Jak napisać naprawdę dobry artykuł na bloga z pomocą ChatGPT4

*Obrazek tytułowy wygenerowany w całości przez DALL-E.

Każdy może napisać cokolwiek za pomocą ChatGPT. Wystarczy wydać polecenie, a ChatGPT je spełni. Tekst napisany w kilka sekund! Czy jednak jest to dobry tekst? Czy jest napisany ciekawym językiem, zawiera merytoryczne szczegóły, wzywa Twoich klientów do zakupu i odnosi się do Twojej oferty? Czy nie boisz się podpisać tego tekstu swoim nazwiskiem? Jeśli korzystacie z ChatGPT i nie do końca rozumiecie dlaczego Wasze teksty wychodzą mocno przeciętnie, podczas gdy świat zachwyca się kreatywnością dużych modeli językowych – mam dla Was krótki poradnik.

Edit, 2:55 w nocy: i jak zwykle, nie udało się krótko.

Krok pierwszy – zrozumieć ChatGPT

ChatGPT4 – bo z tej wersji będziemy korzystać – to narzędzie.

Potężne, ale wciąż tylko narzędzie.

To od użytkownika zależy, jak umiejętnie z tego narzędzia skorzysta.

W tej części wstępu krótko opiszę kilka podstawowych zasad działania ChatGPT4 – które pewnie znacie, ale zawsze warto sobie przypomnieć. Jest to bardzo skrócona wiedza, ograniczona do minimum, które jest potrzebne zrozumienia modelu i stworzenia fajnego contentu.

ChatGPT4 to zaawansowany model językowy, który opiera się na algorytmach liczenia maszynowego. Podczas treningu, algorytmy analizują ogromne ilości tekstu – od literatury klasycznej, po wpisy na social mediach. Uczą się nie tylko rozumienia poszczególnych słów, ale też całych struktur językowych i zależności między słowami, co w efekcie pozwala modelowi na tworzenie zdań i akapitów w sposób naturalny dla ludzkiego języka.

Model językowy jest iteracyjnie doskonalony – im więcej danych otrzymuje, tym lepiej odpowiada na bardziej skomplikowane pytania i w bardziej wyrafinowany sposób naśladuje ludzkie rozumienie tekstu.

Podstawy interakcji z użytkownikiem – tokenizacja

Z ChatGPT4 porozumiewamy się za pomocą zapytań – dalej będę do nich odwoływać się jako do promptów, bo zapytanie nie oddaje w pełni tego znaczenia.

ChatGPT4 nie pojmuje języka w sposób typowo człowieczy – model językowy korzysta z tzw. tokenizacji. Tekst (zarówno Twój prompt, jak i odpowiedź programu) jest dzielony na mniejsze części: słowa, znaki interpunkcyjne, ciągi słów. Model analizuje całość tekstu na raz w oparciu o te części. Jeśli nasz prompt będzie zbyt prosty, lub zbyt zawiły – tekst po tokenizacji nie będzie prawidłowo przeanalizowany przez algorytm i nie dostaniemy odpowiedzi, jakiej oczekiwaliśmy.

ELI5:

~ChatGPT4

„Myślenie” i „rozumienie” w kontekście dużych modeli językowych

Ważne: program nie myśli i nie ma osobowości, jego działanie jest oparte na matematyce – ale będę używać czasowników „myśli” i „rozumie”, bo ułatwi to nam rozumienie kontekstu.

Wiemy już, że proste i dobrze sformułowane prompty przyczyniają się do otrzymania bardziej trafnych odpowiedzi.

• Model preferuje prompty, które są bezpośrednie i konkretne.
• Model preferuje jasno ustrukturyzowane zapytania.
• Model odpowiednio reaguje na kontekst podany w prompcie, więc dokładność w wyrażaniu myśli jest kluczowa.
• Model może prowadzić złożone konwersacje, dostosowując się do tonu i stylu promptu użytkownika.
• Model demonstruje zdolność do kreatywnego i abstrakcyjnego myślenia.
• Model stara się utrzymać spójność wątków rozmowy, co oznacza, że pamięta wcześniejsze wymiany z użytkownikiem w ramach jednej sesji, aby odpowiedzi były kontekstualnie związane.

Ograniczenia i wyzwania w promptowaniu

Mimo swojej zaawansowanej technologii, ChatGPT4 ma bardzo poważne ograniczenia, które musimy wziąć pod uwagę:

• Jeśli nie korzystamy z pluginu Web Browsing, model nie ma dostępu do internetu i nie potrafi analizować stron internetowych.
• Model może mieć trudności z interpretacją złożonych aluzji, ironii czy sarkazmu.
• Model nie ma dostępu do wcześniejszych sesji, ani czatów.
• Model może nie pamiętać wszystkich szczegółów z początku rozmowy, co może prowadzić do powtórzeń lub nieścisłości.
• Z drugiej strony – model może mieć za dużo w pamięci tokenów z początku rozmowy i nie załapać, że zmieniliśmy temat. To samo dzieje się, jeśli użyjemy zbyt wielu niepotrzebnych słów, które model może zapisać jako ważne tokeny.

Przykład – nieumiejętnie poprosisz ChatGPT, aby napisał tekst o wózkach widłowych, w którym powinien wstawić adres URL do Twojej oferty wózków widłowych. Efekt? Model zacznie pisać o wózkach widłowych do przewożenia adresów URL stron internetowych. Zdarzyło się.

• Informacje, na których model był trenowany, nie zawierają danych po dacie jego ostatniego treningu, a to oznacza, że najnowsze wydarzenia i aktualności nie będą dostępne.
• Model może zacząć halucynować – z dużym przekonaniem opisywać zjawiska i zdarzenia, które nigdy nie miały miejsca i doda teksty źródłowe, które nie istnieją.
• Model może być jednostronny, nieobiektywny i powielać krzywdzące stereotypy. Wynika to z tego, że jest trenowany także na treściach internetowych, które wielokrotnie nie są obiektywnym źródłem.
• Model może podać błędne informacje. To Twoim obowiązkiem jest ich weryfikacja.

Prime prompt – Twój najważniejszy prompt. Kiedykolwiek.

W środowisku prompt engineerów (Inżynierów zapytań? Zapytywaczy? Zadawaczy pytań?) bardzo często pojawia się termin prime promptowania, czyli przygotowywania (prime’owania) modelu językowego do odpowiadania w określony sposób. Jest to narzędzie o ogromnej mocy i jeśli użyjemy go przed zadaniem właściwego pytania – różnica w jakości odpowiedzi będzie kolosalna.

Prime prompt to bardzo dokładna instrukcja postępowania, która nada ton całej konwersacji. Możesz w nim umieścić polecenia i specyficzne wymagania, np.:

• Ton i styl: Określenie tonu, stylu, prostoty bądź wyrafinowania struktury wypowiedzi.
• Struktura: Polecenie użycia określonego podziału na akapity, list wypunktowanych, boldowania określonych słów.
• Odbiorca: Czy tekst ma być kierowany do profesjonalistów czy laików? Czy czytelnicy będą cenić proste informacje, czy zawiły i wirtuozerski język? Kim jest Twój klient?
• Ograniczenia: Nie wspominaj nazwy brandu, nie halucynuj, podawaj źródła do każdej informacji, nie używaj żargonu technologicznego.
• Rola: Przyjmij rolę copywritera / specjalisty od obróbki metalu / marketingowca z 10letnim doświadczeniem / leadera zespołu badawczego

Prompt możemy pisać za każdym razem indywidualny, ale dobrze jest mieć kilka zapisanych schematów, gotowych do wklejenia na początku każdej rozmowy.

Poniżej znajduje się mój pierwszy i bardzo nieidealny prime prompt:

Zauważyłam, że dużo lepiej ChatGPT4 rozumie polecenia wydawane w języku angielskim, dzięki prostocie tego języka i braku deklinacji. Można prime prompt napisać po angielsku, a na końcu zażądać kontynuowania rozmowy w języku polskim.

Poniżej najczęściej używany przeze mnie, uniwersalny prime prompt, którego chwyciłam z Reddita (wybacz bezimienny użytkowniku, że nie pamiętam Twojego username’a ? ) i nieco zmieniłam.

Porównanie w praktyce

Poniżej znajdują się logi 3 różnych czatów modelu GPT4. Moim prostym głównym poleceniem niech będzie:

„Napisz krótki tekst poradnikowy o drapakach dla kotów”.

  Brak prime promptu, od razu zadane zapytanie.

  Mój pierwszy prime prompt + zapytanie.

  Uniwersalny prime prompt bezimiennego Redditowicza + zapytanie.

W którejś z ostatnich aktualizacji dostaliśmy opcję Custom Instructions – jest to dodatkowe miejsce na zautomatyzowane „dopromptowanie” wszystkich interakcji z ChatGPT4. Poniżej wyrywek z moich instrukcji:

  Efekt custom instructions + uniwersalnego prime prompta

Moje instrukcje mocno “konkretyzują” model – dlatego na zadane pytanie odpowiedział z doskonałą precyzją 😉

Krok po kroku – jak formatowanie tekstu wpływa na rozumienie przez model?

W trakcie tokenizacji, model sam przypisuje określoną wagę i wartość poszczególnym fragmentom tekstu, podejmując decyzje oparte na doświadczeniu ze swojego treningu. Możemy to ułatwić formatowaniem:

• Polecenia w osobnych wierszach, lista (nie)uporządkowana
• Boldowanie i pisanie WERSALIKAMI fraz o kluczowym znaczeniu dla polecenia
• Prosty język, jak najdokładniejsze słowa, aby usunąć zbędny szum przy tokenizacji.
• Rozbicie skomplikowanych poleceń na kilka osobnych promptów.
• Przypomnienie najważniejszej istoty polecenia na początku i na końcu prompta.
• Przykłady pokazujące schemat odpowiedzi, jaki chcesz uzyskać od modelu.

Użycie formuły „Krok po kroku”: „Wykonaj poniższe zadania krok po kroku: 1. […], 2. […], 3. […]” – to sprawi, że model nie zacznie wykonywać całości zadania na raz, a w określonej kolejności, w dalszych krokach korzystając z informacji wygenerowanych przez siebie w pierwszych krokach. Z doświadczenia wiem, że ta metoda nie zawsze działa prawidłowo w języku polskim, po angielsku jest częściej niezawodna.

Przykład: wydanie polecenia, aby model po kolei wymyślił tytuł artykułu z konkretną frazą, następnie wygenerował do tego 4 nagłówki, a następnie w oparciu o pkt 1 i 2 napisał treść artykułu da lepszą wartość merytoryczną wygenerowanej treści, niż lakoniczne polecenie „Napisz artykuł na frazę X”.

Ale nawet forma „Krok po kroku” nie zrobi nam idealnego artykułu na bloga. Trzeba się nieco wysilić.

Jak wymyślić pomysły na tytuły artykułów blogowych z pomocą ChatGPT4

Model jest świetny jako dodatkowe narzędzie  – obok Ahrefsa, Senuto czy ręcznych zapytań z * w wyszukiwarce  – do generowania tematów i tytułów artykułów oraz zapełniania naszego bloga klastrami tematycznymi.

Ja najczęściej używam modelu dla wygenerowania X tytułów spełniających Y wymagań – a następnie ręcznie sprawdzam listę, wybieram to co mi się podoba, modyfikuję to co nie do końca leży i olewam te najgorsze propozycje.

Kilka przykładów poleceń, w zależności od tego, czego oczekuję po artykułach:

1. Wygeneruj 10 tematów artykułów blogowych o [temat] – najbardziej ogólnikowy prompt, dobry jeśli mamy zupełną pustkę w głowie.
2. Wygeneruj 10 tytułów artykułów blogowych dla poniższych fraz kluczowych: [lista fraz jedna pod drugą] – kiedy mamy wybrane frazy longtailowe, a dla których nie mamy treści
3. Z włączonym pluginem Web Browsing – Zapoznaj się ze stroną [url strony]. Zaproponuj 10 tytułów artykułów na bloga dla tej strony.
4. Z włączonym pluginem Web Browsing – Zapoznaj się z blogiem strony [url do bloga strony], następnie zaproponuj 10 tematów na artykuły pod frazy kluczowe [lista fraz kluczowych jedna pod drugą], aby nie powielały się z istniejącymi artykułami – nie działa dla artykułów na innych podstronach paginacji.
5. Zaproponuj 10 pytań typu FAQ / Q&A na temat X
6. Zaproponuj 10 pytań, które mogą zadać użytkownicy strony [url strony]
7. Zaproponuj 10 pytań FAQ na temat X

Możliwości jest mnóstwo.

Tworzenie outline artykułu z ChatGPT4

To moje ulubione zastosowanie ChatGPT4 w zakresie tworzenia contentu. Bo często mamy już wymyślone tytuły, mamy przygotowany plik w edytorze SurferSEO, mamy pod ręką listę fraz kluczowych, a w głowie – posucha i strach przed pustą kartką. Wtedy siadam do mojego wiernego przyjaciela i zadaję mu prompty:

1. “Przygotuj krótki opis artykułu blogowego o tytule „[tytuł artykułu]”.”
2. “Na podstawie tytułu i opisu artykułu wygeneruj szczegółowy outline artykuły blogowego.”

To zwykle wystarcza, aby otrzymać solidną strukturę artykułu i pomaga uporządkować myśli, usuwając lęk pusto-kartkowy.

Podstawowy arsenał poleceń: Rewrite, Continue, Regenerate, Rozwiń, Poszerz

Często to co otrzymamy od modelu może nam się nie spodobać. Mamy wtedy kilka możliwości:

1. Wracamy do promptu, edytujemy go dodając niezbędne informacje, generujemy odpowiedź jeszcze raz.
2. Rewrite „[fragment tekstu, który coś nam nie pasuje]” – model przepisze fragment treści zachowując sens wypowiedzi, ale skorzysta z synonimów czy innej struktury zdania. Możemy dodać dodatkowo polecenie „… w stylu X / aby był jak Y / aby był bardziej Z”
3. Continue – ChatGPT4 obsługuje określoną liczbę tokenów na odpowiedź, po wykorzystaniu których przestanie pisać. Wtedy należy wydać polecenie kontynuacji pisania. Fajnie jest w prime promptcie umieścić wymóg automatycznej kontynuacji wypowiedzi.
4. Regenerate – model podejmie nową próbę na czysto interpretacji naszego prompta i odpowiedzi na jego pytanie.
5. Rozwiń „[fragment tekstu]” – w najprostszej formie model rozwinie podane zagadnienie wchodząc w jego szczegóły. Możemy dodać do tego dodatkowo polecenie „… dodając więcej merytorycznych szczegółów / dodając przykłady zastosowania / zwróć uwagę na X”.
6. Poszerz „[fragment tekstu]” – podobna funkcja jak Rozwiń, ale w moim subiektywnym odczuciu bardziej idzie na długość tekstu, a nie w dodanie faktycznej wartości do treści.

Idziemy głębiej. Więcej merytorycznych szczegółów

W zależności od tematyki, program może nie radzić sobie z danym tematem i wciąż poruszać się w strefie ogólników. Wtedy nie różni się jakością od typowych artykułów copywriterskich „pod SEO”, ani nie wyróżnia unikatowym spojrzeniem na dany temat.

Możemy znacząco dodać wartości artykułowi pytając model o konkrety dotyczące tematu:

1. Wygeneruj 5 faktów o X
2. Jakie są najnowsze trendy na temat X?
3. W jaki sposób można wykorzystać X?

Być może odpowiedzi na tyle Ci się spodobają, że umieścisz je bezpośrednio w artykule. Jeśli nie, możesz w kolejnym promptcie zwrócić modelów uwagę na poszczególne zagadnienia. Dodatkowo, dzięki temu że ChatGPT4 zapamiętuje w pewnym stopniu naszą konwersację, te zagadnienia pozostaną w jego „pamięci podręcznej” i z dużą dozą prawdopodobieństwa odniesie się do nich w swoich odpowiedziach.

A gdzie SEO?

Możesz podać listę fraz kluczowych, które powinny się znaleźć w artykule, wraz z pozostałymi wytycznymi.

„Użyj w treści poniższe frazy kluczowe w nieodmiennej formie, wybolduj je: [ lista fraz jedna pod drugą]”

Osobiście lubię gdy model bolduje moje frazy kluczowe – łatwiej jest mi wtedy je wyłapać w kontekście oraz sprawdzić, czy aby na pewno wszystkie zostały użyte.

Bardzo fajnie mi się pracuje z edytorem SurferSEO do pisania treści:

1. Robię wytyczne w Content Editorze
2. Tworzę artykuł z ChatGPT
3. Kopiuję artykuł do Content Editora
4. Ręcznie zmieniam niektóre frazy i wyrażenia, aby wpisać się w wytyczne Content Editora
5. Jeśli nie mam pomysłu na użycie danej frazy w tekście – proszę ChatGPT4 o napisanie zdania z frazą X w kontekście Y.

W ten sposób stworzyłam wszystkie treści na nową stronę dotyczącą usług obróbki CNC i akcesoriów motocyklowych. Dzięki odpowiedniemu promptowaniu, treści naprawdę bardzo fajnie się czyta. A poprzez skuteczne użycie Content Editora, wykres w Senuto jest piorunujący. Case study soon.

Generowanie i rozwijanie treści artykułu blogowego z ChatGPT4 od zera

Poniżej przedstawiam mój proces tworzenia treści, na którą nie mam żadnego pomysłu. Czasem idzie to szybko, ale jeśli chcemy stworzyć naprawdę świetny tekst – wiele z tych punktów przechodzi wielokrotną iterację.

Załóżmy, że mamy już wybrany tytuł i frazę kluczową – bo to zwykle ustalam na poziomie tworzenia strategii content marketingowej, a nie przy pracy przy poszczególnym tekście.

1. Prime prompt – ustalam zasady naszej konwersacji i moje kluczowe wymagania.
2. Krótki opis tematu i tego o czym jest artykuł.
3. Generujemy dane, ciekawostki i zagadnienia z danego tematu.
4. Outline artykułu – podział na fragmenty i lista zagadnień dla każdego fragmentu na podstawie pkt 2 i 3.
5. Tworzymy nagłówki dla każdego fragmentu z pkt 4.
6. Powtarzamy kroki 3-5 w zależności od potrzeby.
7. Promptujemy treść dla pojedynczych fragmentów – max. 1-2 nagłówków.
8. W miarę potrzeby – Rewrite, Regenerate, Rozwiń
9. Powtarzamy pkt 7-8 aż otrzymamy zadowalające rezultaty.
10. Przechodzimy do kolejnych fragmentów i nagłówków.
11. Wybieramy to, co nam się podoba do edytora treści i porządkujemy całość.
12. Edycja i korekta.

Korzystanie z ChatGPT4 jako pomocnika – gdy wiemy o czym chcemy napisać

Nie ma co ukrywać, że korzystam z ChatGPT4 także i w tej chwili, gdy piszę ten artykuł. Jako że wiem o czym i jak chcę napisać ten artykuł – korzystam z ChatGPT4 przede wszystkim do pomocy w ustrukturyzowaniu całości. Nie chcę zapomnieć o niczym ważnym, dlatego generuję zagadnienia i pytania, wybierając te, które moim zdaniem są istotne.

A zresztą zobaczcie sami – tutaj znajduje się log konwersacji, której użyłam do pomocy w przygotowaniu dla Was tego tekstu.

To Ty odpowiadasz za całokształt treści. Nie model językowy

I nie chodzi mi tutaj tylko o sprawdzenie tekstu pod kątem merytoryki, potencjalnych halucynacji czy szeroko rozumianej jakości językowej. Chyba nie zdarzyło mi się nigdy, bym w przypadku artykułu blogowego wkleiła bezwiednie całości treści wygenerowanej przez ChatGPT4. Zazwyczaj są to poszczególne fragmenty. Tutaj wezmę tytuł, stąd wezmę ten nagłówek. Podoba mi się ten akapit, ale kliknę Regenerate z 3 razy, bo nie do końca mi coś pasuje – i z każdej opcji wezmę po jednym zdaniu.

Wiele osób myśli pewnie, że wystarczy zadać kilka poleceń i otrzymamy gotowy tekst w 5 minut. W przypadku mało wymagających treści – tak bywa. Ale jeśli chcemy włożyć swoje serducho i naprawdę stworzyć treść, której nie będziemy się wstydzić – która przyniesie faktycznie wartość użytkownikowi, która doda jakości stronie i spełni jednocześnie wymagania pod SEO – stworzenie treści z pomocą AI może zająć nam tyle samo czasu, co pisanie jej od zera.

ChatGPT4 to tylko narzędzie. To od Ciebie zależy jak go użyjesz.

As an AI language model…

Artykuł oczywiście powstał z pomocą ChatGPT4 😉

Obrazek tytułowy wygenerowany w całości przez DALL-E.