कॉपीराइटिंग के लिए ChatGPT और Claude: एक MOFU कार्यप्रवाह जो रूपांतरण लाता है

चरण 1: एक पूर्ण MOFU ब्रीफ़ से शुरुआत करें

एक मजबूत ब्रीफ़, उपयोगी AI कॉपी और पॉलिश किए गए भराव के बीच का अंतर है। किसी भी मॉडल को प्रॉम्प्ट करने से पहले, एक पेज का ऑफर पैकेज लिखें जो बताए कि खरीदार कौन है, ऑफर अभी क्यों मायने रखता है, कौन-सा प्रमाण मौजूद है, और कौन-से दावे सीमा के बाहर हैं।

यदि आप अभी भी व्यापक टूल स्टैक चुन रहे हैं, तो मॉडल-विशिष्ट प्रॉम्प्ट बनाने से पहले माता-पिता गाइड नेटवर्क और ऑफ़र के लिए AI कॉपीराइटिंग टूल का उपयोग करें। नीचे दिया गया प्रॉम्प्ट कार्यप्रवाह मानता है कि आप पहले से ही ऑफर, फ़नल चरण और ट्रैफ़िक स्रोत जानते हैं।

खरीदार और अगला कदम परिभाषित करें

MOFU पाठक ठंडे नहीं होते। वे पहले ही समस्या को पहचान चुके हैं और यह तय करने में मदद चाहते हैं कि यह ऑफर, तंत्र, या अगला कदम आगे बढ़ाने के लिए पर्याप्त विश्वसनीय है या नहीं।

आपके ब्रीफ़ में अगला कदम स्पष्ट रूप से होना चाहिए: कॉल बुक करना, VSL देखना, ट्रायल शुरू करना, सूची में शामिल होना, किसी ऑफर की तुलना करना, या चेकआउट तक आगे बढ़ना। जो ड्राफ़्ट इस कार्रवाई को एक वाक्य में नहीं समझा सकता, वह परीक्षण के लिए तैयार नहीं है।

दावे और प्रमाण की सीमाएँ तय करें

उन दावों को शामिल करें जो कॉपी कर सकती है, उन दावों को जो उसे नहीं करने चाहिए, और हर प्रमुख कथन के लिए आवश्यक प्रमाण मानक। एफिलिएट और पेड अधिग्रहण कार्य के लिए, यह अनुपालन और विश्वास दोनों की रक्षा करता है।

व्यावहारिक लेबल इस्तेमाल करें:

• प्रमाणित: उद्धृत स्रोत, प्लेटफ़ॉर्म डेटा, ग्राहक साक्ष्य, या आंतरिक परीक्षण परिणाम द्वारा समर्थित।
• युक्तिसंगत: उचित, लेकिन अभी भी सत्यापन की आवश्यकता है।
• परिकल्पना: एक एंगल के रूप में उपयोगी, लेकिन दावे के रूप में सुरक्षित नहीं।
• निषिद्ध: नेटवर्क नियम, प्लेटफ़ॉर्म नीति, या कानूनी समीक्षा द्वारा प्रतिबंधित।

पुन: उपयोग योग्य ऑफर पैकेज बनाएं

हर प्रॉम्प्ट के लिए वही फ़ील्ड उपयोग करें:

• ऑफर का नाम और श्रेणी
• नेटवर्क या प्लेटफ़ॉर्म, जैसे ClickBank, Digistore24, BuyGoods, या स्वामित्व वाला फ़नल
• प्राथमिक दर्शक और भूगोल
• फ़नल चरण और रूपांतरण कार्रवाई
• वादा, तंत्र, और प्रमाण प्रकार
• शीर्ष तीन आपत्तियाँ
• प्रतिबंधित दावे और आवश्यक अस्वीकरण
• प्रतिस्पर्धी बेंचमार्क, यदि कोई हो
• टोन नियम और लंबाई सीमाएँ

चरण 2: ChatGPT और Claude के लिए एक ही प्रॉम्प्ट शेल का उपयोग करें

दोनों मॉडलों में एक ही प्रॉम्प्ट संरचना का उपयोग करें ताकि आउटपुट की तुलना की जा सके। मॉडल, कार्य, दर्शक और फ़ॉर्मेट बदलना ठीक है; हर बार पूरे प्रॉम्प्ट को बदलना परीक्षण को समझना कठिन बना देता है।

प्रॉम्प्ट शेल

Role: You are a senior direct-response copywriter writing MOFU copy.
Objective: Create copy that helps an aware prospect take the next action.
Brief: [paste offer packet]
Constraints: No guaranteed outcomes, no unsupported claims, no pressure tactics.
Audience state: [problem-aware / solution-aware / offer-aware]
Task: Create [asset type] in [number] variations.
Output format: Hook, body, objection handling, proof line, CTA, revision notes.
Scoring: Rate clarity, mechanism specificity, proof credibility, objection handling, and CTA friction from 1-5.

यह शेल क्यों काम करता है

एक सुसंगत शेल दोनों मॉडलों को एक ही व्यावसायिक समस्या पर प्रतिक्रिया देने के लिए मजबूर करता है। इससे तुलना कॉपी की गुणवत्ता पर होती है, प्रॉम्प्ट की किस्मत पर नहीं।

ChatGPT अक्सर हुक वॉल्यूम, एंगल एक्सप्लोरेशन, और शॉर्ट-फ़ॉर्म वेरिएशंस के लिए कुशल होता है। Claude अक्सर लंबी संरचना, ट्रांज़िशन, और तर्क प्रवाह के लिए उपयोगी होता है। इन्हें स्थिर नियम नहीं, बल्कि प्रवृत्तियाँ मानें, और स्कोरिंग रूब्रिक को निर्णय लेने दें।

चरण 3: संस्करण नियंत्रण खोए बिना जोड़े में ड्राफ़्ट बनाएं

ChatGPT और Claude को एक ही ब्रीफ़ पर चलाएं, फिर आउटपुट को साथ-साथ तुलना करें। अधिकांश MOFU अभियानों के लिए, स्पष्ट सीमाओं के साथ तीन प्रॉम्प्ट पास, बीस ढीले प्रॉम्प्ट से अधिक उपयोगी होते हैं।

उपयोगी भिन्नता अनुरोध

हर मॉडल से अलग रणनीतिक एंगल मांगें, यादृच्छिक पुनर्लेखन नहीं:

• दर्द-प्रथम: अटके रहने की लागत से शुरुआत करें।
• तंत्र-प्रथम: समझाएं कि यह दृष्टिकोण अलग क्यों काम करता है।
• प्रमाण-प्रथम: सबसे मजबूत विश्वसनीय साक्ष्य से शुरुआत करें।
• आपत्ति-प्रथम: खरीदार की सबसे बड़ी हिचक तुरंत संबोधित करें।
• तुलना-प्रथम: किसी ज्ञात विकल्प के विरुद्ध स्थिति बनाएं, बिना झूठे दावों के।

नामकरण और संग्रह नियम

offer_angle03_proof_v1 जैसे फ़ाइलनाम या लेबल उपयोग करें और मॉडल, प्रॉम्प्ट संस्करण, और परीक्षण तिथि संलग्न रखें। यह तब महत्वपूर्ण होता है जब कोई जीतने वाला हुक बाद में ईमेल, VSL, और लैंडिंग पेज में दिखाई देता है।

संस्करण नियंत्रण एक सामान्य AI कार्यप्रवाह समस्या को भी रोकता है: टीमें याद रखती हैं कि कौन-सी पंक्ति काम कर गई, लेकिन यह नहीं कि कौन-सा प्रॉम्प्ट, दावे की सीमा, या ट्रैफ़िक स्रोत उसके पीछे था।

चरण 4: किसी भी पेड टेस्ट से पहले ड्राफ़्ट को स्कोर करें

कोई भी AI-जनित ड्राफ़्ट सिर्फ इसलिए पेड टेस्ट तक नहीं पहुंचना चाहिए क्योंकि वह धाराप्रवाह लगता है। प्रकाशन से पहले एक स्कोरिंग गेट का उपयोग करें, फिर प्रकाशन के बाद प्रदर्शन डेटा का उपयोग करें।

25 में से न्यूनतम 16 स्कोर उपयोग करें, और किसी भी श्रेणी में 3 से नीचे नहीं होना चाहिए। यह सीमा प्रदर्शन की गारंटी नहीं है; यह एक गुणवत्ता फ़िल्टर है जो कमजोर ड्राफ़्ट को मीडिया खर्च से दूर रखता है।

चरण 5: एफिलिएट कॉपी को अधिक सुरक्षित और अधिक विश्वसनीय बनाएं

एफिलिएट कॉपी तब विफल होती है जब वह परिणामों को बढ़ा-चढ़ाकर बताती है, अनिश्चितता छिपाती है, या ऐसे प्रमाण उधार लेती है जिसे वह सहारा नहीं दे सकती। ड्राफ़्ट बनने से पहले ही मॉडल को दावे के जोखिम को कम करने के लिए कहें।

एफिलिएट प्रॉम्प्ट में ये पंक्तियाँ जोड़ें:

• गारंटीकृत परिणामों का संकेत न दें।
• हर प्रदर्शन दावे को प्रमाण से जोड़ें, या उसे परिकल्पना के रूप में लेबल करें।
• प्रशंसापत्र, आय, समय-सीमा, चिकित्सा परिणाम, या प्लेटफ़ॉर्म संबंध गढ़ें नहीं।
• मान लें कि पाठक संदेहपूर्ण है, और दबाव वाली रणनीतियाँ कम करें।
• आवश्यक अस्वीकरण और नेटवर्क प्रतिबंध सुरक्षित रखें।

यह अनुपालन के साथ-साथ विश्वास को भी बेहतर बनाता है। एक संदेहपूर्ण MOFU पाठक को आमतौर पर ज़ोरदार वादों की नहीं, बल्कि मजबूत तर्क की ज़रूरत होती है।

चरण 6: एक ब्रीफ़ से VSL, ईमेल और विज्ञापन बनाएं

AI का सबसे अच्छा उपयोग अलग-अलग संपत्तियाँ लिखना नहीं है। इसका सर्वोत्तम उपयोग एक परीक्षणित संदेश को चैनलों में बिना आधारभूत दावे बदले ले जाना है।

VSL कार्य के लिए, VSL क्या है की संरचना को आधार बनाएं:

• हुक
• समस्या और निष्क्रियता की लागत
• तंत्र
• प्रमाण
• ऑफर संरचना
• आपत्ति संभालना
• CTA अनुक्रम

जब किसी अभियान को गहरे स्क्रिप्ट कार्य की आवश्यकता हो, तो इस प्रक्रिया को AI VSL लेखक और बिक्री-पत्र कार्यप्रवाह के साथ जोड़ें। व्यापक स्केलिंग के लिए, उसी संदेश मानचित्र को ऑफ़र स्केल करने के लिए VSL कॉपीराइटिंग गाइड से जोड़ें।

एक व्यावहारिक प्रवाह सीधा है: ChatGPT से पाँच शुरुआती हुक बनवाएं, सबसे मजबूत हुक को Claude को तीन मिनट के VSL ड्राफ़्ट के लिए दें, उस स्क्रिप्ट को लैंडिंग बुलेट्स और फ़ॉलो-अप ईमेल में बदलें, फिर शीर्ष पंक्ति सेट को वर्तमान नियंत्रण के विरुद्ध परीक्षण करें।

चरण 7: नियंत्रित विभाजनों के साथ परीक्षण करें

एक कॉपी परीक्षण केवल तब उपयोगी है जब चर स्पष्ट हो। यदि आप एक साथ हुक, लैंडिंग पेज, CTA, ट्रैफ़िक स्रोत, और ऑफर फ़्रेमिंग बदलते हैं, तो आपको परिणाम मिल सकता है, लेकिन सबक नहीं।

इस न्यूनतम प्रोटोकॉल का उपयोग करें:

1. एक प्राथमिक मेट्रिक चुनें, जैसे प्रति लीड लागत, ऑप्ट-इन दर, बुक्ड-कॉल दर, या प्रति बिक्री लागत।
2. 2 से 3 एंगल में 8 से 12 वेरिएंट परीक्षण करें।
3. ट्रैकिंग, लैंडिंग पेज संरचना, और ट्रैफ़िक स्रोत को सुसंगत रखें।
4. केवल उस चैनल के लिए सार्थक न्यूनतम नमूना मिलने के बाद ही वेरिएंट रोकें।
5. शीर्ष 1 से 3 उम्मीदवारों को दूसरे परीक्षण में बढ़ाएं, सीधे पूर्ण स्केल पर नहीं।

एक अनुमान के रूप में, एक अनुशासित MOFU पुनरावृत्ति प्रगति दर में 5% से 15% सुधार कर सकती है, लेकिन ट्रैफ़िक गुणवत्ता, ऑफर परिपक्वता, और प्रमाण शक्ति के आधार पर परिणाम स्थिर या नकारात्मक भी हो सकते हैं। हर सीमा को योजना संबंधी मार्गदर्शन मानें, वादा नहीं।

चरण 8: स्केलिंग से पहले लाइव बाज़ार संकेत जोड़ें

मॉडल आउटपुट उतना ही उपयोगी है जितना उसके आसपास का बाज़ार संदर्भ। एक साफ़ प्रॉम्प्ट भी पुरानी कॉपी पैदा कर सकता है यदि वह पुराने प्रतिस्पर्धी एंगल, संतृप्त दावों, या समाप्त हो चुकी ऑफर पोज़िशनिंग पर आधारित हो।

सार्वजनिक संदर्भ जैसे Meta Ads Library का उपयोग सक्रिय रचनात्मक दिशा समझने के लिए करें, फिर सत्यापित करें कि क्या वह एंगल अभी भी वर्तमान दिखता है। उन टीमों के लिए जिन्हें ताज़ा ऑफर-स्तरीय संदर्भ चाहिए, Daily Intel Service कार्यप्रणाली बताती है कि Daily Intel Service VSL, क्रिएटिव, और फ़नल संकेतों का मूल्यांकन कैसे करता है, इससे पहले कि किसी ऑफर को प्री-स्केल, स्केलिंग, या संतृप्त माना जाए।

जब संतृप्ति दिखाई दे, तो अधिक मात्रा के बजाय भिन्नता मांगें:

• अधिक तीखे आपत्ति-खण्डन
• अधिक विशिष्ट तंत्र भाषा
• संकरा दर्शक फ़्रेमिंग
• अधिक मजबूत प्रमाण पदानुक्रम
• कम अनुमानात्मक परिणाम भाषा

चरण 9: पसंद के बजाय कार्यप्रवाह के आधार पर मॉडल भूमिकाएँ तय करें

सबसे अच्छा मॉडल मिश्रण संपत्ति और टीम की लय पर निर्भर करता है। ChatGPT का उपयोग वहाँ करें जहाँ गति और विविधता सबसे महत्वपूर्ण है, और Claude का उपयोग वहाँ करें जहाँ लंबी-रूप निरंतरता और अनुक्रम सबसे महत्वपूर्ण हैं।

एक यथार्थवादी योजना अनुमान है कि प्रति सप्ताह 60 से 120 उम्मीदवार पंक्तियों और 5 से 10 प्रकाशित करने योग्य उम्मीदवारों के लिए 3 से 5 घंटे मानव समीक्षा की जरूरत होगी। समीक्षा समय ओवरहेड नहीं है; यहीं से कमजोर दावे, अस्पष्ट तंत्र, और जोखिम भरे CTA हटाए जाते हैं।

चरण 10: लूप को साफ़ और दस्तावेज़ित रखें

एक दोहराने योग्य साप्ताहिक लूप समय के साथ प्रॉम्प्ट लाइब्रेरी को अधिक स्मार्ट बनाता है। यह संपादकों को यह रिकॉर्ड भी देता है कि कोई पंक्ति क्यों जीती या क्यों हारी।

इस ताल का उपयोग करें:

• सोमवार: ऑफर पैकेज और आपत्तियों को ताज़ा करें।
• मंगलवार से गुरुवार: वेरिएंट बनाएं, स्कोर करें, संपादित करें, और तैयार करें।
• शुक्रवार: परीक्षण डेटा की समीक्षा करें और निर्णय संग्रहित करें।
• सप्ताहांत या चक्र के बाहर: दावे के नियम और प्रमाण मानक अपडेट करें।

दीर्घकालिक खोज और विश्वास गुणवत्ता के लिए, सार्वजनिक सामग्री को Google की उपयोगी सामग्री संबंधी मार्गदर्शिका और Google संरचित डेटा नीतियों के अनुरूप रखें। यही अनुशासन अभियान कॉपी पर भी लागू होता है: प्रमाण को दृश्य बनाएं, बिना समर्थन वाली अतिशयोक्ति से बचें, और ऐसी FAQ सामग्री को मार्कअप न करें जिसे उपयोगकर्ता पेज पर पढ़ ही नहीं सकते।

Daily Intel Service के लिए ChatGPT का उपयोग करना अनिवार्य नहीं है, लेकिन यह टीमों को बड़े लॉन्च से पहले AI ड्राफ़्ट की तुलना ताज़ा बाज़ार संकेतों से करने में मदद कर सकता है। उपयोगी संतुलन यही है: AI को उत्पादन तेज़ करने दें, फिर स्कोरिंग, प्रमाण, और लाइव प्रदर्शन तय करें कि बजट किसे मिलना चाहिए।

अक्सर पूछे जाने वाले प्रश्न

प्रश्न: क्या ChatGPT कॉपीराइटिंग के लिए अच्छा है?
उत्तर: हाँ। जब प्रॉम्प्ट में स्पष्ट ऑफर ब्रीफ़, दर्शक स्थिति, प्रमाण सीमाएँ, और आउटपुट फ़ॉर्मेट शामिल हो, तब ChatGPT कॉपीराइटिंग के लिए उपयोगी है। जब उससे अस्पष्ट इनपुट से अंतिम स्तर की मनाने वाली कॉपी बनाने को कहा जाता है, तब यह सबसे कमजोर होता है।

प्रश्न: MOFU कॉपी के लिए मुझे ChatGPT या Claude का उपयोग करना चाहिए?
उत्तर: जब अभियान महत्वपूर्ण हो, तो दोनों का उपयोग करें। ChatGPT अक्सर हुक और शॉर्ट-फ़ॉर्म वेरिएंट के लिए कुशल होता है, जबकि Claude अक्सर लंबे अनुक्रम और ट्रांज़िशन के लिए उपयोगी होता है। समान स्कोरिंग रूब्रिक के साथ आउटपुट की तुलना करें।

प्रश्न: एफिलिएट कॉपीराइटिंग के लिए सबसे अच्छी प्रॉम्प्ट संरचना क्या है?
उत्तर: ऑफर, दर्शक, फ़नल चरण, तंत्र, प्रमाण, आपत्तियाँ, दावे की पाबंदियाँ, और वांछित कार्रवाई से शुरुआत करें। फिर हुक, बॉडी कॉपी, आपत्ति संभालना, प्रमाण पंक्तियाँ, CTA विकल्प, और हर मानदंड के लिए 1 से 5 का स्व-मूल्यांकन मांगें।

प्रश्न: मुझे कितने AI कॉपी वेरिएंट परीक्षण करने चाहिए?
उत्तर: एक व्यावहारिक शुरुआती बिंदु 2 से 3 एंगल में 8 से 12 वेरिएंट है। एक बार में केवल एक प्रमुख चर का परीक्षण करें, ट्रैकिंग सुसंगत रखें, और अगले परीक्षण में केवल सर्वोत्तम 1 से 3 वेरिएंट आगे बढ़ाएं।

प्रश्न: AI कॉपी को अनुपालक कैसे रखें?
उत्तर: निर्माण से पहले मॉडल को स्पष्ट रूप से प्रतिबंधित दावे, आवश्यक अस्वीकरण, प्रमाण आवश्यकताएँ, और प्लेटफ़ॉर्म नियम दें। गढ़े हुए प्रशंसापत्र, गारंटीकृत परिणाम, या बिना समर्थन वाले प्रदर्शन दावों की अनुमति न दें।

प्रश्न: क्या इस कार्यप्रवाह के लिए मुझे Daily Intel Service की आवश्यकता है?
उत्तर: नहीं। यह कार्यप्रवाह आपके अपने ब्रीफ़, परीक्षण, और बाज़ार अनुसंधान के साथ चल सकता है। Daily Intel Service तब उपयोगी है जब आप अधिक उत्पादन या मीडिया बजट लगाने से पहले यह बाहरी संकेत चाहते हों कि क्या स्केलिंग की दिशा में दिख रहा है।