Prompt engineering for marketingfolk

Prompt engineering lyder teknisk, men for marketingfolk er det først og fremmest en metode til at give bedre briefs. En prompt er ikke en magisk kommando. Det er en arbejdsbeskrivelse, der fortæller AI'en, hvad den skal løse, hvilket materiale den må bruge, hvilken målgruppe der skal rammes, og hvordan kvaliteten skal vurderes.

I 2026 er forskellen mellem svag og stærk AI-brug sjældent adgang til modellen alene. De fleste teams har allerede adgang til en eller flere gode modeller. Forskellen ligger i, om teamet kan omsætte kundedata, brand, kanalviden og kommercielle mål til klare instruktioner. Det er her prompt engineering bliver praktisk marketingarbejde.

Prompting er en arbejdsmetode

En god prompt starter med kontekst. AI'en skal vide, hvem virksomheden er, hvad der sælges, hvem målgruppen er, og hvilken situation outputtet skal bruges i. Uden kontekst gætter modellen. Den kan stadig skrive pænt, men teksten bliver ofte generisk, fordi den mangler retning.

Dernæst skal prompten have en opgave. Ikke "lav en kampagne", men "skriv tre annoncevinkler til en B2B-service, hvor målgruppen allerede kender problemet, men tøver på grund af pris og intern tid". Jo mere konkret opgaven er, jo mindre tid bruger du på at rette bagefter.

Til sidst skal prompten have kriterier. Skal teksten være kort? Må den bruge humor? Skal den undgå bestemte claims? Skal den skrive dansk med startkomma? Skal den levere i tabel, brief, bullets eller færdig tekst? Kriterierne gør outputtet testbart.

Fra tom chat til brugbart brief

Marketingfolk bør ikke begynde i en tom chat med "giv mig idéer". Begynd med et lille brief. Skriv mål, kanal, målgruppe, tilbud, begrænsninger, eksisterende læringer og den beslutning, outputtet skal hjælpe med. Hvis du mangler information, så bed AI'en stille spørgsmål i stedet for at gætte.

Et stærkt annoncebrief kan for eksempel indeholde virksomhedens positionering, de vigtigste indvendinger fra salg, fem søgetermer, to konkurrentvinkler, et tilbud, der faktisk må bruges, og krav om at undgå udokumenterede resultater. Så kan AI'en hjælpe med annoncevinkler, landingssideidéer og søgeordsstruktur til Google Ads uden at opfinde et nyt brand.

Til SEO bør prompten indeholde søgeintention, nuværende side, vigtigste spørgsmål, eksisterende interne links og krav til originalt perspektiv. En prompt, der bare beder om "en SEO-artikel på 1.000 ord", vil næsten altid trække mod skabelonindhold. En prompt, der beder om at løse et bestemt kundespørgsmål med virksomhedens egne erfaringer, giver langt bedre materiale.

Dataindgangen afgør kvaliteten

AI arbejder med det input, du giver den. Hvis inputtet er uklart, gammelt eller forkert, bliver outputtet også usikkert. Derfor bør marketingteams gøre datakilder til en fast del af prompting. Det kan være kampagnedata, kundespørgsmål, Search Console-observationer, CRM-noter, produktinformation og eksisterende landingssider.

Men data skal håndteres med omtanke. Persondata, kundelister, fortrolige priser og interne strategidokumenter skal ikke ukritisk kopieres ind i private AI-konti. Hvis virksomheden vil bruge AI seriøst, bør der være klare regler for, hvilke datatyper der må bruges, og hvilke der kræver et godkendt workspace.

Det er også vigtigt at skelne mellem fakta og inspiration. AI kan hjælpe med at finde mønstre i søgetermer, men den må ikke opfinde performance. Den kan foreslå nye vinkler, men du skal kontrollere, om påstandene er sande. Den kan omskrive en tekst, men den skal have lov til at sige, når materialet er for tyndt.

Brandstemme og kanal skal være faste regler

Mange prompts fejler, fordi brandet beskrives for løst. "Skriv professionelt" betyder næsten ingenting. Skriv hellere, om teksten skal være direkte, lokal, teknisk, rådgivende, rolig, skarp eller let at scanne. Giv eksempler på sætninger, I kan lide, og sætninger, I ikke vil lyde som.

Kanal er lige så vigtigt. En Meta-annonce skal ikke lyde som en SEO-guide. En e-mail til eksisterende kunder skal ikke lyde som en kold LinkedIn-annonce. En landingsside skal ikke bare informere, men føre læseren frem mod en handling. Prompten bør derfor altid sige, hvor outputtet skal bruges, og hvilken rolle teksten har i kunderejsen.

Hvis I arbejder på tværs af SEO, annoncer, e-mail og landingssider, kan det betale sig at lave kanalregler. For hver kanal skriver I mål, længde, tone, krav til beviser, forbudte formuleringer og godkendelsesproces. Så bliver AI'en en del af arbejdsformen, ikke en løs idébank.

Kvalitetssikring før publicering

AI-output skal gennem et filter, før det publiceres. Filteret bør have fem spørgsmål. Er påstandene sande? Er teksten specifik for virksomheden og målgruppen? Er der noget, der kræver juridisk, teknisk eller faglig godkendelse? Er der interne links eller næste handlinger, der faktisk hjælper læseren? Er sproget klart nok til, at en kunde kan handle på det?

For annoncer bør kvalitetssikringen også se på platformspolitikker, tilbud, priser og landingssideoverensstemmelse. For SEO bør den se på søgeintention, originalitet, intern linkstruktur og om teksten tilføjer noget, konkurrenterne ikke allerede siger. For e-mail bør den se på segment, timing, emnelinje og om modtageren har en reel grund til at åbne.

Det er her, prompt engineering bliver en disciplin. Ikke fordi prompten er perfekt første gang, men fordi teamet lærer af rettelserne. Hver gang en specialist retter AI-output, bør den rettelse bruges til at forbedre næste prompt.

Byg et lille promptbibliotek

Start med fem prompts, ikke halvtreds. Lav én til annoncebriefs, én til landingssidekritik, én til SEO-outline, én til e-mailkampagner og én til rapportopsummering. Hver prompt bør have felter, som medarbejderen udfylder, og en kort forklaring af, hvornår prompten må bruges.

Et promptbibliotek skal holdes levende. Når teamet finder en bedre formulering, opdateres prompten. Når en kanal ændrer krav, opdateres prompten. Når en fejl gentager sig, tilføjes en regel. Det er bedre med få prompts, der faktisk bruges, end en stor mappe, ingen stoler på.

Hvis I allerede arbejder med marketing automation, kan promptbiblioteket senere blive grundlaget for faste flows. Men automatisering bør komme efter læring. Først skal I forstå opgaven, outputtet og kvaliteten. Derefter kan I bygge systemet.

FAQ om prompt engineering

Er prompt engineering stadig relevant med bedre modeller? Ja. Bedre modeller gør gode prompts mere værdifulde, fordi de kan bruge mere kontekst og følge mere præcise krav.

Skal alle i marketing lære at prompte? Ja, på et grundniveau. Specialister kan lave avancerede prompts, men alle bør kunne give AI et klart brief.

Hvad er den største fejl? At bruge AI uden kontekst og derefter acceptere et pænt, men generisk svar. Kræv konkrethed, kilder i inputtet og menneskelig kontrol.