用ChatGPT Astra运营UGC活动的15个提示词

# 如何将ChatGPT Astra用于UGC，效果好到让人觉得不合法

openai于9月3日发布了其最强大的模型。我本来不打算写这篇文章。

我们在62个活动中积累了26亿次自然流量曝光，管理了590位创作者，为移动应用制作了22,504条可追踪视频。零广告费用。

以下15个提示词，是我正在使用ChatGPT Astra以两周前根本不可能达到的水平运营这些活动的方式。每一个都可以直接复制粘贴使用。我把它们全部公开，因为当你读到这篇文章时，我已经在下一个活动中运行它们了。

收藏这篇文章，你会用到的。

## 在运行任何提示词之前：加载你的活动背景信息

这是所有人都会跳过的步骤，也是让后续一切都能生效的关键步骤。没有它，你不过是在向一个从未见过你业务的陌生人寻求建议。

在开始任何操作之前，先将以下内容粘贴到ChatGPT Astra中：

一旦完成加载，后续每一个提示词的效果都会提升10倍。Astra不再是在回答一个通用的营销问题，而是在回答你的问题。

## 第一部分：视频分析（提示词1至3）

很多人以为Astra无法观看视频，其实他们错了。只是它观看视频的方式和你想象的不同。

Astra接受文本和图像作为输入，不接受原始的.mp4文件。但大多数人忽略了一点：你根本不需要它直接观看视频。你需要的是一条流程，让它替你"观看"视频，然后将结构化的分析结果交给Astra。

以下是我们实际运行的系统，也是彻底改变我们工作方式的技术。

流程：我们如何让AI每周"观看"200多个视频

我们构建了一条自动化视频智能处理流程，以下是端到端的运作方式。

第一步：让智能体观看视频

我们使用一个AI编程智能体（openai codex、claude code，或任何具备工具访问权限的智能体），连接两个命令行工具：

- yt-dlp：可从TikTok、Instagram Reel或YouTube Short的链接下载视频
- ffmpeg：按自适应间隔提取视频帧（在开头钩子部分提取更多帧，中间部分较少）

智能体自动运行整个流程。你提供一个视频链接，它会下载视频，提取8至12个关键帧（重点偏向前3秒，因为钩子在那里），从字幕中获取文字稿或运行whisper进行语音转文字，并识别帧中的屏幕文字。

每个视频的输出是一份结构化报告（顺带一提，这是我们其中一个活动的视频）：

第二步：批量处理所有活动视频

智能体不会止步于一个视频。我们将整个活动的视频指向它，它会处理我们从sideshift导出的每一个视频链接，并为每个视频生成一份结构化报告。对于50个视频的批次，在后台运行约需20分钟，全程无需人工干预。

最终输出是一个文件，其中包含以相同结构化格式描述的每个视频信息：帧内容、文字稿、屏幕文字、视觉元素、节奏、场景切换。

第三步：将所有内容输入Astra

接下来，你将那些结构化描述（不是原始视频，而是描述视频内容的文本）粘贴到Astra的1,050,000 token上下文窗口中。这才是魔法发生的地方。

Astra现在可以通过文字描述同时"看到"50个视频。它知道每个视频第一帧的画面、每个钩子的内容、每个视频有多少次场景切换、CTA出现的位置、文字稿说了什么——一切尽在掌握。而且它可以同时比较所有视频。

A. 视频解剖分析

一旦你的处理流程完成了对一个视频的分析，将结构化报告输入Astra，并使用以下提示词：

与手动操作的核心区别在于：是Agent在观看视频，而不是你。结构化报告能捕捉到人工审查者会遗漏的细节，因为它逐帧读取、逐字转录。而最终输出的反馈足够具体，可以直接发送给创作者。

为什么这很重要：我们每周要审查横跨62个广告系列的数百个视频。瓶颈从来不是找出表现差的视频，而是以创作者能够采取行动的方式，清楚说明一个视频为何表现不佳。"让它更有吸引力"是毫无用处的反馈。而"你的开场制造了一个知识缺口，但答案在第8秒才揭晓而非第2秒，这就是为什么你3秒留存率跌至22%"——这才是创作者能在下一稿中修正的反馈。

这个提示词能让你对每一个视频都达到这种具体程度。我们过去每个视频要花15到20分钟撰写反馈，现在只需2分钟来确认模型的发现。

**B. 视频并排对比**

从同一个广告系列中，取出你表现最好和最差的视频，分别提取帧画面。

为什么这很重要：对比分析才是真正产生洞见的地方。单独看一个视频，一切都感觉是主观判断。而当你把胜出者和失败者放在一起，对照相同的创作简报，结构上的差异便一目了然。输出限定为三句话的反馈是经过深思熟虑的——创作者不会读长篇邮件，他们需要的是一件具体可修改的事。

**C. 跨竞品的批量形式分析**

这个需要更多前期准备，但它是本文中最有价值的研究提示词。

前往3个竞品应用的TikTok或Instagram账号，截取其最新10个视频的第一帧画面（共30张截图），并记录每个视频的播放量。

为什么这很重要：这是过去需要聘请分析师花一整周才能完成的竞品情报工作。你现在可以从视觉层面获得对整个竞争格局的结构性解析。对我们来说，关键洞见是发现3个竞品应用都在使用完全相同的首帧模板（文字在左上角、人脸在右下角、彩色背景），而我们没有。我们在下周进行了测试，钩子触达率随即提升了18%。

## **第二部分：广告系列智能分析（提示词4至8）**

这正是Astra的1,050,000 token上下文窗口不再只是规格参数、而真正成为一件利器的地方。

作为背景参考：我们包含22,504条视频文案及其指标数据的整个数据库，装入那个窗口后还绰绰有余。这是有史以来第一次，整本书可以平铺在桌面上，而不必每次只能翻看一页。

**D. 文案聚类分析**

按影响力排序，这是第一优先级的提示词。如果你在本文中只运行一个提示词，就运行这个。

为什么这很重要：正是这个提示词帮我们找到了那个4.2倍的问题。我们为同一款应用运行了两个广告系列，创作简报完全相同。A系列每帖平均12,333次播放，B系列每帖仅2,921次——而B系列的帖子数量更多，参与的创作者也更多。

文案聚类分析显示，A系列的所有创作者已收敛到同一种开场结构，并在整个系列中重复使用。而B系列的41位创作者，每人都按各自的理解去诠释简报，结果执行层面出现了偏移。我们的流程没有捕捉到这一点，因为没有人类会同时并排阅读3,109条文案。

而1,050,000 token的上下文窗口做到了。现在，我们每周一都会运行这个分析。

**E. 简报偏移检测**

你的简报包含5个组成部分。你的创作者也许只执行了其中3个。另外2个悄无声息地消失了，直到活动结束你才意识到这一点。

为什么这很重要：悄然消失的恰恰是信息传达模块。这一点我们已经证实了。在一次活动的41位创作者中，只有7位始终如一地传达了核心信息。其余34位制作的内容看起来没问题，说的却是错误的东西。仅纠偏沟通这一项，就在下个月为那次活动节省了40,000美元的创作者费用浪费。

F. 评论挖掘

这一条说起来有点难为情。在我们的活动中，我们积累了131,182条评论，直到3个月前都没有人系统地去阅读它们。

为什么这很重要：你的下一个爆款钩子其实已经写好了。它就藏在你的评论区里，用的正是你的受众描述你产品时的原话。"等等，这居然真的有用？"这句话在我们的活动中出现了847次。它后来成为了一个钩子。之所以获得210万次播放，是因为它本身就是经过受众验证的语言。

G. 创作者表现分析

别再根据粉丝数量做创作者决策了。这个提示词会从你自己的数据中构建一套评分模型。

为什么这很重要：我们有一位拥有4,400名粉丝的创作者，在一次活动中累计获得了2,800万次播放。还有一位拥有85,000名粉丝的创作者，每篇帖子平均只有306次播放。粉丝数量告诉我们的，与实际情况完全相反。这套评分模型能找出真正有表现的创作者，并且每周随着新数据的加入持续更新。仅效率指标一项，上个季度就通过识别出高薪低效的创作者为我们节省了12,000美元。

H. 跨平台格式转化

在TikTok上有效的内容，不会自动在Instagram Reels上同样奏效。两个平台的运作机制不同。这个提示词可以帮你将胜出内容加以适配。

为什么这很重要：我们追踪了122,504篇帖子的数据。在我们的数据中，Instagram Reels每篇帖子的播放量是TikTok的3.2倍。但在每个平台上获胜的内容，在结构上是不同的。同一个视频不经适配直接交叉发布，表现比平台原生版本差40%至60%。这个提示词能直接给你平台原生简报，无需你自己去摸索这些差异。

## 第三部分：简报生成（提示词9-12）

大多数人用AI从零开始写简报。这样只能得到泛泛的产出，因为模型写作所依据的是它从互联网上学到的内容，而不是对你的产品真正有效的东西。

这些提示词从你自己的数据出发来撰写简报。

I. 从你自己的胜出内容中生成钩子

这就是"给我生成30个钩子"与"按照已经对我的应用程序有效的确切结构模式，给我生成30个钩子"之间的区别。

为什么这很重要：当你提示生成钩子却不输入自己的数据时，你得到的是每个其他品牌都在用的那些钩子。当你先输入你的胜出内容时，每一个输出结果都会针对已经在你的受众中有效的内容进行校准。这种差异，就是一个听起来像ChatGPT写的创作者脚本，与一个听起来像是每天观看你内容的人写出来的脚本之间的距离。

J. 为每位创作者定制个人化简报

这一条让我们的运营团队大开眼界。不再是一份简报发给所有创作者，而是为每位创作者生成一份根据其风格量身适配的简报。

为什么这很重要：我们在一个活动中对此进行了测试。20位创作者收到了标准简报，20位收到了个性化版本。收到个性化简报的小组制作的视频，简报合规率提高了31%，平均播放量提高了22%。同一款应用，同一个活动，同一个月。唯一的区别是每位创作者收到的指导说明被翻译成了他们自己的创意语言，而不是企业营销术语。在590位创作者的规模下，仅此一点就比本列表中的其他任何提示词都更有价值。

K. 活动脚本撰写器

适用于需要比简报更多指导的创作者。有些人需要完整脚本。这个提示词从你的数据出发来撰写脚本，而不是凭空捏造。

为什么这很重要：我们默认采用"引导而非照本宣科"的方式。但有些创作者需要更多结构，尤其是较新的创作者。一个从你的活动数据撰写的脚本与一个凭空撰写的脚本之间的区别，就是一个听起来原生自然的视频与一个听起来像广告的视频之间的区别。这个提示词所产出的脚本是创作者真正愿意拍摄的，因为他们在文字中看到了自己的声音。

M. 每周研究简报

用15分钟的提示词会话替代你团队2至3小时的调研仪式。

为什么这很重要：周一的调研仪式需要2至3小时的人工电子表格分析。这个提示词在15分钟内完成这项工作，并且能捕捉到人类会遗漏的规律，因为它读取了每一行数据而不是抽样。"1个待测试的实验"这一输出结果能防止活动陷入停滞。我们已经在8个活动中每周运行这个提示词，实验建议的成功率达到40%。也就是说，有40%的情况下，模型会发现一个我们原本不会想到、但实际有效的测试方案。

## 第四部分：运营（提示词13至15）

L. 创作者反馈生成器

UGC运营中最难的任务是撰写具体到足以改变行为、同时又不会打击创作者积极性的反馈意见。

为什么这很重要：我们每周审阅数百份草稿。一致性是关键难题。一位UGC管理者会写一段详细反馈，另一位只写"看起来不错"。这个提示词在不统一语气的前提下统一了输出结果。禁止使用"engaging"和"compelling"这类词语的限制倒逼了具体性。"你的钩子制造了悬念，但回报出现在第8秒而不是第3秒"比"让钩子更有吸引力"有用100倍。

N. 活动复盘

在活动结束时运行此提示词。它能捕捉到总结报告所遗漏的规律。

为什么这很重要：复盘是一个活动中最重要的文件，也是大多数人会跳过的文件。有了这个提示词，就没有任何借口再省略这一步。其中的"错失机会"板块本身就值得完成整个复盘练习。它会持续发现那些事后看来显而易见、但当时没人想到去运行的测试。

O. 全面活动审计

这是终极手段。将所有内容倾倒进上下文窗口，然后提出那个没人会问的问题。

为什么这很重要：我来告诉你一个数字，任何大规模运营UGC的人看到都应该感到震惊。在我们的数据中，590位创作者中的3位贡献了38%的全部播放量。这不是一个计划，这是三个人。这个提示词会揭示这一现实，并迫使你围绕它来构建策略，而不是假装你的平均值代表了你的实际表现。

## 如何使用这些提示词

不要一次性运行全部15个。以下是顺序。

第一天：加载你的活动背景信息，然后运行提示词4（标题聚类分析）。这是你能获得的最快洞察。30分钟的工作量。今天就去做。

第2-3天：对你表现最好和最差的视频运行提示词1（视频解剖）。然后运行提示词2（横向对比分析）。现在你已经明白了为什么你的内容会有如此表现。

第1周：运行提示词5（简报偏差）和提示词6（评论挖掘）。现在你知道了你的简报实际产出的内容与你的预期之间的差距，以及你的受众真正在说什么。

第2周：运行提示词7（创作者评分）和提示词9（钩子生成）。现在你知道了哪些创作者值得扩大规模，并且获得了根据你的数据校准的30个全新钩子。

第3周：为你的前10名创作者运行提示词10（个性化简报）。从此刻起，每周一运行提示词12（每周调研）。

持续进行：每份草稿都运行提示词13（创作者反馈）。每次活动结束时运行提示词14（复盘总结）。每季度运行一次提示词15（全面审计）。

坚持运行这套系统90天，你将拥有比那些已经运营多年的机构更强的营销活动洞察力。我之所以这样说，是因为这些提示词正是我们在管理累计26亿播放量的营销活动过程中打磨出来的。提示词即系统，系统即规模化的根本。

## 说句实在话

95%读到这里的人会收藏这篇文章，然后一个提示词都不会去用。没关系。

如果你希望由我的团队为你的应用全程运行这套系统（每一次活动、每一位创作者、每一份简报、每一周的执行落地），这正是我们在The Viral App所做的事情。

26亿自然播放量。590位创作者。62场营销活动。零广告投放。