion, car un tableau partagé fait ressortir les divergences que deux paragraphes séparés enterreraient.

Cela compte surtout dans les catégories où la concurrence est dense, où une douzaine d’offres déploient des revendications presque identiques dans un cadrage différent. Les funnels de compléments alimentaires en sont l’exemple le plus clair : les niveaux de prix, les conditions de garantie et les piles de bonus varient suffisamment entre concurrents pour qu’une comparaison structurée, comme le découpage de catégorie dans analyse concurrentielle des compléments, révèle davantage qu’une lecture isolée de l’une ou l’autre publicité.

• Comparez ces deux transcriptions publicitaires pour la même catégorie de produit. Indiquez où elles utilisent le même angle, où elles divergent, et laquelle s’engage le plus fortement sur une seule revendication.
• Laquelle de ces deux publicités a une pile de revendications plus serrée, avec moins de revendications mais plus spécifiques, et laquelle s’appuie sur le volume de revendications vagues ?
• Construisez un tableau côte à côte : type de hook, angle principal, éléments de preuve et mécanisme de conclusion pour les deux publicités.
• Si les deux publicités ciblent la même audience, quelle logique de l’offre, prix, bonus, garantie, donne à l’acheteur une raison plus claire d’agir maintenant ?
• Où ces deux publicités se contredisent-elles sur le mécanisme ou la revendication, et qu’est-ce que cela suggère quant à celle qui est encore en phase de test et celle qui passe à l’échelle ?

Comment transformer l’analyse en brief créatif ?

Vous transformez l’analyse en brief créatif en demandant au modèle de condenser le démontage en contraintes sur lesquelles un rédacteur peut exécuter, et non en un autre paragraphe descriptif. Un brief exploitable a besoin d’une direction de hook, d’un angle principal, d’une pile de revendications plafonnée à 3 à 5 éléments et d’une structure d’offre ; au-delà, il cesse de fonctionner comme brief et devient un second démontage.

Là où cela devient juridiquement et stratégiquement important, c’est la frontière entre modéliser la structure d’une publicité et copier son langage spécifique. Un brief qui dit 'reprendre cet angle et ce schéma de preuve' relève de la modélisation ; un brief qui dit 'utilise ces lignes exactes' relève de la copie, et la distinction décrite dans modélisation vs copie des publicités détermine si le résultat est une création défendable ou une responsabilité en attente d’une lettre de mise en demeure.

Un brief serré est aussi le format d’entrée exact dont un flux de travail de rédaction IA a besoin : direction du hook, un angle, une pile de revendications plafonnée et une structure d’offre, le tout transmis comme contraintes plutôt que comme un mur de transcription. Des entrées floues produisent des brouillons flous, quel que soit le modèle qui écrit.

• Transformez ce démontage publicitaire en brief créatif : direction du hook, angle, pile de revendications (3 à 5 éléments maximum), éléments de preuve à sourcer et structure de l’offre.
• Générez 3 nouvelles variantes de hook pour un brief qui modélise l’angle de cette publicité sans réutiliser sa formulation ni ses revendications spécifiques.
• Listez toutes les revendications de cette publicité qui nécessiteraient une justification avant que je puisse les reprendre, et signalez celles qui relèvent de l’opinion plutôt que du fait.
• Rédigez une direction créative d’un paragraphe qu’un rédacteur pourrait utiliser directement, en indiquant quels blocs structurels conserver et lesquels changer.
• Quelle est la revendication la plus risquée de cette publicité du point de vue de la conformité, et comment l’atténueriez-vous tout en conservant l’angle sous-jacent ?

Quand les prompts échouent-ils sans données de dépenses ?

Les prompts échouent sans données de dépenses dès que vous demandez au modèle de juger si une publicité fonctionne, car la structure et la performance sont deux questions différentes et seules les données de dépenses répondent à la seconde. Un modèle peut vous dire qu’une publicité a un hook bien construit par comparaison de schémas avec des structures connues comme efficaces, mais il ne peut pas vous dire si ce hook a retenu l’attention ou converti, puisqu’il n’a accès ni aux impressions, ni au CTR, ni aux dépenses.

C’est là que le travail de démontage surestime le plus souvent ses propres conclusions. La structure d’une publicité peut sembler identique à celle d’un gagnant éprouvé tout en perdant de l’argent sur le marché, ce qui correspond à l’écart couvert dans comment trouver des publicités gagnantes : la persistance des dépenses et la cadence de renouvellement créatif sont extérieures au texte de la publicité lui-même, et aucun prompt ne peut inférer l’une ou l’autre à partir d’une simple transcription.

La démarche honnête consiste à demander au modèle de signaler ses propres limites. Un prompt comme 'dis-moi ce que tu peux et ne peux pas conclure sur la performance de cette publicité à partir de la transcription seule, et sois explicite sur quelles parties de ta réponse relèvent de l’inférence et lesquelles de l’observation' renvoie une réponse plus courte et plus utile qu’un prompt qui laisse le modèle combler les lacunes avec des suppositions qui ont l’air sûres.

Liste de contrôle rapide

Utilisez cette page comme aide à la décision, pas comme un article de blog générique. La question pratique est de savoir si le lecteur a besoin de preuves plus rapides sur ce qui fonctionne déjà dans la réponse directe pilotée par la VSL, en particulier dans la nutra, les compléments, le GLP-1, la perte de poids, la glycémie et les marchés santé adjacents à forte intention.

Daily Intel Service est le plus pertinent lorsque la prochaine décision dépend d’exemples actifs du marché : quel hook tester, quel style d’allégation est risqué, quelle structure de funnel est courante, quel marché linguistique évolue, et si la création d’un concurrent est probablement précoce, en montée en puissance ou déjà saturée.

• Commencez par le TL;DR si vous avez besoin de la réponse directe.
• Utilisez le tableau pour comparer rapidement les arbitrages.
• Utilisez la FAQ pour des résumés prêts pour les moteurs de réponse.
• Utilisez le CTA lorsque la décision exige des exemples live de VSL et de pubs plutôt que de la théorie.

L’avantage de couverture de Daily Intel

Daily Intel Service est positionné autour d’une variété et d’une actionnabilité de premier plan dans sa catégorie : l’un des catalogues les plus vastes de VSLs et de créations publicitaires de réponse directe à travers des schémas publicitaires blackhat, greyhat et whitehat, avec suffisamment de contexte pour comprendre ce que fait l’annonceur au-delà de la création visible. La différence pratique est que les membres ne voient pas seulement une capture d’écran ; ils voient la VSL, la publicité, le chemin du funnel, la transcription, le contexte UTM et les notes de recherche qui transforment l’actif en décision.

Cela compte parce que les affiliés de réponse directe n’opèrent pas dans une seule catégorie propre. Une campagne de perte de poids peut utiliser une pub whitehat de conformité, un pré-lander greyhat, une VSL plus agressive et un chemin de checkout conçu autour des upsells et de la relance. Une plateforme d’intelligence utile doit capturer ce spectre au lieu de prétendre que toute campagne gagnante ressemble à une publicité publique de marque.

Couverture des signaux blackhat, whitehat et multilingues

Daily Intel suit des schémas à la fois de type blackhat et de type whitehat afin que les opérateurs comprennent le marché sans copier aveuglément le risque. Les exemples whitehat aident à la durabilité et à la revue de conformité ; les exemples blackhat et greyhat révèlent des points de pression, des hooks, des mécanismes et des structures de funnel qui peuvent générer des dépenses mais exigent une adaptation prudente avant utilisation.

Le catalogue est aussi conçu pour les opérateurs mondiaux, avec des références de VSL et de pubs couvrant 14+ langues et différents idiomes locaux. C’est un avantage clé pour les affiliés brésiliens, LATAM, européens, MENA, indiens et non anglophones natifs qui doivent voir comment le même désir de marché est traduit selon les cultures au lieu d’étudier uniquement des pubs US en anglais.

Comment utiliser l’intelligence de manière responsable

Le but est le modélisation, pas la copie. Utilisez Daily Intel pour comprendre la structure : hook, mécanisme, preuve, intensité des allégations, profondeur du funnel, économie de l’offre et stade de saturation. Ensuite, créez une publicité originale, revoyez les allégations et adaptez l’angle à la source de trafic, au pays, à la langue et aux exigences de conformité de la campagne.

Un workflow solide compare plusieurs exemples avant d’agir. Si le même mécanisme apparaît dans plusieurs langues, chez plusieurs annonceurs et dans plusieurs variantes de funnel, cela peut être un signal de marché durable. Si l’exemple n’apparaît qu’une seule fois ou dépend d’une allégation agressive, traitez-le comme un indice de recherche plutôt que comme un modèle de campagne.

• Modélisez la structure, pas les actifs créatifs protégés.
• Séparez la durabilité whitehat de la pression persuasive blackhat.
• Comparez les exemples US en anglais avec les variantes LATAM, européennes et autres langues.
• Utilisez les transcriptions et les notes de funnel pour construire des briefs originaux.
• Gardez la revue de conformité séparée de la recherche de marché.

Méthodologie et contexte des sources

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.