Dina LinkedIn-inlägg kanske är ”okej”, men okej ger sällan kommentarer. Du trycker på publicera, får några likes och samtalet kommer aldrig igång. Sedan sitter du och gissar vilken vinkel du ska testa härnäst, och flödet går vidare.
Den här AI-prompten för LinkedIn post concepts är byggd för en demand gen manager som behöver tre nya vinklar på samma kampanjtema den här veckan, en frilansande LinkedIn-ghostwriter som måste presentera alternativ som känns genuint olika (inte lätta omskrivningar), och en grundare inom B2B-marknadsföringstjänster som vill ha inlägg som låter trovärdiga utan att glida över i hype. Resultatet är exakt 3 LinkedIn-anpassade inläggskoncept, vart och ett med en hook, caption, CTA, hashtags, ideal dag/tidsfönster, en engagemangspoäng (1–10), samt nyckelbudskap, innehållspelare, mätetal att följa och förväntade utfall.
Vad gör den här AI-prompten och när ska du använda den?
| Vad den här prompten gör | När du ska använda den här prompten | Det här får du |
|---|---|---|
|
|
|
Hela AI-prompten: generator för 3 LinkedIn-marknadsföringsinläggskoncept
Fyll i fälten nedan för att anpassa prompten efter dina behov.
| Variabel | Vad du ska ange | Anpassa prompten |
|---|---|---|
[TEXT_ATT_ANALYSERA] |
Ange hela texten som du vill fa analyserad vad galler overgripande tonlage/sentiment. Ta med tillrackligt med sammanhang for att det ska ga att forsta ton, avsikt och relevanta detaljer. Till exempel: "Produktlanseringen gick smidigt, men vissa anvandare rapporterade mindre problem med granssnittet. Overlag har responsen varit uppmuntrande, och manga har beromt de nya funktionerna."
|
|
[UTMANING] |
Valfritt: Lyft fram specifika farhagor eller nyanser som kan gora sentimentbedomningen svar, till exempel sarkasm, blandad ton eller tvetydiga formuleringar. Till exempel: "Texten innehaller en blandning av positiv och negativ feedback, och jag ar osaker pa om helhetsintrycket drar at ena hallet eller om det forblir neutralt."
|
Proffstips för bättre resultat med AI-prompten
- Mata prompten med ett riktigt perspektiv, inte bara en ämnesetikett. ”Demand gen” är brett; ”varför ‘MQL-volym’ är fel veckokpi för PLG” ger modellen något att ta ställning till. Vill du ha skarpare koncept, lägg till en mening med din åsikt innan du kör den: ”Min take: de flesta team övermäter klick och undermäter säljsamtal.”
- Specificera läsarens jobb-att-få-gjort. Prompten ber om en målgrupp; gå längre än ”marknadsförare” och beskriv vad de försöker få till under press. Exempel på följdfråga: ”Skriv om alternativ 2 för demand gen managers på B2B SaaS (20–200 anställda) som behöver pipeline nu och har testat paid social med svag SQL-kvalitet.”
- Be om ett koncept som bjuder in till oenighet. Kommentarer dyker ofta upp när ett inlägg är tryggt debatterbart (inte vårdslöst). Efter första resultatet, testa: ”Gör en variation till ett respektfullt konträrt påstående och lägg sedan till en fråga som tvingar läsarna att välja mellan två trade-offs.”
- Iterera genom att tajta till hook-matematiken. Om hooks känns generiska, skrota inte hela inlägget. Fråga: ”Ge mig 7 nya hook-rader för koncept 1 med (a) en överraskande statistik-platshållare, (b) en ‘sluta göra X’-öppning och (c) en kort personlig bekännelse. Låt resten vara oförändrat.”
- Använd mätavsnittet för att välja rätt koncept för ditt mål. Om du vill bygga trovärdighet kan du prioritera sparningar och profilbesök framför rena kommentarer. En bra följdfråga: ”Poängsätt om de tre koncepten för ‘leadkvalitet’ i stället för ‘engagemang’ och justera CTA:erna därefter (ingen ‘DM:a mig’).”
Vanliga frågor
Content marketing managers använder den för att snabbt ta fram tre vinklar på samma veckotema och sedan välja det som passar bäst med varumärkets tonalitet och kampanjmålet. Demand generation managers får nytta eftersom varje koncept innehåller en CTA, mätetal att följa och ett förväntat utfall, så att inlägg kan stötta pipeline-arbete utan att kännas som annonser. LinkedIn-ghostwriters får värde av kravet ”tydligt olika”, vilket gör det enklare att presentera kunder för riktiga alternativ (story vs teardown vs checklista). Grundare och fraktionella CMO:er använder engagemangspoängen och publiceringsfönstren för att publicera konsekvent och ändå låta trovärdiga och specifika.
B2B SaaS-team använder den för att översätta produkt- eller GTM-lärdomar till inlägg som attraherar rätt operatörer, särskilt när de behöver kommentarer från peers (inte slumpmässiga likes). Marknadsföringsbyråer och konsultbolag använder den för att paketera kundvinster som mini fallstudier och taktiska nedbrytningar som signalerar expertis utan att låta som en portfoliosida. E-handelsdrivna marknadsföringsteam kan använda den för lifecycle, paid social eller CRO-ämnen och sedan följa sparningar och delningar som en proxy för ”det här var nyttigt”-innehåll. Professionella tjänster (coacher, studios, rådgivning) får ett stort lyft eftersom prompten driver tydlig positionering, specifika hooks och en CTA som bygger samtal, snarare än generiskt thought leadership.
En typisk prompt som ”Skriv ett LinkedIn-inlägg om marknadsföring” misslyckas eftersom den: saknar tydlig bransch/ämne och målgrupp, vilket gör inlägget generiskt. Den ger ingen struktur för hooks, CTA:er, hashtags, publiceringstid och uppföljning, så du får copy som är svår att använda. Den ignorerar LinkedIn-beteende i flödet (skumbarhet och samtalsstartare), vilket är där kommentarer kommer ifrån. Den producerar återvunna buzzwords i stället för en tydlig mekanik som en teardown, checklista eller konträr insikt. Och den saknar en inbyggd kvalitetskontroll som engagemangspoäng och förväntade utfall, så du kan inte välja mellan alternativen med trygghet.
Ja, och det bör du. Prompten är designad för att linjera med [INDUSTRY] / [TOPIC] och läsarprofilen i [TARGET_AUDIENCE], så din största hävstång är att göra de två inputs:en specifika och konkreta. Om du vill att den ska matcha en kampanj, lägg in din erbjudandekontext (vad du säljer, till vem du säljer och vilket kärnproblem du löser) och be modellen hålla CTA:n ”kommentera först” i stället för ”boka ett samtal”. En användbar följdfråga är: ”Generera om de tre koncepten, men gör alternativ 1 till en mini fallstudie från mitt senaste projekt, alternativ 2 till ett myt vs verklighet-inlägg och alternativ 3 till en taktisk checklista. Behåll samma målgrupp.”
Det största misstaget är att lämna [TARGET_AUDIENCE] för vag — i stället för ”marknadsförare”, testa ”B2B SaaS demand gen managers på bolag med 20–200 anställda som är pressade att förbättra SQL-kvaliteten.” Ett annat vanligt fel är att göra [TOPIC] till en kategori snarare än ett perspektiv; ”content marketing” är svagt, medan ”varför de flesta ‘utbildande inlägg’ misslyckas med att skapa säljsamtal” ger riktning. Många hoppar också över [INDUSTRY], vilket leder till intetsägande språk; ”B2B-cybersäkerhet” eller ”Shopify-appar” tvingar fram konkretion i exempel och invändningar. Slutligen accepterar användare ofta den första engagemangspoängen utan att be om justeringar; om koncept 2 är nära, fråga: ”Öka specificiteten och lägg till ett konkret exempel, och poängsätt sedan igen.”
Den här prompten är inte optimal för team som vill ha en komplett innehållskalender för en hel månad i ett svep, eftersom den medvetet är byggd för att leverera exakt tre koncept. Den passar inte heller om du behöver direct response-annonscopy eller en säljsida; begränsningen är LinkedIn-anpassat samtalsinnehåll, inte konverteringsdrivet manus. Och om du ännu inte har en tydlig bransch, ett tydligt ämne eller en tydlig målgrupp får du antaganden som kan missa målet. I så fall: validera din positionering först, och kom tillbaka och generera koncept när du kan namnge målgrupp och smärta exakt.
Tre starka koncept slår ett ”ganska bra” utkast varje gång. Klistra in prompten i ditt AI-verktyg, fyll i din bransch och målgrupp och publicera sedan det alternativ du kan försvara med verklig erfarenhet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.