Prompt engineering for marketingfolk: Få bedre resultater fra AI

Forskellen mellem et AI-output du kan bruge direkte, og et du smider ud, ligger næsten altid i prompten. Ikke i værktøjet. Ikke i modellen. I den instruktion, du giver. Prompt engineering til marketing handler om at formulere dine input, så AI-værktøjer som ChatGPT, Claude eller Gemini leverer tekster, analyser og idéer, du reelt kan arbejde videre med.

Det vi ser hos de virksomheder, vi samarbejder med, er et tydeligt mønster: de fleste bruger AI dagligt, men får output, der kræver så meget redigering, at tidsbesparelsen forsvinder. Marketingansvarlige skriver “lav en god annoncetekst til Facebook” og undrer sig over, at resultatet lyder som enhver anden reklame. Problemet er ikke ChatGPT. Problemet er, at prompten mangler alt det, AI’en har brug for til at levere et præcist svar.

Denne artikel giver dig en konkret, praktisk guide til prompt engineering i en marketingkontekst. Du får de fire grundprincipper, specifikke prompt-eksempler til SEO, annoncering, e-mail og strategiarbejde, en tjekliste du kan bruge med det samme, og de fejl vi oftest ser koste tid og kvalitet. Hvis du vil have en bredere ramme for, hvordan AI passer ind i din digitale marketingstrategi, har vi også skrevet om det.

Hvad er prompt engineering?

Prompt engineering er den disciplin, der handler om at formulere instruktioner til AI-modeller, så de leverer det mest præcise og brugbare output. I en marketingkontekst betyder det, at du strukturerer dine spørgsmål og opgavebeskrivelser til ChatGPT, Claude, Gemini eller lignende værktøjer med nok kontekst, specificitet og retning til, at svaret faktisk kan bruges.

Prompt engineering er ikke kodning

En udbredt misforståelse er, at prompt engineering kræver teknisk baggrund. Det gør det ikke. Det kræver præcis kommunikation. Tænk på det som forskellen mellem at bede en ny praktikant om at “lave noget indhold” versus at give en detaljeret brief med målgruppe, tone, format og eksempler på, hvad der virker. AI-modeller reagerer på præcis samme logik. Jo mere specifik din brief, jo bedre resultatet.

Hvorfor det er relevant for marketingfolk nu

Ifølge en undersøgelse fra Salesforce bruger 71 % af marketingfolk allerede generativ AI i deres daglige arbejde (Salesforce, 2024). Men brugen er typisk ustruktureret. De fleste copy-paster en opgave ind i ChatGPT uden at tænke over format, målgruppe eller kontekst. Det giver output, der teknisk set er korrekt, men som mangler den skarphed og relevans, der gør det brugbart i praksis.

Prompt engineering løfter brugen fra sporadisk til systematisk. Det er forskellen mellem at bruge AI som en hurtig genvej og at bruge det som et reelt produktionsværktøj.

Hvorfor får du generisk output fra AI?

Det korte svar: fordi du giver generisk input. AI-modeller producerer det mest sandsynlige svar baseret på din instruktion. Giver du en bred, vag prompt, får du et bredt, vagt svar. Det er ikke en fejl i teknologien. Det er en direkte konsekvens af, hvordan sprogmodeller fungerer.

De tre typiske årsager

Manglende kontekst. Du beder om en produktbeskrivelse, men fortæller ikke AI’en, hvem der skal læse den, hvad produktet konkurrerer med, eller hvilken tone din virksomhed bruger. Modellen har ingen mulighed for at ramme rigtigt og vælger derfor det mest generiske bud.

For brede opgaver. “Skriv en blogpost om SEO” er ikke en opgave. Det er et emne. En brugbar prompt definerer vinkel, længde, målgruppe, struktur og det specifikke problem, teksten skal løse.

Ingen iteration. De fleste stopper efter første output. I praksis er det første svar fra en AI-model sjældent det bedste. Det er et udgangspunkt. Prompt engineering handler lige så meget om, hvad du gør med svaret bagefter, som om den første prompt.

Et konkret eksempel

Svag prompt: “Skriv en annoncetekst til vores nye produkt.”

Stærk prompt: “Skriv tre varianter af en Facebook-annoncetekst til en dansk B2B-virksomhed, der sælger lagerstyringssoftware til mellemstore produktionsvirksomheder. Målgruppen er operations managers, der er frustrerede over manuelle processer. Tonen er professionel og direkte. Max 125 tegn for primary text. Inkluder en klar CTA.”

Forskellen i output er markant. Den første prompt giver et svar, der kunne passe til enhver virksomhed. Den anden giver et svar, du faktisk kan teste.

De fire byggeklodser i en stærk prompt

I vores daglige arbejde med AI-værktøjer har vi identificeret fire elementer, der konsekvent giver bedre output. De er ikke et stift framework, men en mental tjekliste, du kan bruge, hver gang du formulerer en prompt.

1. Specificitet

Hvad præcist skal AI’en levere? Ikke “en tekst”, men hvilken type tekst, til hvem, i hvilken længde og med hvilket formål.

2. Kontekst

Hvad ved AI’en om din situation? Branchen, målgruppen, konkurrentsituationen, det problem du forsøger at løse. Jo mere kontekst, jo færre gæt.

3. Format

Hvordan skal outputtet se ud? En liste, en sammenhængende tekst, en tabel, tre varianter? Definér formen, ellers vælger modellen den mest almindelige.

4. Iteration

Forvent ikke det perfekte svar første gang. Brug det første output som udgangspunkt, og forfinér med opfølgende prompts. Det er her den reelle kvalitet opstår.

Disse fire byggeklodser dækker det, som flere fagkilder kalder kernen i prompt engineering. Adobe beskriver det som “a skill, like any skill, where a few simple habits make all the difference” (Adobe Experience League, 2025). Vores erfaring bekræfter det fuldt ud: de marketingfolk, der konsekvent bruger alle fire elementer, får output, de kan bruge med minimal redigering.

Specificitet afgør alt

Hvis du kun ændrer én ting ved dine prompts, så lad det være graden af specificitet. Det er det enkeltelement, der har størst effekt på kvaliteten af dit output.

Hvad specificitet betyder i praksis

Specificitet handler om at fjerne tvetydighed. Hver gang du efterlader noget uklart, træffer AI’en et valg for dig. Og det valg er næsten altid det mest generiske.

Et eksempel: “Skriv en e-mail til vores kunder om vores nye feature.” Her mangler alt. Hvilke kunder? Hvad er featuren? Hvad skal e-mailen opnå? Skal den informere, sælge eller aktivere?

En specifik version: “Skriv en aktiverings-e-mail til eksisterende kunder i vores SaaS-platform, der endnu ikke har brugt den nye rapporteringsfunktion. Målet er, at de logger ind og prøver funktionen inden for 48 timer. Tonen er hjælpsom og konkret. Max 150 ord. Inkluder én CTA-knap.”

Seks dimensioner du bør specificere

For hver prompt kan du stille dig selv disse spørgsmål:

• Hvem er modtageren? (Demografi, rolle, vidensniveau)
• Hvad er det præcise output? (Format, type, længde)
• Hvorfor skal det bruges? (Formål, handling du vil drive)
• Hvor skal det publiceres? (Kanal, platform, kontekst)
• Hvornår i kunderejsen befinder modtageren sig? (Awareness, consideration, decision)
• Hvordan skal tonen være? (Professionel, uformel, autoritativ, hjælpsom)

Ifølge en guide fra Genesys Growth bør marketingfolk strukturere prompts med tre kernekomponenter: “persona identification, pain point specificity, and solution positioning” (Genesys Growth, 2025). Det bekræfter det mønster, vi ser: jo mere du definerer modtageren og problemet, jo skarpere bliver outputtet.

Kontekst gør outputtet brugbart

Specificitet handler om opgaven. Kontekst handler om baggrunden. Begge dele er nødvendige, men kontekst er det element, de fleste springer over.

Tre typer kontekst der forbedrer output

Virksomhedskontekst. Fortæl AI’en, hvem du er. Branche, størrelse, kerneydelse, unik positionering. “Vi er et dansk B2B-bureau med 12 ansatte, der primært arbejder med mellemstore produktionsvirksomheder” giver et fundamentalt anderledes output end ingen kontekst.

Målgruppekontekst. Beskriv dem, du kommunikerer til. Ikke bare “marketingfolk”, men “marketingansvarlige i danske SMV’er med 10-50 ansatte, der typisk har budgetter på 15.000-40.000 kr./md. og selv står for execution.”

Konkurrentkontekst. Hvis du laver content eller annoncetekster, kan du inkludere, hvad konkurrenterne siger, så AI’en kan differentiere dit budskab. “Vores tre største konkurrenter fokuserer alle på pris. Vi differentierer os på rådgivning og langsigtet strategi.”

Custom instructions som tidsbesparelse

De fleste AI-værktøjer giver dig mulighed for at gemme kontekst permanent. I ChatGPT hedder det “Custom Instructions.” I Claude hedder det “Project Knowledge.” Brug det. Indtast din virksomheds kernekontekst én gang, så slipper du for at gentage den i hver prompt.

Vi har set marketingteams spare 20-30 minutter dagligt alene ved at opsætte custom instructions korrekt. Det lyder banalt, men det ændrer workflow markant over en uge.

Iteration: Den undervurderede teknik

De fleste behandler AI som en søgemaskine: ét spørgsmål, ét svar, færdig. Det er en fundamental misforståelse af, hvordan du får det bedste ud af sprogmodeller.

Hvorfor iteration er afgørende

Første output er et udkast. Ikke et slutprodukt. Styrken i moderne AI-modeller ligger i, at de husker konteksten inden for en samtale og kan forfine baseret på feedback. Det betyder, at din anden, tredje og fjerde prompt i samme samtale typisk er vigtigere end den første.

Tre iterationsteknikker til marketingfolk

Raffinering. Tag det første output og bed om specifikke ændringer: “Gør tonen mere direkte. Fjern de to første afsnit, de er for generelle. Gør CTA’en mere konkret.”

Variation. Bed om flere versioner: “Giv mig tre alternative vinkler på denne overskrift. Den første skal appellere til frygt for at miste kunder, den anden til muligheden for vækst, den tredje til besparelse.”

Rolleshift. Bed AI’en om at vurdere sit eget output fra et nyt perspektiv: “Læs denne tekst som en skeptisk CMO med 15 års erfaring. Hvad ville du kritisere? Hvad mangler?”

Et iterationsforløb i praksis

Prompt 1: “Skriv en LinkedIn-post om, hvorfor dansk e-commerce bør investere i førstepartsdata i 2025.”
Output: Generel post, korrekt men kedelig.

Prompt 2: “For generisk. Gør den mere specifik. Inkluder et konkret tal. Start med en provokerende påstand.”
Output: Bedre vinkel, men stadig lidt lang.

Prompt 3: “Skær den ned til max 200 ord. Gør slutningen skarpere.”
Output: Brugbar post, klar til publicering med minimal redigering.

Tre prompts. Halvandet minut. Langt bedre resultat end første forsøg. Det er iteration i praksis.

Output-format: Styr formen på dit svar

Når du ikke angiver format, vælger AI-modellen det mest sandsynlige. Det er oftest en sammenhængende tekst med generisk opbygning. Ved at definere formatet præcist kan du spare betydelig redigeringstid.

Formattyper der giver bedst resultat

Tabeller virker godt til sammenligninger: “Giv mig en tabel med tre kolonner: kanal, estimeret CPA og primær fordel for en dansk B2B-virksomhed med et budget på 30.000 kr./md.”

Lister med prioritering tvinger AI’en til at vurdere: “Giv mig de fem vigtigste elementer i prioriteret rækkefølge, med en sætnings begrundelse for hver.”

Skabeloner med pladsholdere er effektive til genbrugbare formater: “Lav en e-mail-skabelon med [virksomhedsnavn], [produktnavn] og [kundens problem] som pladsholdere, som jeg kan tilpasse til fem forskellige segmenter.”

A/B-varianter til annoncering: “Giv mig to varianter af denne headline. Variant A appellerer til besparelse, variant B til vækst. Begge max 30 tegn.”

Husk at angive begrænsninger

Længdebegrænsninger er afgørende. “Max 125 tegn” eller “max 200 ord” tvinger modellen til at prioritere. Uden begrænsninger får du næsten altid for lange svar med fyld.

Sprogbegrænsninger ligeså. Angiv altid “skriv på dansk” eksplicit, særligt hvis du bruger engelsksprogede AI-modeller. Angiv også dansk kontekst: DKK, danske platforme, danske forbrugsadfærd.

Prompts til SEO-indhold

SEO-content er et af de områder, hvor prompt engineering giver størst løft. Forskellen mellem en vag prompt og en velstruktureret prompt kan være et kladdeafsnit versus et afsnit, der er 80 % klar til publicering.

Eksempel: Prompt til en blogpost-struktur

“Du er en erfaren dansk SEO-specialist. Lav en detaljeret artikelstruktur (H2’er og H3’er) til en blogpost om [emne]. Primært søgeord: [søgeord]. Målgruppen er [beskrivelse]. Artiklen skal være 2.500 ord og besvare følgende spørgsmål fra ‘People Also Ask’: [indsæt spørgsmål]. Inkluder en FAQ-sektion med 5 spørgsmål.”

Eksempel: Prompt til meta-beskrivelser

“Skriv tre varianter af en meta-beskrivelse til en side om [emne]. Max 155 tegn. Inkluder søgeordet [søgeord] naturligt. Hver variant skal have en unik vinkel: én fokuserer på problemet, én på løsningen, én på et konkret tal. Sproget er dansk, tonen professionel.”

Eksempel: Prompt til interne links

“Gennemgå denne artikeltekst og foreslå 5 steder, hvor interne links til følgende sider ville være naturlige: [liste over sider med URL og emne]. Angiv den præcise anchor-tekst og placeringen i teksten.”

En advarsel: AI-genereret SEO-indhold, der publiceres uden redigering og faglig kvalitetskontrol, performer sjældent godt. Google belønner ikke volumen. Google belønner relevans, dybde og troværdighed. AI er et produktionsværktøj, ikke en erstatning for faglig vurdering. Vores erfaring med marketingstrategi og digital rådgivning bekræfter, at de bedste resultater opstår, når AI bruges til at accelerere, ikke erstatte, den faglige proces.

Prompts til annoncetekster

Annoncetekster har strenge begrænsninger: tegngrænser, platformkrav og kravet om at skille sig ud i et feed fyldt med konkurrenter. Det gør dem til en ideel use case for struktureret prompt engineering.

Facebook og Instagram Ads

“Skriv fire varianter af primary text til en Facebook-annonce for [produkt/ydelse]. Målgruppe: [beskrivelse]. Mål: [konvertering/trafik/leadgenerering]. Max 125 tegn for primary text. Hver variant skal bruge en unik hook: spørgsmål, provokation, statistik og direkte fordel. Tonen er [tone]. Inkluder en CTA i hver.”

Google Ads (responsive search ads)

“Skriv 15 headlines (max 30 tegn) og 4 descriptions (max 90 tegn) til en Google Ads-kampagne. Produkt: [produkt]. Primært søgeord: [søgeord]. Inkluder varianter med pris, USP, CTA og lokation (Danmark). Mindst tre headlines skal indeholde søgeordet direkte.”

LinkedIn Ads

“Skriv en LinkedIn Sponsored Content-annonce til danske beslutningstagere i [branche]. Formatet er single image ad. Intro text max 150 ord. Headline max 70 tegn. Vinklen er [vinkel]. Undgå klichéer og generisk B2B-sprog.”

Ifølge Skai’s guide til prompt engineering for marketingfolk anbefales det at bruge det såkaldte TRIM-framework: definer task, tilføj kanal- og rolle-kontekst, og iterer (Skai, 2025). Det matcher den tilgang, vi bruger internt, hvor vi altid specificerer platform, målgruppe og format som minimum.

Prompts til e-mail marketing

E-mail marketing er et område, hvor mange virksomheder allerede bruger AI, men ofte med for løse prompts. Resultatet er e-mails, der lyder som alle andres. Strukturerede prompts giver dig e-mails, der rent faktisk differentierer.

Velkomstflows

“Skriv en velkomst-e-mail til nye nyhedsbrevstilmeldte hos [virksomhed]. Virksomheden sælger [produkt/ydelse] til [målgruppe]. E-mailen skal: 1) bekræfte tilmeldingen, 2) sætte forventninger til indholdet, 3) give én konkret værdi med det samme (fx et tip eller en ressource). Max 200 ord. Emnelinje: max 50 tegn, personlig tone.”

Genaktiveringskampagner

“Skriv en genaktiverings-e-mail til kunder, der ikke har købt i 90 dage. Virksomhed: [beskrivelse]. Produktkategori: [kategori]. Tonen er venlig, men direkte. Inkluder et konkret incitament (rabat/gratis fragt/eksklusiv adgang). Max 150 ord. Tre emnelinje-varianter.”

Én ting vi ser gå galt igen og igen

Marketingfolk bruger AI til at generere e-mails uden at teste emnelinjerne separat. Din emnelinje afgør, om e-mailen bliver åbnet overhovedet. Brug altid en dedikeret prompt til emnelinjer med minimum fem varianter. Test dem mod hinanden. Det tager to minutter ekstra og kan fordoble din åbningsrate.

Prompts til strategi og analyse

Prompt engineering er ikke begrænset til tekstproduktion. Nogle af de stærkeste use cases er analytiske: konkurrentanalyse, markedsresearch, positionering og kampagneplanlægning.

Konkurrentanalyse

“Analysér disse tre konkurrenters hjemmesider [indsæt URL’er]. Identificér deres primære budskab, unikke positionering og svage punkter. Præsentér resultatet i en tabel med kolonnerne: virksomhed, kerneBudskab, USP, svagheder. Basér analysen udelukkende på det synlige indhold på siderne.”

Kampagnebrainstorm

“Du er en erfaren dansk marketingstrateg. Brainstorm fem kampagnekoncepter til [produkt] rettet mod [målgruppe] i [kanal]. For hvert koncept: angiv vinkel, budskab, format og forventet effekt. Prioritér koncepterne efter sandsynlighed for konvertering.”

Positioneringsarbejde

“Baseret på denne information om vores virksomhed [indsæt] og disse tre konkurrenter [indsæt], foreslå tre positioneringsmuligheder. For hver: beskriv budskabet i én sætning, den primære differentiator og den største risiko.”

Det analytiske er, hvor AI virkelig imponerer, hvis du giver nok kontekst. Vi bruger det dagligt til at accelerere den indledende researchfase i strategiprocesser. Outputtet erstatter ikke den faglige vurdering, men det komprimerer timer til minutter i informationsindsamlingen.

Sådan bygger du et prompt-bibliotek

Et prompt-bibliotek er en samling af dine bedste, afprøvede prompts, organiseret efter opgavetype. Det sparer tid, sikrer konsistens og gør det nemmere at onboarde nye teammedlemmer.

Trin 1: Identificér dine gentagne opgaver

List de 10-15 marketingopgaver, du udfører oftest med AI. Typiske eksempler: blogpost-strukturer, annoncetekster, e-mails, social media-posts, meta-beskrivelser, rapportopsummeringer.

Trin 2: Byg en masterprompt for hver

For hver opgavetype, lav én velstruktureret prompt med pladsholdere. Gem den i et delt dokument (Notion, Google Docs, et internt wiki). Angiv klart, hvilke felter der skal tilpasses.

Trin 3: Versionér og forbedr løbende

Hver gang du finder en formulering, der giver markant bedre output, opdater din masterprompt. Behandl dit prompt-bibliotek som et levende dokument, ikke en statisk fil.

I praksis ser vi, at de marketingteams, der bygger et prompt-bibliotek inden for den første måned, får 2-3 gange mere værdi ud af AI end dem, der skriver nye prompts fra bunden hver gang. Det er ikke raketvidenskab. Det er systematik.

Tjekliste: Før du trykker Enter

Brug denne tjekliste, hver gang du formulerer en prompt til en marketingopgave. Den tager 30 sekunder at gennemgå og forbedrer dit output markant.

• Specificitet:
• Har du defineret det præcise output? (type, længde, antal varianter)
• Har du angivet målgruppen? (rolle, branche, vidensniveau)
• Har du angivet formålet? (informere, sælge, aktivere, underholde)

• Kontekst:
• Har du inkluderet virksomhedskontekst? (branche, størrelse, positionering)
• Har du angivet kanal og platform?
• Har du inkluderet relevante begrænsninger? (tegngrænser, brandregler, tone)

• Format:
• Har du specificeret outputformatet? (tabel, liste, sammenhængende tekst, varianter)
• Har du angivet sprog og lokalitet? (dansk, DKK, danske forhold)

Iteration:
Er du klar til at forfine? (Planlæg minimum én opfølgende prompt)

Print den, laminér den, hæng den ved din skærm. Det lyder overdrevet. Det virker.

Erfaringer fra praksis

I vores arbejde hos Manids bruger vi AI-værktøjer dagligt til content-produktion, annoncetekster, researchfaser og strategisk sparring. Det har givet os et nuanceret billede af, hvad der virker, og hvad der stadig kræver menneskeligt håndværk.

Hvad AI gør godt

AI er fremragende til førstekast. Brainstorms, strukturer, varianter og research-opsummeringer. Vi estimerer, at et velstruktureret prompt-workflow reducerer produktionstiden på content med 40-50 %. Det frigiver tid til det, AI ikke kan: faglig vurdering, strategiske prioriteringer og kvalitetskontrol.

Hvad AI stadig ikke kan

AI kan ikke vurdere, om en tekst faktisk er relevant for din specifikke målgruppe. Den kan ikke vide, at din branche har en uudtalt konvention om, hvordan man kommunikerer. Den kan ikke mærke, om en annoncetekst rammer den rigtige emotionelle nerve. Det kræver erfaring, branchekendskab og dømmekraft.

Et generaliseret eksempel

En af de virksomheder, vi har arbejdet med, brugte ChatGPT til at generere produktbeskrivelser til deres webshop. De havde over 300 produkter og skrev prompts i stil med “Skriv en produktbeskrivelse til [produktnavn].” Resultatet var 300 næsten identiske tekster, der ikke differentierede på hverken målgruppe eller søgeord.

Vi hjalp dem med at bygge en prompt-skabelon med pladsholdere for produktkategori, primært søgeord, primær fordel, målgruppesegment og tone. Med den samme AI-model fik de output, der var markant mere varieret, søgeoptimeret og brugbart. Produktionstiden faldt fra ca. 20 minutter til 5 minutter pr. beskrivelse, inklusive redigering.

Det er ikke magi. Det er systematik og gode prompts.

5 fejl der ødelægger dit AI-output

Fejl 1: Du skriver prompten som en Google-søgning

“Bedste Facebook annoncetekst 2025” er en søgning, ikke en prompt. Konsekvens: Du får en generisk artikel om emnet, ikke en brugbar annoncetekst. Løsning: Formulér din prompt som en opgavebeskrivelse med kontekst, format og mål.

Fejl 2: Du giver ingen rolle eller perspektiv

Uden en rolle giver AI’en det mest generelle svar. Konsekvens: Outputtet mangler dybde og relevans. Løsning: Start med “Du er en [rolle] med erfaring i [felt].” Det skærper svaret markant. eLearning Industry’s guide til prompt engineering bekræfter, at rolletildeling er en af de mest effektive teknikker til at forbedre outputkvaliteten (eLearning Industry, 2025).

Fejl 3: Du stopper efter første svar

Konsekvens: Du bruger et førstekast som slutprodukt. Løsning: Brug minimum to opfølgende prompts til at forfine, skærpe eller variere.

Fejl 4: Du kopierer prompts fra internettet uden tilpasning

“Viral LinkedIn post prompt” fra Twitter fungerer sjældent, fordi den mangler din kontekst. Konsekvens: Generisk output der lyder som alle andres AI-genererede indhold. Løsning: Brug andres prompts som inspiration, men tilpas altid med din egen virksomheds-, målgruppe- og kanalkontekst.

Fejl 5: Du beder AI’en om at gøre alt på én gang

“Skriv en komplet marketingstrategi for min virksomhed” giver et overfladisk svar, der ikke er brugbart til noget. Konsekvens: Du får 2.000 ord generisk indhold, du ikke kan handle på. Løsning: Bryd store opgaver ned i specifikke delspørgsmål. Start med målgruppeanalysen. Derefter positioneringen. Derefter kanalvalg. Hver for sig, med kontekst og specificitet.

Læs også

• AI i Google Ads
• AI content tools
• Marketing-audit
• LinkedIn-strategi for B2B SaaS

Ofte stillede spørgsmål

Hvordan skriver man gode prompts til marketing AI-værktøjer?

Gode marketing-prompts indeholder fire elementer: specificitet (præcist hvad du vil have), kontekst (hvem er virksomheden og målgruppen), format (længde, type, antal varianter) og iteration (forfin med opfølgende prompts). Start med at definere målgruppen og formålet, og angiv altid begrænsninger som tegngrænse og tone. Det tager 30 sekunder ekstra at formulere en god prompt, men sparer 10-15 minutter i redigering.

Kan AI-genereret indhold skade min SEO?

Ikke i sig selv. Google straffer ikke AI-genereret indhold, men straffer indhold af lav kvalitet. Hvis du publicerer AI-tekster uden redigering, faglig kvalitetskontrol og tilpasning til søgeintentionen, performer det dårligt. Bruger du AI som produktionsværktøj med menneskelig kvalitetssikring, er der ingen SEO-risiko. Googles egne retningslinjer fokuserer på indholdets nytteværdi, ikke produktionsmetoden.

Hvilke AI-værktøjer er bedst til marketing-prompts?

ChatGPT (GPT-4o) og Claude (3.5 Sonnet og nyere) er de mest alsidige til marketingopgaver. ChatGPT er stærkest til kreativt indhold og variation. Claude er stærkest til længere, nuancerede tekster og analyse. Gemini integrerer godt med Google Workspace. Valget afhænger af dine primære opgavetyper. Vores anbefaling: test to værktøjer parallelt i en uge med de samme prompts, og vurder outputkvaliteten.

Hvor lang tid tager det at lære prompt engineering?

De grundlæggende principper kan du lære og anvende på én eftermiddag. At blive rigtig god kræver 2-4 ugers daglig brug, hvor du aktivt eksperimenterer med forskellige promptstrukturer og iterationsteknikker. Det afgørende er ikke at læse om det, men at praktisere det systematisk. Byg et prompt-bibliotek fra dag ét, og forbedr det løbende.

Hvad koster det at bruge AI-værktøjer til marketing?

ChatGPT Plus koster ca. 150 kr./md. (20 USD). Claude Pro koster det samme. For de fleste marketingteams er det en investering, der tjener sig ind på den første arbejdsdag i form af sparet tid. Gratisversionerne fungerer til basale opgaver, men de betalte versioner giver adgang til de nyeste modeller, længere kontekstvinduer og hurtigere svartider, hvilket gør en mærkbar forskel i daglig brug.

Kan prompt engineering erstatte en marketingstrategi?

Nej. Prompt engineering er et produktionsværktøj, ikke et strategiværktøj. Det kan accelerere execution markant, men det kan ikke erstatte strategiske beslutninger om målgruppe, positionering, kanalvalg og budgetfordeling. AI gør det nemmere at producere indhold, men uden en klar strategi producerer du bare mere af det forkerte hurtigere.

Konklusion

Prompt engineering til marketing er ikke en teknisk disciplin forbeholdt udviklere. Det er en kommunikationskompetence, der direkte påvirker, hvor meget værdi du får ud af de AI-værktøjer, du allerede bruger.

De vigtigste takeaways:

Specificitet er det vigtigste enkeltelement. Definer præcist hvad du vil have, til hvem, i hvilket format og med hvilket formål. Fjern tvetydighed fra dine prompts.

Kontekst er det, de fleste springer over. Giv AI’en din virksomheds-, målgruppe- og branchemæssige baggrund. Det er forskellen mellem generisk output og brugbart output.

Iteration er obligatorisk. Første svar er et udkast. Brug opfølgende prompts til at forfine, variere og skærpe. Det er her den reelle kvalitet opstår.

Byg et prompt-bibliotek. Systematik slår talent. De teams, der gemmer, organiserer og forbedrer deres prompts løbende, får markant bedre resultater end dem, der starter forfra hver gang.

AI erstatter ikke faglighed. Det accelererer den. De bedste resultater opstår, når strukturerede prompts møder menneskelig dømmekraft og strategisk tænkning.

Min vurdering: prompt engineering marketing er en kompetence, der inden for det næste år vil skille de marketingteams, der performer, fra dem, der bare producerer. Det er ikke et spørgsmål om, hvorvidt du bruger AI. Det er et spørgsmål om, hvorvidt du bruger det godt nok.

Kilder og referencer

• Salesforce – “State of Marketing Report” (2024). Statistik om generativ AI-adoption blandt marketingfolk. salesforce.com/resources/research-reports/state-of-marketing/

2. Adobe Experience League – “The Modern Marketer’s Guide to Prompting AI” (2025). Best practices for prompt engineering i marketingkontekst. experienceleague.adobe.com/en/perspectives/the-modern-marketers-guide-to-prompting-ai

3. Genesys Growth – “AI Prompt Engineering for Marketers: Complete Guide 2026” (2025). Promptstruktur med persona, pain points og positionering. genesysgrowth.com/blog/ai-prompt-engineering-for-marketers-complete-guide

4. Skai – “Getting Good at AI: A Marketer’s Guide to Prompt Engineering” (2025). TRIM-framework og workflow-integration. skai.io/blog/marketers-guide-to-prompt-engineering/

5. eLearning Industry – “Prompt Engineering Guide For Marketers And Content Creators” (2025). Klarhed og rolletildeling som kvalitetsteknikker. elearningindustry.com/advertise/elearning-marketing-resources/blog/prompt-engineering-guide-for-marketers-and-content-creators-level-up-your-ai-skills

6. AI CMO Blog – “Complete Guide to Marketing Prompt Engineering” (2025). Promptmønstre og iterationsteknikker. ai-cmo.net/blog/prompt-engineering-guide