In uno scenario in cui vogliamo simulare un esperto di branding, il modello potrebbe utilizzare set di dati sulla creazione del brand, gestione della reputazione e strategie di posizionamento. Questo approccio permetterebbe di fornire consigli più precisi e dettagliati rispetto a un sistema generico. Se volessimo che il LLM "interpreti" un professionista del marketing di una nicchia, esso offrirebbe un valore inestimabile alle aziende che operano in mercati specifici. Se poi gli forniamo anche un contesto specifico attraverso una documentazione aziendale, sarà ancora più preciso. Ad esempio, un LLM focalizzato sul marketing B2B avrebbe strategie diverse rispetto a uno specializzato in marketing B2C, riflettendo le diverse esigenze di questi segmenti.

Immaginiamo un LLM che simuli un esperto di marketing digitale. Il modello, addestrato con dati provenienti da ogni settore, avrà anche dati specifici del settore marketing digitale estratti da libri, articoli di blog e video. Chiedendo alla macchina di simulare quello specifico professionista, andrà a "filtrare la sua conoscenza" offrendo consigli su strategie di pubblicità pay-per-click, ottimizzazione SEO e analisi delle metriche dei social media, evitando eccessive generalizzazioni.

In uno scenario in cui vogliamo simulare un esperto di branding, il modello potrebbe utilizzare set di dati sulla creazione del brand, gestione della reputazione e strategie di posizionamento. Questo approccio permetterebbe di fornire consigli più precisi e dettagliati rispetto a un sistema generico. Se volessimo che il LLM "interpreti" un professionista del marketing di una nicchia, esso offrirebbe un valore inestimabile alle aziende che operano in mercati specifici. Inoltre, fornendo al modello un contesto specifico attraverso una documentazione aziendale, i suoi consigli risulterebbero ancora più precisi. Ad esempio, un LLM focalizzato sul marketing B2B avrebbe strategie diverse rispetto a uno specializzato in marketing B2C, riflettendo le diverse esigenze di questi segmenti.

Il gioco di ruolo fornisce agli LLM un quadro di riferimento chiaro: invece di cercare risposte in un vasto insieme di dati per ogni prompt, utilizza il ruolo assegnato come guida e funge da lente attraverso la quale interpreta e risponde.

Il gioco di ruolo diventa particolarmente utile quando si approccia un ambiente agentic, dove ogni agente assume un ruolo ben definito creando un team che lavora in sinergia. In questo contesto, possiamo usare le tecniche di gioco di ruolo per definire con precisione ogni mansione e il punto di vista di ciascun membro del team.

Ottenere risposte più allineate alle aspettative.

Un LLM che 'pensa' come un esperto di marketing di contenuti potrebbe, per esempio, suggerire contenuti che risuonano con un target specifico o strategie di distribuzione ottimali. È possibile andare oltre la definizione di un'area di competenza.

Personalità

Stabilendo una 'personalità' per l'IA. Nel contesto del marketing, potrebbe significare decidere se l'LLM dovrebbe rispecchiare un professionista esperto del settore o magari un giovane innovatore al passo con le nuove tendenze. Questa 'personalità' incide sul tono, lo stile e la profondità delle risposte.

Relazioni

Fornendo un contesto chiaro, che può includere dettagli come il tipo di azienda con cui si identifica, gli obiettivi di marketing che persegue, o le particolarità del mercato in cui opera, si ottiene una maggiore precisione nelle risposte del modello.

Ad esempio, se il modello interpreta uno strategist per un brand di lusso per la creazione di una newsletter, questo contesto guiderà le sue raccomandazioni.

{
    "ruolo": "Digital Strategist",
    "personalità": {
        "tipo": "professionista sofisticato",
        "attributi": {
           "tono": "elegante",
            "stile": "formale",
            "profondità": "dettagliata"
        }
    },
    "contesto": "Marketing Digitale per un Marchio di Lusso nel 2024",
    "obiettivo": "Fornire informazioni sulle ultime tendenze e strategie nel settore del lusso."
}

Questa che segue è un'anticipazione alla guida "Anatomia di un Prompt" dove svelo il mio personale metodo per strutturare un prompt che ho elaborato dopo migliaia di test durati 2 anni e grazie a ore di interminabili letture di paper.

Oltre al "ruolo" o al "carattere" che il modello assume nella conversazione, come già menzionato prima, ci sono molte altre informazioni che possono essere incluse in un "system prompt" per modulare la risposta. Eccone alcune:

1. Formato: puoi specificare se desideri una risposta breve, dettagliata, in forma di elenco, in paragrafi ecc.
2. Tono di voce: specifica se desideri una risposta formale, informale, amichevole, professionale, entusiasta, neutra ecc.
3. Pubblico di destinazione: questo aiuta il modello a modulare la risposta in base a chi leggerà o riceverà l'informazione (ad es. adolescenti, professionisti, genitori ecc.).
4. Livello di dettaglio: puoi chiedere una panoramica generale, una risposta approfondita o qualcosa di intermedio.
5. Esempi o analogie: se desideri che la risposta includa esempi concreti o analogie per facilitare la comprensione.
6. Riferimenti o fonti: se desideri che il modello fornisca fonti o riferimenti affermati per supportare la risposta.
7. Geolocalizzazione: specifica una particolare regione, paese o città se desideri informazioni geograficamente pertinenti.
8. Esclusioni: qualsiasi argomento o dettaglio che preferisci non venga trattato nella risposta.
9. Confronti: se desideri confrontare due concetti, prodotti, strategie ecc.

Il problema è che i modelli attuali hanno difficoltà a "leggere" e comprendere prompt lunghi e quindi è necessario strutturarli. Ma questa è un'altra guida

Se hai apprezzato queste informazioni, aiutaci a crescere. L'obiettivo è essere numerosi e affamati di conoscenza, così da poter chiedere alle aziende sconti, accessi in anteprima, inviti ad eventi, fondi per mantenere il progetto e privilegi per i membri di Marketing Hackers, che sarà per sempre gratuito.

Più siamo e più otterremo. Quindi, se ti piace il progetto, condividilo con la tua rete di colleghi e amici e invitali a iscriversi per diffondere la conoscenza e non rimanere indietro.

Stay Tuned!