Залетит или нет? Как нейросеть предсказывает успех моих Reels
Недавно задался вопросом: что именно делает мои рилсы успешными или, наоборот провальными? Какие темы, приемы и форматы вовлекают аудиторию, а что, наоборот, отталкивает?
Чтобы найти ответ, решил взять инструмент, в котором разбираюсь — нейросети.
То, что изначально начиналось как короткий эксперимент со стилями и промптами, завершилось реально работающей схемой для анализа контента.
Дисклеймер — нейросеть, какой бы продвинутой она не была, не может предсказать, залетит твоё видео или нет. Она лишь может проанализировать текст и подсказать, как усилить или изменить его, чтобы повысить шансы.
Держим это в голове, и погнали.
Шаг 1. Промпт для написания промпта
В задачах вроде этой важно грамотно составить промпт — со всеми деталями, контекстом, условиями и ограничениями.
Поэтому я описал задачу и попросил Claude составить промпт. Задачу описывал голосом, не судите за ошибки и опечатки:
я хочу, чтобы ты выступил в роли профессионального промт-инженера, который поможет составить детальный, качественный, проработанный промт, для языковой модели. Так, чтобы я этой языковой модели мог прислать тексты, своих коротких видео Reels, и аналитику. Чтобы языковая модель могла проанализировать и выступить в роли маркетолога или контент-стратега, который проанализирует сценарий моих видео, и определить закономерности. Почему определенные видео залетают, почему какие-то нет. Структура более выигрышная в моих рилсах, которая лучше работает и какая нет.
По итогу Claude сгенерировал мне добротный промпт для анализа моих рилсов. Здесь и далее — промпты, которые я использую, очень длинные. Поэтому я не буду вставлять их текст в статью, а укажу ссылкой на отдельной страничке.
Итак, промпт для анализа ваших рилсов.
Шаг 2. Собираем рилсы для анализа.
Я собрал около 30 рилсов: половина из них — самые успешные, половина — провальные. Если нет своих, можно взять за основу аккаунты конкурентов или авторов, на которых хочется быть похожим.
Все рилсы собрал на одной странице в таком формате:
И так я сделал для каждого рилса. Скачивал все пачкой через Downie, транскрипцию массово для всех делал через MacWhisper.
По итогу у меня получилась огромная портянка со сценариями и аналитикой для каждого рилса. Данные по удержанию — самые важные. Посмотреть их можно в аналитике у каждого рилса. Если есть данные по репостам — тоже указываем. Я в Европе, тут Инсте запрещено собирать аналитику репостов, поэтому без них.
После того, как мы собрали все данные, можно переходить к их анализу через нейросеть. И тут начинается самое интересное — поиск закономерностей и паттернов.
Шаг 3. Анализируем данные через нейросеть
Несколько рекомендаций по выбору нейросети и модели:
- Нужна модель с большим контекстным окном (объёме текста, который нейронка может принять и держать в памяти).
- В идеале, если это будет reasoning-модель, то есть та, которая «умеет» размышлять.
- Мой топ для этих задач:
- Рекомендую сервис OpenRouter — в нём можно потестить сразу несколько нейронок и выбрать ту, которая выдаёт подходящий результат. Пополняется картой или криптой.
Что делаем?
Берём наш промпт для анализа рилсов, после него вставляем полотно со сценариями и аналитикой — нейронка разберётся. Потому и рекомендую Reasoning-модель, чтобы она могла по шагам разобрать большой промпт и понять, что от неё требуют.
На выходе получаем подробный детальный анализ нашего контента. Уже его одного многим будет достаточно, чтобы увидеть закономиерности и понять, что менять в блоге.
Шаг 4. Промпт для оценки новых рилсов
После того, как нейросеть проанализировала наши рилсы и выявила закономерности успеха, у нас на руках есть от неё подробный анализ и рекомендации.
Теперь создадим новый промпт — он будет держать все рекомендации в «уме» и анализировать новые сценарии рилсов по всем важным для нас критериям.
В том же диалоге, где я получил анализ от нейронки, я написал следующее:
я хочу, чтобы на основе результатов моих выводов и на основе твоего анализа ты составил список рекомендаций в формате промпта для языковой модели, сопроводив удачными и неудачными примерами
я буду присылать этот промпт и сценарий своего нового видео перед публикацией, чтобы нейросеть подсказывала мне, что улучшить
не ссылайся в промпте на рилсы которые я тебе кидал — промпт должен работать независимо от них
Зачем это отправлять? Почему просто нельзя взять мой готовый промпт ниже?
За тем, что такой промпт в идеале делать под каждый отдельный аккаунт. Потому что первоначальный анализ был именно на моих рилсах, на том, что работает у меня.
Результат также прикрепляю на отдельной странице — это и есть мой итоговый промпт, который изучает отправленный ему сценарий, выставляет ему оценку и предлагает улучшения.
Большую часть этого промпта можно оставить без изменений. Скорректировать лишь участки, которые относятся именно к вашему аккаунту.
Если было полезно, не забывай подписаться на мой Телеграм-канал, а также мой Instagram. Я рассказываю о том, как создавать контент для соцсетей в лёгкости, без стресса и тревоги, используя современный арсенал инструментов вроде того, что описал выше.
12-13 апреля я проведу онлайн-воркшоп, на котором ты:
- научишься создавать качественный контент с помощью ИИ за минуты;
- проработаешь свой блог до мелочей;
- освоишь основные нейронки, чтобы эффективно развивать свой блог, сохраняя индивидуальность и не заменяя себя бездушными аватарами.
Переходи по ссылке, занимай место в числе первых и забирай крутые бонусы.