Jeśli każdy post na LinkedIn zaczynasz od pustego pola i ogólnego promptu, szybko wpadasz w dwa problemy: otwarcia brzmią podobnie, a ton marki zaczyna się rozjeżdżać. Lepszy układ to prosty generator, który pracuje na najlepszych postach Twojej firmy. Nie pisze całego posta. Podsuwa kilka wersji pierwszego zdania na podstawie tego, co już wcześniej przyciągało uwagę odbiorców.
To podejście ma sens, bo model nie zgaduje od zera. Dostaje przykłady z Twojego archiwum, temat nowego posta i krótkie zasady tonu. Dzięki temu porównujesz kilka sensownych startów zamiast walczyć z pierwszym zdaniem.
Dlaczego własne posty dają lepszy punkt startu niż ogólny prompt
Ogólny prompt daje poprawne, ale zwykle wymienne otwarcia, bo nie zna Twojej marki ani tego, na co reagowali odbiorcy. Może napisać zdanie poprawne językowo, ale nie wie, czy Twoi czytelnicy częściej zatrzymują się przy konkretnej liczbie, krótkiej tezie pod prąd czy pytaniu opartym na realnym problemie.
Praca na własnym archiwum zmienia punkt wyjścia. Zamiast pytać model: "wymyśl dobre otwarcie", pokazujesz mu, jak zaczynały się posty, które już zebrały komentarze, reakcje albo udostępnienia. To nie daje gwarancji wyniku, ale daje lepszy materiał do testów niż losowy szablon z sieci.
Jeśli chcesz uporządkować cały proces pisania posta, a nie tylko pierwsze zdanie, wróć też do wpisu o pisaniu postów LinkedIn z ChatGPT. Tutaj zawężamy temat do jednego elementu: otwarcia.
Jak zbudować taki generator krok po kroku
1. Zbierz najlepsze posty marki
Na start wystarczy kilkanaście postów, które wyraźnie odstawały od reszty. Nie wybieraj ich tylko po dacie. Weź te, które miały lepsze reakcje, komentarze, udostępnienia albo po prostu wywołały więcej sensownych rozmów.
Skopiuj każdy post do jednego dokumentu. Przy każdym zostaw:
- temat wpisu,
- pierwsze jedno lub dwa zdania,
- krótką notatkę, co mogło zadziałać,
- widoczne metryki, jeśli masz do nich dostęp.
2. Wyciągnij z archiwum typy otwarć
Nie budujesz tu naukowej klasyfikacji. Chodzi o prostą odpowiedź na pytanie: co robi pierwsze zdanie?
Najczęściej zobaczysz kilka powtarzalnych wzorców:
- pytanie, które od razu dotyka konkretnego problemu,
- tezę pod prąd wobec popularnej opinii,
- liczbę albo wynik, który nadaje tematowi wagę,
- krótką scenę z pracy zespołu, klienta albo kampanii,
- mocne stwierdzenie, po którym czytelnik chce sprawdzić uzasadnienie.
Przy każdym poście zapisz jedną kategorię. Jeśli nie masz pewności, nie komplikuj. Ważniejsze jest to, żeby nazwy były użyteczne dla Ciebie niż idealnie eleganckie.
3. Dopisz zasady tonu marki
Sam zbiór otwarć nie wystarczy. Model musi jeszcze wiedzieć, jak brzmi Twoja marka.
Zapisz kilka prostych reguł:
- czy piszesz bardziej bezpośrednio, czy spokojnie,
- czy zdania mają być krótkie, czy mogą być dłuższe,
- jakich słów unikasz,
- czy startujesz od tezy, pytania, liczby czy obserwacji z rynku,
- czego nie chcesz widzieć, nawet jeśli brzmi "chwytliwie".
Jeśli chcesz to rozpisać szerzej, przyda Ci się też materiał o tym, jak nauczyć Claude tonu marki. W tym procesie chodzi jednak o prosty, roboczy opis, a nie rozbudowany dokument.
4. Zrób prompt, który generuje tylko otwarcia
Najczęstszy błąd polega na tym, że model dostaje zadanie napisania całego posta. Wtedy miesza ton, strukturę i pomysł na rozwinięcie. Lepiej zawęzić zadanie do pierwszego zdania albo dwóch.
Taki prompt wystarczy na start:
Na podstawie przykładów otwarć z naszej marki przygotuj 5 wersji otwarcia do posta LinkedIn.
Temat posta: [wpisz temat]
Nasze przykłady:
[tu wklej 8-15 przykładów pierwszych zdań]
Zasady tonu:
- [reguła 1]
- [reguła 2]
- [reguła 3]
Wymagania:
- każda wersja ma mieć maksymalnie 2 zdania,
- każda ma brzmieć jak post firmowy, nie jak uniwersalny szablon,
- pokaż różne typy otwarcia,
- nie pisz całego posta,
- nie używaj ogólników ani obietnic bez pokrycia.To wystarczy, żeby dostać kilka różnych startów do oceny. Potem wybierasz jeden, poprawiasz ręcznie i dopiero przechodzisz do reszty posta.
Co warto oceniać po pierwszych testach
Pierwsza wersja generatora nie ma być idealna. Ma pomóc szybciej wejść w temat i ograniczyć liczbę słabych startów.
Po kilku publikacjach sprawdź trzy rzeczy:
- które typy otwarć najczęściej kończą jako finalna wersja,
- czy model trzyma ton marki, czy wraca do generycznych zdań,
- czy nowe tematy nadal pasują do wzorców z archiwum.
Jeśli widzisz, że model dobrze pisze otwarcia do jednego typu postów, ale gubi się przy innych, rozdziel przykłady. Osobna pula dla case’ów, osobna dla komentarzy rynkowych, osobna dla poradników.
Gdzie ten proces ma granice
Generator nie zastąpi redakcji. Nadal trzeba sprawdzić, czy pierwsze zdanie pasuje do reszty posta, nie obiecuje za dużo i nie brzmi jak cudzy styl.
Drugi limit jest prosty: jeśli masz słabe archiwum, model będzie uczył się na słabym materiale. Wtedy najpierw popraw jakość samych postów, a dopiero potem buduj generator.
Trzecia sprawa to zmiana tematu. Jeśli do tej pory marka pisała głównie o content marketingu, a teraz zaczyna mówić o sprzedaży albo CRM, stare otwarcia nie zawsze będą dobrym wzorem. W takiej sytuacji zbieraj nowe przykłady i aktualizuj bazę.
Jeśli chcesz spiąć to z planowaniem publikacji, kolejnym krokiem może być kalendarz treści połączony z procesem AI. Wtedy nie pracujesz tylko na pojedynczym poście, ale na całej serii tematów.
Zacznij od kilkunastu własnych postów, nazwij powtarzalne typy otwarć i ogranicz model do jednego zadania: ma dać Ci kilka pierwszych zdań, nie gotowy wpis. To mały proces, ale często właśnie on skraca drogę od pomysłu do publikacji.
Źródła
- Andy O’Neil, Build a LinkedIn Hook Generator with Claude AI (3 Steps) – materiał pokazuje budowę prostego generatora otwarć do postów LinkedIn w Claude.
