AIGC 技术的发展给营销带来了新的机遇，但是对于做品牌营销的人来说，我们可能会发现似乎AI工具并不能很好地帮到我们，尤其是做内容的、做策略的小伙伴。

因为大部分我们的工作都是属于创意型的，或者策略型的，专业型的，很难依靠AI去给到一个相对满意的、靠谱的结果。

有时候我们觉得它废话太多，甚至就是把玩了半天，还觉得挺浪费时间的，不如我自己来自己做，还省去了反复跟它沟通修改和检查内容是否属实的时间。

这个情况之所以常见，是因为虽然AI技术已经上去了，但AI营销的思维还没有跟上。

常见的误区有这8个。

第一个是：“不假思索式”输入提示词。

既然是大语言模型，我们就要学会制造一种对话的模式感的感觉。

比如说如果我们想让 ChatGPT 的输出，它看起来像是某一种文本的形式，就要在输出的时候就给到它一种特定的模式感。

比如说我们经常在文章上面会看到什么呢？像是标题和作者对不对？

因此如果你想要让AIGC模型，最终输出的是文章，那我们在提示词当中，在输入的时候，就要按照——标题、作者、摘要、正文的结构的形式去进行输入。

这个时候，AIGC模型就感受到了【模式感】。

因此，它输出的内容就会更像是文章，而不是别的一些什么东西。

再比如，“假设你是小红书博主，请你拆解这篇小红书的文案，并按照开头、中间、结尾、表情符号来拆解这篇文案的结构”——这种提示词，也是按照【模式感】来设计的。

第二个常见的误区就是GPT，它的本质是大语言模型，它不是一个能够代替人类思考的逻辑思维工具。

为什么？

因为大语言模型的生成过程，并不是遵循人类思考的这样的一个逻辑性和正确性的，它是模仿性的。

我们可以让他去模仿我们思考，逐步的去引导他去模仿我们的思考过程，才能真正赋能于我们的工作。

拿品牌营销来讲，你要让它学会模仿你的工作经验，你要把你的工作SOP，你的案例输入给他，然后让它去模仿，这样子的话，它才能真正的去赋能于你的工作。

举个例子，你刚进入一家公司，但是领导不靠谱，你的目标是想要提升能力，争取独立开展业务的机会。

这时候你可以把背景信息输入给Chatgpt，但是不能直接上来就让它帮你做分析，因为它不动人情世故那一套东西。

这时候，就需要在提示词里面，列举【你的思考方式、思考方向、参考的理论/观点/书籍/依据】。

目的是，AIGC模型来跟随并模仿你的思维方式。

比如说，上述背景下的提示词可以这么写——

第3点就是它的生成的过程，其实不是线性的一个思考过程，而是随机性的。

即便是同一个提示词，输出的内容也都是随机性的。

也正是因为它是随机性的，所以它是一个很好的帮助我们去拓展创意的【思维工具】。

因为AIGC模型，它其实更加擅长的是发散型思维，也就是：基于它的一个数据库去进行各种各样的思维发散。

但你如果想让它帮你去做思维聚合，帮你去论断、筛选最终的靠谱的答案，它可能并不是那么擅长。

特别是品牌营销人，当我们去使用 AIGC模型的时候，实际上更好的思路是：告诉他，我现在需要更多的灵感，更多的创意，我需要你去帮我去生成不同方向的灵感和创意。

它能给你带来非常非常多意想不到的收获。

我前段时间想着自己写一首诗，表达这样的含义：“驾驭宝剑，就需要克服对于剑气身上的寒气所带来的恐惧”。

于是问Chatgpt：“请给我5个能够表达这样含义的古诗词创作灵感。”、“请给我10个，在古诗词创作当中，能够表达勇气的具体意象。”

虽然输出的蛮多都还挺搞笑的，什么斩妖除魔之类的都出来了，但不得不说拓宽了思路。

又因为它是随机性的，所以它输出的内容可能每一次都不一样，不是绝对正确的。

比如说你第一次问它，这个事情是对的还是不对的？他可能会告诉你——是对的。

同样的问题，第二次它会告诉你——这是不对的。

所以说，AIGC模型输出的结果不一定是每次都能用得上的。

由于这种不确定性，所以在互动的过程中，我们要告诉它——你的最终选择是什么，然后让它根据你的选择，去进行下一步的操作。

也因为它不能给你确切的答案，所以你也要告诉它：

1、你的反面的要求是什么？

2、你的限制要求是什么？

还是拿我们刚刚说的“YES or NO”问题来举例，你就要求它只能回答你是或者否，就不可以说“可能是吧”这种回答。

那这个就是限制条件。

再比如，我对中古风家居很感兴趣，但是这种风格其实很难被定义，于是就问Chatgpt：

“中古风到底是一种怎样的风格？有什么不能踩雷的地方？”

它的回答可以说是废话文学的典范。

于是，我修改了一遍提示词：

“请你明确告诉我：中古风跟其他常见的家居风格的区别是什么？绝对不能使用的家具、硬装设计是什么？请不要使用那些同样能回答全部家居问题的答案。”

这时候它呈现出来的答案就很有用了。

不仅明确告诉了我：不可以用哪些材质的家具、不能用大面积的工业风金属管道，重点要用的颜色是什么。

所以要得出适合于你的问题的答案，就必须告诉它：反面条件、限制性要求，否则可能得到的只是一些没有用的废话。

第5个误区就是，我们可能会觉得使用Chatgpt能提升效率，觉得它将会是我们的助手，甚至说是我们的乙方的这么一个角色，但其实它是不能够去真正的说站在你的视角去理解你的需求的。

不论是做品牌也好，去搞销售，去做营销，去做设计，为了保证创新性和实效性，其实大部分时间都是在跟它反复反复提要求，反反复复让它学习我们的思维方式，学习我们给它的素材，输入大量的客观背景信息的阶段。

从这个角度来看，Chatgpt提升效率的方式可能不是像我们所想的那么简单。

因为AIGC生成的原理是基于：首先它是接收了大量的知识库，以及基于你的背景信息和你的提示词来去预测它接下来要生成怎样的词。

那基于这样的一个原理，我们会发现：

1、如果你没有主动给到它不包含的知识和信息，那么它缺乏了这一块信息之后，它就没有办法去输出你要的结果了。

2、而且如果你的提示词里面提供的信息量是很少的，但是你又要求它生成的内容的信息量特别多。

比如提示词是“请帮我写一篇2000字的周报”（8个字），却让它去生成 2000 个字。

那这个时候， 它就很可能就会去杜撰输出的结果（就是瞎扯一些有的没的）

再比如说，当我们去给到它输入一个很简单的要求，那他可能回馈给你的内容，同样就是一个非常简单泛化的回答。

跟人类说话是一样的，你跟对方说话越是简单，对方回馈可能也会是简单回应一下，没必要长篇大论。

但是，如果你使用比较具体的语言，比如说输入的时候，你提到了具体的时间、地点、目标要求，那么Chatgpt可能回馈给你的也是更加具体的内容。

3、还有一个点就是：如果你想让它去帮助你去做出决策方面的判断，但是你又没有给到足够多的客观层面的信息，它很可能会误导你，甚至是简介损害你的利益（必须做好检查，不能完全相信AI输出的内容）。

就比如，今天如果我要让Chatgpt帮我写直播稿，可能我会这样告诉它：

第6个误区就是，我们可能会认为 ChatGPT 它能听懂你的话，但实际上它只能去理解人类通用的一些语言，这个是什么意思呢？

就是因为 ChatGPT 它的原理是通过大量的文本的数据，它是来去学习人类的语言模式的。不同的词汇就会激发它调取出不同的文本数据。

但如果说你说的词就是你的提示词里面的词，它是比较泛化的，或者是它可能就是你自己会去使用这样的一个特殊的表达，或者你的行业、特定用户群体是这么去表达的。

但是，它在数据库里面调取到的文本，可能并不能匹配到你理解的这个词的含义/概念。

所以，提示词的用词非常非常重要。

要尽可能的是通用型的词，不要用自创的词，也不要用小众群体、圈层化的特殊词。

如果不清楚这个词到底怎么换，可以直接问Chatgpt：“品牌联名方案的通用型说法是什么？"

而且，我们在输入提示词的时候要更多的去考虑你输出的这个词，能否帮助关联到相关情境的内容。

比如如果想要输出的是品牌联名方案，可以在提示词多打一些这些关键词：共创、话题、资源置换等等。

ChatGPT 为什么总是忘东忘西呢？因为它其实只能记住很少的要求。

如果你在提示词里面给到了超过 3 个要求点，它可能就没有办法，全部都遵循了。

所以输入提示词的时候，注意【少量多次】提要求。

我们可以等到它回复之后，再进一步提更多要求。

或者，我们可以给它设定一个时间限制词，比如说——“从现在开始，你的输出都必须遵循什么什么要求”。

那接下来，GPT 它就会去记住你的这个设定，就不需要重复输入了。

再比如：“请你总结从某个对话开始的一个信息”，“请从这个对话开始，然后整理直到上一条位置的对话内容”。

给它一个时间的限定，这样的话它就能够去帮你去爬取一些信息，就不至于说你总觉得它是忘东忘西的。

另外，也因为Chatgpt其实“记忆力”并不如我们想的那么好，如果你使用 ChatGPT 去分析你的文档的话......

如果你的文档非常的大，它可能会导致它分析的时间过长，也没有办法去抓取到你想要的信息。

所以，还是要采取还是【少量多次】的方法。

把文档分解成多个单独的页面，把它拆解成不同的模块，让它逐步的去分析不同的模块，最后再去进行整合。

比如说，我之前希望可以制定一个《个人行为决策评分表》，给到Chatgpt的提示词是这样的：

“我想要建立一个评分系统，帮助我评估这个事情是否要投入时间去做，投入的资源和精力比重是多少、优先级是否需要排到最高。

这个评分的系统我想用表格来实现，并且评分的逻辑需要参考投资者投资一家公司的思维模式，请你帮助我完成这个评分系统。”

然后接下来我就开始跟它互动打磨，大概提出了10个修改点，但是它给到的评分系统并没有遵循这些修改点。

那怎么办呢？

只能每次最多修改3个修改点，对输出的结果反复检查，告诉它哪里错了，它才会修正，并且说：“哦是的，我错了。”

又因为AIGC生成文本的模式是随机性的，它通常不会帮你去检查事实是否存在，是否存在错误，是否存在欺骗性。

所以我们就必须要在提示词里面，加入事实检查的要求。

比如：1、标明出处；2、列出输出的内容是来自于哪一些事实？3、指出它所输出的内容，是来自于上面的某一个对话，或者是你发给他的文件里面的哪一个部分。

否则的话翻车概率是非常大的。

尤其是在工作的场景里边，如果不去做事实检查的话，它可能会让你直接闹笑话。

最后就是我们可能会把它当做一个搜索工具，但实际上它必须要搭载一些联网插件，才能搜索实时信息。

举一个比较极端的例子，前段时间我看二战的历史的一些视频，就很好奇日本投降的原因到底都有哪些。

然后我就问Chatgpt：第二次世界大战，日本投降的原因。

它输出的结果里面，第一个是原子弹爆炸，第二个是苏联入侵，第三个日本经济枯竭，然后没了。

我接着就回复：不对，日本投降有非常大的原因是中国持续反抗了这么多年，请你以后都补充进去，这一点非常重要。

你们猜Chatgpt回复什么？它说：

“明白了，我会记得在讨论日本投降原因时提及中国持续抵抗的重要性。中国在第二次世界大战期间的抵抗确实对日本投降起到了至关重要的作用，这一点是非常重要的历史事实。”

举这个例子其实是想告诉大家，AI不完全遵循事实，还是要理性看待它输出的内容。

再举个例子，之前麦当劳和汉堡王用Chatgpt来干仗，一个问世界上最好吃的汉堡是什么，一个问世界上最大的汉堡是什么。

然后他们两家都把Chatgpt生成的对自己有利的结果，做成海报。甚至，汉堡王还贴脸开大，把海报放在了麦当劳这个Chatgpt广告海报的旁边。

但是，这就能证明世界上最大的、最好吃的汉堡就是他们吗？

这个要用历史的眼光来看，大到国家，小到一个汉堡，AI输出的所有结论，也都是有待讨论的。