Что должно быть в промпте про деньги
Нейросеть по умолчанию хочет вам понравиться. Вы приносите идею — она достраивает недостающие цифры так, чтобы всё сошлось. Не из вредности: вы просто не сказали, что вам нужен спор, а не поддержка.
Поэтому промпт про деньги отличается от обычного тремя вещами.
- Роль с конфликтом интересов. Не «эксперт по финансам», а «аналитик, который обязан найти недостающие статьи расходов» или «инвестор, который ищет причины отказать». У роли должна быть задача, противоположная вашему желанию услышать «всё отлично».
- Запрет на общие советы. Без него модель на третьем пункте бросает считать и начинает рассказывать, как вам «работать над брендом» и «делать упор на качество сервиса». Прямая строка «не предлагай оптимизировать расходы и не давай советов по развитию» удерживает её в задаче.
- Требование помечать выдуманное. «Там, где у тебя нет данных по моему рынку, напиши „нет данных“ вместо оценки» — самая ценная строка во всех промптах ниже. Без неё модель выдаст конверсию с точностью до десятых, и вы построите на этой цифре бюджет.
И ещё: всё, что ниже, — способ задавать вопросы, а не финансовая консультация. Проверять цифры, платить налоги и отвечать за решения придётся самостоятельно.
Расходы: что вы забыли посчитать
1. Инвентаризация скрытых расходов
Проблема. Самая частая дыра в расчётах малого бизнеса не в доходах, а в том, что часть расходов вообще не попала в модель. Эквайринг, возвраты, брак, доставка до клиента и обратно, упаковка, комиссия площадки, ваш собственный час на каждый заказ.
Решение. Не просить считать. Просить найти пропущенное.
Вводные: свечи ручной работы, продажа на маркетплейсе, цена 1200 ₽, себестоимость по расчёту владельца — 400 ₽ (воск, фитиль, банка, отдушка).
Расход: обратная логистика по невыкупленным заказам.
Когда возникает: клиент не забрал заказ из пункта выдачи, товар едет обратно на склад.
Почему забывают: в отчёте площадки это отдельная строка, не связанная с конкретным заказом, и не попадает в расчёт себестоимости единицы.
Как прикинуть: взять долю невыкупа за последние три месяца из отчёта площадки и умножить на тариф обратной доставки.
Влияние на маржу: сильное — при невыкупе 25% и тарифе 90 ₽ это добавляет около 22 ₽ к себестоимости каждой отгруженной единицы, а не каждой проданной.
Пример на выдуманных вводных, для иллюстрации формата ответа.
Почему работает. Последний абзац промпта несёт половину нагрузки. Без него модель перескакивает с поиска на советы, и вы получаете статью про то, как договориться с поставщиком, вместо списка того, что не учтено.
2. Что съедает время, а не деньги
Проблема. Есть сегмент клиентов, который приносит выручку и забирает всю прибыль: много вопросов, много правок, долгие согласования, возвраты. В отчёте он выглядит нормально, потому что ваше время в себестоимость не заложено.
Решение. Посчитать маржу с учётом часов, а не только материалов.
Почему работает. Разделение на «отказаться» и «поправить процесс» спасает от поспешного решения. Чаще всего проблема не в клиенте, а в том, что дешёвая позиция продаётся без ограничений по количеству правок.
Типичный итог такого прогона неприятный: бизнесу не нужно больше клиентов, ему нужно перестать продавать позицию, которая съедает основную часть времени и приносит малую часть денег.
Аудитория: кто на самом деле платит
3. Сегменты через ситуации, а не через демографию
Проблема. «Женщины 25–45, доход средний, интересуются здоровым образом жизни» — описание, по которому нельзя принять ни одного решения. Ни рекламу настроить, ни текст на страницу написать.
Решение. Описывать аудиторию через событие, после которого человек начинает искать решение.
Вводные: студия детской фотосъёмки, 6500 ₽ за съёмку.
Ситуация: бабушка с дедушкой приезжают в гости через две недели, последние совместные фото — двухлетней давности, ребёнок с тех пор сильно изменился.
Что делает сам: пытается снять на телефон дома, получает размытые кадры в плохом свете, откладывает.
Как формулирует вслух: «нормальных фотографий вообще нет, а он уже школу заканчивает».
Решающий аргумент: готовые снимки до приезда родственников, то есть жёсткий срок.
Что остановит: опасение, что ребёнок будет капризничать и деньги уйдут впустую.
Платёжеспособность: высокая — покупка привязана к событию, цена сравнивается с подарком, а не с услугой.
Пример на выдуманных вводных, для иллюстрации формата ответа.
Почему работает. Обратите внимание на третий пункт. Фразы, которыми человек описывает проблему вслух, — это готовые заголовки для страницы и готовая основа для ключевых фраз. Но их обязательно нужно сверить с реальной статистикой запросов: модель придумывает правдоподобно, а спроса не видит.
4. Проверка преимущества на копируемость
Проблема. Малый бизнес формулирует преимущество изнутри: работаем с душой, индивидуальный подход, делаем качественно. Всё правда и всё не аргумент — ровно то же написано у конкурентов.
Решение. Проверить каждую формулировку вопросом: сможет ли конкурент скопировать эту фразу к себе за пять минут, ничего не меняя в своём бизнесе.
Почему работает. Формулировка «проверяемое до покупки» отсекает обещания и оставляет только то, что клиент может увидеть сам: срок, гарантию, состав, портфолио, ограничение по количеству заказов.
Приготовьтесь к тому, что ответ «труднокопируемого преимущества у вас нет» модель иногда выдаёт. Это самый полезный из возможных ответов, хотя читать его невесело.
5. Сегментация существующей базы
Проблема. База клиентов есть, но она лежит одним списком. Непонятно, кому писать первым, кого возвращать, а кого не стоит трогать.
Решение. Разложить базу по трём измерениям — давность покупки, частота, сумма — и получить конкретные действия по каждой группе.
Почему работает. Пункт «чего делать точно не стоит» защищает от самой частой ошибки в работе с базой — рассылки по всем сразу. Требование помечать пропорции как ориентир не даёт принять придуманные проценты за факт.
Привлечение: сколько стоит клиент
6. Стоимость привлечения до того, как потрачен бюджет
Проблема. Юнит-экономика ломается чаще всего здесь. Считают маржу с продажи, забывают, что за клиента заплачено, и удивляются, почему при растущей выручке на счёте пусто.
Решение. Прикинуть диапазоны до теста и понять, какой тест вообще имеет смысл запускать.
Вводные: онлайн-курс по вязанию, 4900 ₽, маржа после расходов 3400 ₽.
Канал: реклама в тематических сообществах.
Из чего складывается: оплата размещения плюс производство креатива плюс время на переговоры с администраторами — последнее почти всегда забывают.
Диапазон стоимости заявки: нет данных по вашей нише и региону. Ориентир по смежным нишам обучения хобби — широкий, от 150 до 600 ₽, использовать как гипотезу нельзя.
Доля заявок до оплаты: нет данных.
Бюджет на осмысленный тест: минимум 30–50 заявок на канал, иначе разброс перекроет разницу между каналами.
Порог безубыточности: при марже 3400 ₽ выход в ноль на первой продаже — при стоимости привлечения до 3400 ₽; с учётом повторных покупок порог выше, но считать его до появления реальных данных об удержании преждевременно.
Пример на выдуманных вводных. Обратите внимание, что «нет данных» — это правильный ответ, а не отказ работать.
Почему работает. Последняя строка промпта — самая важная во всём наборе. Без неё модель придумает конверсию с точностью до десятых. С ней вы увидите честное «нет данных» и поймёте, что цифру нужно добывать тестом, а не запросом.
7. Окупаемость рекламы и допустимая доля расходов
Проблема. Реклама запущена, деньги тратятся, продажи идут. Окупается или нет — непонятно, потому что порог, ниже которого нужно останавливаться, никто заранее не определил.
Решение. Посчитать порог до запуска и договориться с собой, при каком показателе кампания выключается.
Почему работает. Разделение на окупаемость с первой продажи и с учётом повторных — ключевое. Многие обосновывают убыточную рекламу тем, что «клиент вернётся», ни разу не измерив, возвращается ли он на самом деле. Отдельная инструкция на случай «не знаю» не даёт модели подставить среднее по рынку.
Проверка модели на прочность
8. Стресс-тест вместо прогноза
Проблема. Финмодель обычно существует в одном варианте — оптимистичном. Не от наивности, а потому что писать три версии долго и грустно.
Решение. Пересчитать точку безубыточности для четырёх сценариев ухудшения и найти показатель, который ломает модель сильнее всего.
Вводные: доставка готовых обедов, чек 450 ₽, себестоимость 260 ₽, привлечение 380 ₽, постоянные расходы 90 000 ₽/мес.
Текущая точка безубыточности: маржа с первого заказа = 450 − 260 − 380 = −190 ₽. Модель убыточна на первой продаже, безубыточность недостижима без повторных заказов — при любом количестве продаж убыток растёт.
Вывод модели: прежде чем считать сценарии ухудшения, нужно ответить на один вопрос — сколько раз в среднем заказывает вернувшийся клиент. Если меньше трёх, бизнес не выходит в плюс ни при каком объёме.
Самый хрупкий показатель: стоимость привлечения. При её росте на 20% требуемое число повторных заказов вырастает непропорционально.
Пример на выдуманных вводных. Обратите внимание: полезный ответ здесь — не таблица сценариев, а отказ считать до прояснения удержания.
Почему работает. Требование показывать формулы — не формальность. Модель ошибается в арифметике на длинных цепочках и делает это уверенно. Формулы дают возможность поймать её за руку и перенести расчёт в таблицу.
Ответ на вопрос про самый хрупкий показатель стоит выписать отдельно. У большинства малых бизнесов им оказывается не выручка, а стоимость привлечения — и почти никто не следит за ней еженедельно.
9. Проверка цены и продуктовой линейки
Проблема. Цену обычно назначают один раз, глядя на конкурентов, и больше к ней не возвращаются. При этом изменение цены влияет на прибыль сильнее, чем любая экономия на расходах.
Решение. Посчитать, что произойдёт с прибылью при разных ценах и разной реакции спроса.
Почему работает. Первый пункт после сценариев — тот самый расчёт, который меняет отношение к цене: обычно выясняется, что повышение на 10% остаётся выгодным даже при потере заметной доли клиентов. Запрет на скидки не даёт скатиться в единственный совет, который модель предлагает по умолчанию.
Разнести собственные расчёты
10. Инвестор, который ищет причины отказать
Проблема. Когда модель собрана, к ней возникает привязанность. Своих ошибок в ней уже не видно.
Решение. Отдать готовую картину другой модели и попросить её разнести.
Предположение, выданное за факт: «доля повторных покупок 40%». В исходных данных этот процент появляется без источника. Вопрос, на который нужен ответ фактами: за какой период посчитана эта доля и сколько клиентов было в выборке?
Логический переход, который не следует из данных: из роста числа заявок делается вывод о росте выручки. Между заявкой и оплатой стоит конверсия, которая в модели зафиксирована постоянной — а при масштабировании канала она обычно падает.
Что можно проверить за две недели: выгрузить из базы даты всех покупок за последние полгода и посчитать долю клиентов с двумя и более заказами. Это бесплатно и закрывает самое рискованное предположение модели.
Пример на выдуманных вводных, для иллюстрации формата ответа.
Почему работает. Требование формулировать вопросы, а не выводы, переводит критику в действия. И принципиально, чтобы модель была другая: та же самая будет защищать собственные выкладки, потому что только что их построила.
11. Что замерить в ближайшие две недели
Проблема. После всех расчётов на руках красивый документ, из которого непонятно, что делать в понедельник.
Решение. Превратить выводы в план проверки с критериями успеха и провала.
Почему работает. Пункт «что я сделаю в каждом из двух случаев» заставляет заранее договориться с собой о реакции на плохой результат. Без него опровергнутая гипотеза обычно объясняется неудачным тестом и проверяется заново.
12. Один вопрос, который стоит задать в конце
Проблема. Модель отвечает на то, что спросили. Она не скажет, что вы не задали главный вопрос.
Решение. Спросить прямо.
Почему работает. Запрет на список — главное в этом промпте. Когда модель вынуждена выбрать один пункт и обосновать выбор, она ранжирует, а не перечисляет. Ответ часто оказывается неудобным и почти всегда полезным.
4 команды, которые добивают ответ
Первый ответ нейросети всегда обтекаемый — она ещё не поняла, насколько глубоко вы готовы копать. Эти команды отправляются следом, в том же диалоге.
Вторая и четвёртая команды дополняют друг друга: первая ловит выдумки модели, вторая — ваши собственные. Обычно вторых оказывается больше.
7 ошибок, из-за которых выходит красивая ерунда
| Ошибка | Что происходит | Что делать |
|---|---|---|
| Промпт скопирован, вводные не заполнены | Модель не догадывается про вашу нишу и цены — она их придумывает | Заполнить все квадратные скобки, даже приблизительно |
| Принят первый ответ | Первый ответ всегда обтекаемый, потому что модель прощупывает глубину | Отправить команды-добивки из раздела выше |
| Итоговые вычисления доверены модели | Арифметическая ошибка в длинной цепочке, поданная уверенным тоном | Просить формулы и считать в таблице |
| Проверка отдана той же модели | Она защищает собственные выкладки, потому что только что их построила | Отдать расчёты другой модели с ролью скептика |
| Придуманные конверсии приняты за данные | Бюджет строится на цифре, которой нет ни в одном источнике | Требовать «нет данных» вместо оценки, помечать всё непроверенное |
| Нет запрета на общие советы | Модель бросает считать и переходит к рассуждениям про бренд и качество | Добавлять прямой запрет последней строкой промпта |
| Модель попросили похвалить или оценить идею | Получаете подтверждение своих предположений вместо проверки | Задавать роль с противоположной задачей: найти, отказать, разнести |
Шестая и седьмая ошибки — одна и та же по природе. Модель по умолчанию подстраивается под то, что вы хотите услышать. Если промпт не содержит явного конфликта интересов, вы получите поддержку, а не проверку. Общие принципы формулирования запросов разобраны в отдельном материале про структуру промпта.
Как разводить роли между моделями
Один промпт в одной модели работает. Но на расчётах заметно лучше работает схема из трёх шагов с разными моделями — просто потому, что они обучены на разных данных и охотнее спорят друг с другом, чем сами с собой.
| Шаг | Задача | Что важно от модели |
|---|---|---|
| Собрать и посчитать | Промпты 1, 2, 6, 8, 9 — структура, статьи расходов, сценарии | Аккуратность с таблицами и последовательность в вычислениях |
| Проверить и оспорить | Промпты 10 и 12 — поиск противоречий и незаданных вопросов | Внимание к тому, следует ли вывод из посылки |
| Превратить в действия | Промпт 11 — план проверки с критериями | Конкретность, отсутствие общих формулировок |
Главное неудобство такой схемы в том, что вводных обычно много — пятнадцать цифр и несколько абзацев описания. Перетаскивать их между вкладками и аккаунтами утомительно, и на третьем переносе появляется соблазн упростить.
В Нейрочате модели переключаются внутри одного диалога: посчитали в одной, попросили другую разнести расчёты, третьей отдали на план действий — контекст остаётся на месте. Плюс русский интерфейс, оплата картой российского банка и работа без VPN.
Прогоните свои цифры через несколько моделей
ChatGPT, Claude, DeepSeek, Gemini и Grok в одном окне — без VPN и сложных настроек.
▶ Попробовать бесплатноЧасто задаваемые вопросы
Посчитать за вас — нет: у неё нет ваших данных, и любая цифра, выданная без ваших вводных, это догадка. Нейросеть полезна на двух других шагах — до расчёта, когда нужно понять, какие статьи расходов вообще учесть, и после, когда нужно найти в готовой модели противоречия. Сами вычисления надёжнее делать в таблице: она не ошибётся в умножении, а модель может, причём уверенным тоном.
Потому что вы не попросили спорить. По умолчанию модель достраивает недостающие данные так, чтобы картина сошлась, и подтверждает предположения, которые вы принесли. Помогают три вещи в промпте: роль скептика или инвестора, который ищет причины отказать; прямой запрет хвалить и давать общие рекомендации; требование помечать каждую цифру, взятую не из ваших вводных.
Промпты не привязаны к сервису и работают в любой модели. На практике удобнее разделять роли: одна модель собирает структуру и считает, другая проверяет рассуждения и ищет противоречия. Для этого нужен доступ к нескольким моделям сразу — в Нейрочате ChatGPT, Claude, DeepSeek, Gemini и Grok доступны в одном окне, без VPN и с оплатой картой российского банка, поэтому переключиться можно внутри одного диалога, не перенося вводные вручную.
Нет, их стоит считать гипотезой для проверки, а не данными. Модель не видит статистику вашего рынка и выдаёт правдоподобные средние значения. Обязательно добавляйте в промпт требование писать «нет данных» вместо оценки и помечать каждую цифру, взятую из общих представлений. Реальные конверсии появятся только после первого теста и будут видны в системе аналитики.
С первого промпта — поиска забытых статей расходов. У малого бизнеса дыра чаще не в доходах, а в том, что часть расходов не попала в модель: эквайринг, возвраты, доставка в обе стороны, упаковка, комиссия площадки, собственное время на каждый заказ. Второй шаг — стресс-тест: он показывает, какой показатель ломает модель сильнее всего, и за ним имеет смысл следить еженедельно.
