Главная мысль
- Качество результата LLM определяется прежде всего подготовленным контекстом, а не выбором конкретной модели или промпта.
- Для 80% задач оптимален ChatGPT благодаря инфраструктуре (проекты, GPTs, кросс-чатовая память), а для глубоких стратегических сессий – Gemini с контекстным окном в 1 миллион символов.
- Китайские LLM (DeepSeek, Qwen, Kimi, ZAI) ценны как источник незаурядных, неортодоксальных точек зрения при массовом сравнительном опросе моделей.
Контекст решает все
Привет, друзья! В этом выпуске я хочу поделиться, какой из AI-систем лучше всего пользоваться для маркетинга, для маркетинговых задач.
Многие пытаются определиться, что же лучше, ChatGPT или Claude, или Gemini от Google, или может быть один из китайцев, Qwen, DeepSeek, Kimi или ZAI.
Делюсь своим опытом и для чего я использую каждую из LLM.
Во-первых, наиболее важным для получения результата является не сама LLM и даже не промпт, который мы используем. Наиболее важным является контекст, которым обладает каждая отдельно взятая LLM.
Если мы подготовим нужный контекст в виде tone of voice, то есть описание того, как должен звучать наш бренд или человек, от имени которого мы пишем. Контекст в виде аудитории, в виде особенностей бизнеса, в виде специфики маркетинга, каналов рекламы, удачных в прошлом рекламных активностей и так далее. То есть, если мы дадим максимальный контекст, то, друзья, любая из LLM даст сопоставимые по силе результаты.
Вот если говорить о принципе Парето 20 на 80, то при качественном подходе с максимальным контекстом, максимально грамотно, куда бы мы не отправили наш запрос.
ChatGPT для 80% задач
Если говорить о максимальной простоте, полный принцип Парето, какой минимум использовать, чтобы получить 80% результата, это безусловно ChatGPT. ChatGPT с функционалом проектов, который позволяет загрузить внешнюю память, контекст вашего бизнеса и инструкции, прошивку, как именно должен он думать. ChatGPT, который позволяет создать так называемые GPTs, цифровые сотрудники, цифровые усилители ваших реальных сотрудников, которые отвечают на комментарии, пишут посты, выполняют всю эту рутинную функцию. Это функционал ChatGPT в виде кросс-чатовой памяти, когда вы в одном чате говорите какой-то важный момент, и этот момент сразу устанавливается в контекст всей системы, с которой вы взаимодействуете.
Claude и Gemini для глубины
Если мы говорим о докрутке, а вот для каких целей, вот на 80% понятно, вот если хочется сильнее, глубже, круче. Могу поделиться, для чего я использую лично каждую LLM. Что касается, например, маркетинга, в моей коллекции я использую их все, значит.
Но, в моем случае, для написания любых текстов, которые будут встречать человека, это посты в соцсети, имейлы, письма, мне больше всего нравится человечный и эмпатичный текст, написанный Claude. То есть, Claude у меня пишет тексты, но техническое задание на эти тексты, контекст под эти тексты готовит другая система. В моем случае обычно это Gemini, Google Gemini. Потому что она мне больше всего нравится глубиной своего анализа и таким концептуально-философским подходом. Плюс у Google Gemini наибольшее контекстное окно в 1 миллион символов. Можно максимально длинные с ним вести, очень глубокие диалоги, в ходе которых рождаются действительно классные, крутые элементы.
Но у Google Gemini есть на данный момент большой недостаток — отсутствие того удобства инфраструктурного, которое есть у ChatGPT. Проектов, инструкций для проектов, внешней памяти для проектов и так далее. Поэтому Gemini — это больше такой стратег для единоразовых, максимально глубоких сессий.
Я просто беру диктофон, на диктофон записываю свои мысли. Это может быть даже на полчаса, на час запись. Потом транскрибирую и кидаю в Gemini. И дальше с ним в таком формате коммуницирую. Он мне дает следующую итерацию ответа. Я снова записываю свои мысли, опять же может быть и на час, и на полчаса. Опять транскрибирую и передаю ему. И так, пока мы не выкристаллизуем определенную структуру, с которой я уже иду к исполнителю. В моем случае исполнитель — это Claude.
ChatGPT для регулярных задач
ChatGPT в моем случае используется для регулярных повторяемых задач. Написать, например, то что нужно делать быстро и массово. В моем случае это часто создание технических заданий на превьюшки для YouTube видео. Это заголовки для YouTube видео, описание YouTube видео, это ответы на комментарии и написание комментариев для LinkedIn, для продвижения профиля.
Китайские LLM как стратегические советчики
Что касается китайских LLM-систем, таких как DeepSeek, Qwen, Kimi, ZAI, в моем арсенале они играют роль стратегических советчиков. То есть если мне нужно действительно какую-то тему со всех сторон изучить, понять, какие есть ограничения, нюансы, вот прямо от и до проутюжить какой-то вопрос. Я формирую большой объемный запрос, что я хочу конкретно изучить, с каких сторон, какие ограничения. И дальше один и тот же запрос я бросаю абсолютно во все LLM. И в ChatGPT, и в Gemini, и в Claude, и в Perplexity, и в Grok, и в DeepSeek, и в Qwen, и в Kimi, и в ZAI.
Получаю от всех от них ответы, потом беру эти все ответы, собираю в один файл, иду с этим файлом уже в Gemini, потому что у него самое большое контекстное окно. И ему уже говорю: вот ответы от 8 топовых LLM-систем, обработай их, удали дубликаты, найди все уникальные ценные мысли, и давай по одной их обсуждать. Дальше мы их обсуждаем, и в результате этого рождается ответ на вопрос, который обдуман со всех сторон.
Ценность незаурядных точек зрения
И вот по моему опыту, как раз китайские LLM-системы обычно дают точки зрения, которые абсолютно не ортодоксальные, которые абсолютно незаурядные. То есть вот западная тройка — Gemini, ChatGPT и Claude — обычно дают, ну, такие, знаете, как принято в западном мире, в бизнесе западном, ответы правильные, выверенные, классические. А вот китайцы, они дают действительно такие ответы, которые ты иногда читаешь и думаешь: блин, ну это же гениально, никто никогда не смотрел на эту задачу с настолько непривычной и незаурядной стороны. И вот это вот обогащение незаурядностью, за это я ценю китайские LLM, и именно поэтому я продолжаю каждый день их использовать.
Надеюсь, было полезно, друзья, услышимся дальше.
Числа из выпуска
- 20 на 80 — принцип Парето, упоминание при обсуждении баланса контекста и результата.
- 80% — доля результата, достигаемая при минимуме усилий с ChatGPT.
- 1 миллион — размер контекстного окна Google Gemini в символах.
- 8 — количество топовых LLM-систем, ответы которых автор собирает в один файл для обработки в Gemini.
- полчаса, час — длительность записи мыслей на диктофон для последующей транскрибации и передачи в Gemini.
Слушать дальше: 134. AI — не сотрудник, заменяющий рутину, а стратегический консультант · 133. AI революция в маркетинге · 130. Искусственный интеллект как катализатор маркетинга