Eine Message Map aus Kundenrecherche und Bewertungen erstellen
Guter Text entsteht aus dem, was Kunden tatsächlich sagen, nicht aus dem, was die Marke sich wünscht, dass sie sagen. Das Rohmaterial ist vorhanden — Bewertungsexporte, Support-Tickets, Interviewnotizen, Voice-of-Customer-Zitate —, aber es zu einer brauchbaren Message Map zu verdichten ist mühsam. KI ist wirklich stark darin, Muster in unübersichtlichem Text zu erkennen, vorausgesetzt, Sie lassen sie ausschließlich mit dem eingefügten Material arbeiten und sich dabei rückverweisend zitieren.
Sie sind ein Messaging-Stratege und unterstützen einen Werbetexter. Unten finden Sie die Rohdaten der Kundenrecherche für {{product}}. Erstellen Sie eine Message Map AUSSCHLIESSLICH auf Basis dieses Materials. Zielgruppensegment im Fokus: {{segment}} Recherche (Bewertungen, Interviewnotizen, Support-Tickets, Umfrageantworten): {{research}} Erstellen Sie: 1. Zentrales Nutzenversprechen — den einen Vorteil, den Kunden selbst am häufigsten hervorheben, mit zwei wörtlich aus der Recherche entnommenen Belegzitaten. 2. Drei unterstützende Botschaften — jeweils mit der dahinterstehenden Kundensprache und einem echten Beleg aus der Recherche (nicht aus Ihrem eigenen Wissen). 3. Die drei wichtigsten Einwände oder Zögerlichkeiten, zitiert aus der Recherche. 4. Voice-of-Customer-Wortschatz — die tatsächlichen Formulierungen, die Kunden verwenden, damit der Text sie spiegeln kann. Regeln: - Verwenden Sie ausschließlich die eingefügte Recherche. Fügen Sie keine Vorteile, Statistiken oder Einwände hinzu, die darin nicht vorkommen. - Ordnen Sie jedes Zitat seiner Quellzeile zu, damit ich es überprüfen kann. - Ist die Recherche zu einem Punkt dünn (z. B. keine Preiseinwände vorhanden), schreiben Sie [NICHT IN DER RECHERCHE], statt die Lücke zu füllen.
Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.
Zentrales Nutzenversprechen: Ruhe beim Abendessen, nicht nur Bequemlichkeit. - „Ich habe in der ersten Woche geweint — ich musste kein einziges Etikett lesen.“ (Interview 3) - „Erster Service, dem ich bei der Nussallergie meines Sohnes vertraue.“ (Bewertung, Apr.) Unterstützende Botschaft 1 — Wirklich getrennte Zubereitung. Beleg: „sie führen die Zertifizierung für getrennte Produktionslinien auf“ (Ticket 14). Einwand 1 — Preis vs. Lebensmitteleinkauf: „es lohnt sich, aber ich merke die Kosten“ (Bewertung, März). Preismodell-Einwände: [NICHT IN DER RECHERCHE] Wortschatz: „ein einziges Etikett lesen“, „endlich vertrauen“, „eine Sorge weniger“.
Der komplette Arbeitsablauf
- Exportieren Sie Bewertungen und Notizen und entfernen Sie Namen, E-Mail-Adressen und Bestellnummern, bevor Sie sie einfügen
- Führen Sie den Prompt aus und prüfen Sie stichprobenartig, ob jedes Zitat tatsächlich in Ihrer Quelle vorkommt
- Verwenden Sie den Wortschatz wörtlich in Ihren Entwürfen — es ist die Sprache, die bereits ankommt
- Füllen Sie jede Lücke [NICHT IN DER RECHERCHE] mit echter Recherche, bevor Sie sich auf diesen Blickwinkel verlassen
Worauf Sie achten sollten
Kundenbewertungen und Support-Tickets enthalten oft Namen, E-Mail-Adressen und Bestelldetails. Anonymisieren Sie diese, bevor Sie sie einfügen — personenbezogene Kundendaten in ein KI-Tool für Verbraucher zu geben, kann sowohl Ihre Kunden-NDA als auch die eigenen Datenschutzzusagen des Kunden verletzen.
KI glättet einen dünnen Datensatz gerne zu selbstbewusst klingenden Erkenntnissen. Bestehen Sie darauf, dass jede Aussage zitiert und einer Quellzeile zugeordnet wird, und behandeln Sie ein Muster aus nur ein oder zwei Erwähnungen als zu prüfende Hypothese, nicht als Befund.
Woher das stammt
Jeder Anwendungsfall auf dieser Website beruht auf echten Berichten, die Werbetexter aus der Praxis geteilt haben — nichts davon ist von uns erfunden.