ChatGPT si è dimostrato uno strumento straordinariamente efficace per la generazione di oggetti email, non per caso ma per ragioni strutturali precise. Il modello è stato addestrato su miliardi di esempi di copywriting, campagne di email marketing e contenuti persuasivi, il che lo rende capace di comprendere le sfumature psicologiche che determinano il tasso di apertura (open rate). A differenza dei generatori di testo generici, ChatGPT può elaborare vincoli multipli simultaneamente: tono del brand, lunghezza ottimale, segmento di pubblico e obiettivo della campagna, producendo varianti coerenti e testate in pochi secondi.
Il vero vantaggio competitivo emerge quando si padroneggia l’arte del prompt engineering applicato agli oggetti email. Un prompt mal strutturato produce output banali e intercambiabili. Un prompt preciso, invece, genera oggetti che rispettano i limiti di caratteri dei client email (generalmente 40-60 caratteri visibili su mobile), incorporano trigger emotivi specifici e si allineano con il segmento demografico target. In questa guida analizzerai prompt pronti all’uso, i principi ingegneristici sottostanti e le tecniche avanzate per costruire i tuoi prompt da zero.
Che tu gestisca campagne B2B con cicli di vendita complessi o newsletter B2C ad alto volume, i pattern descritti in questo articolo sono direttamente applicabili. Ogni prompt è stato testato su campagne reali e ottimizzato per ridurre al minimo le iterazioni necessarie prima di ottenere output utilizzabili.
Prompt di Esempio Pronti all’Uso
Prompt 1 — Generazione di Varianti con Trigger Emotivi
Sei un esperto copywriter specializzato in email marketing con 10 anni di esperienza.
Genera 10 oggetti email per una campagna di [TIPO CAMPAGNA: es. lancio prodotto / re-engagement / promozione stagionale].
Contesto:
- Prodotto/Servizio: [DESCRIZIONE]
- Target: [SEGMENTO: es. professionisti 30-45 anni, PMI del settore manifatturiero]
- Tono del brand: [es. professionale ma accessibile / urgente / empatico]
- Obiettivo principale: [es. massimizzare il CTR / aumentare le conversioni dirette]
Requisiti tecnici:
- Lunghezza massima: 50 caratteri
- Includi almeno 3 varianti con domanda retorica
- Includi almeno 2 varianti con numeri specifici
- Includi almeno 2 varianti con senso di urgenza temporale
- Evita le parole spam-trigger: "gratis", "clicca qui", "offerta imperdibile"
Per ogni oggetto indica: trigger emotivo utilizzato, numero di caratteri e livello di urgenza (basso/medio/alto).
Perché funziona: Questo prompt applica il principio della specifica multi-vincolo: definisce contemporaneamente il framework creativo (10 anni di esperienza simulata), i parametri tecnici (limite caratteri, tipologie di varianti) e i parametri qualitativi (trigger emotivi). L’istruzione finale di annotare ogni output con metadati trasforma ChatGPT da generatore passivo ad analista attivo, permettendoti di selezionare con criterio.
Output atteso: Una tabella o lista strutturata con 10 oggetti, ciascuno accompagnato da trigger emotivo, conteggio caratteri e livello di urgenza. Il modello tende a raggruppare le varianti per tipo, facilitando il confronto.
Personalizzazione: Sostituisci “50 caratteri” con “40 caratteri” per campagne principalmente visualizzate su dispositivi mobile (dove Gmail e Apple Mail troncano oltre i 41 caratteri nel 68% dei client più diffusi). Aggiungi “evita emoji” se il tuo CRM di invio non supporta la renderizzazione Unicode correttamente.
Prompt 2 — A/B Test Framework
Crea una struttura di A/B test per oggetti email basata sui seguenti parametri:
Email: [DESCRIZIONE SINTETICA DEL CONTENUTO DELL'EMAIL]
Lista: [DIMENSIONE E CARATTERISTICHE: es. 15.000 iscritti, tasso di apertura medio storico 22%]
KPI primario: [es. open rate / click-to-open rate]
Genera:
- Variante A: oggetto che usa la tecnica della curiosity gap (lacuna informativa)
- Variante B: oggetto che usa la tecnica del beneficio diretto e misurabile
- Variante C: oggetto che usa personalizzazione con token dinamico [NOME] o [AZIENDA]
- Variante D: oggetto che usa la prova sociale o il numero (es. "come hanno fatto 3.200 aziende")
Per ciascuna variante:
1. Scrivi l'oggetto (max 55 caratteri)
2. Scrivi il preheader complementare (max 90 caratteri)
3. Spiega brevemente l'ipotesi psicologica che stai testando
4. Indica quale segmento potrebbe rispondere meglio
Perché funziona: Il prompt impone una struttura di test scientificamente valida isolando una sola variabile per cella (la tecnica persuasiva), mentre mantiene costanti lunghezza e contesto. La richiesta del preheader complementare è cruciale: su Gmail desktop, la coppia oggetto + preheader occupa circa 100-120 caratteri totali di spazio visivo, e il preheader non ottimizzato vanifica anche il miglior oggetto.
Output atteso: Quattro blocchi strutturati, ognuno con oggetto, preheader e razionale. ChatGPT tende a produrre preheader che amplificano il messaggio dell’oggetto anziché ripeterlo, il che è esattamente il comportamento desiderato.
Personalizzazione: Aggiungi una Variante E con emoji nel prompt se vuoi testare l’impatto visivo nelle caselle di posta. Specifica il settore per ottenere prova sociale contestuale (es. “come hanno fatto 3.200 studi legali” invece di una cifra generica).
Prompt 3 — Re-engagement di Contatti Freddi
Scrivi 8 oggetti email per una campagna di re-engagement rivolta a iscritti che non aprono le email da 90-180 giorni.
Contesto psicografico degli iscritti:
- Si sono iscritti originariamente per: [LEAD MAGNET / MOTIVO ORIGINALE]
- Probabile ragione del disengagement: [es. sovraccarico di email, perdita di rilevanza percepita, cambio di ruolo lavorativo]
- Cosa è cambiato nel prodotto/servizio dall'iscrizione: [AGGIORNAMENTI RILEVANTI]
Vincoli:
- Il tono deve essere diretto ma non aggressivo
- Evita falsa urgenza o scarcity artificiale
- Almeno 2 oggetti devono includere un elemento di autoironia o umorismo misurato
- Almeno 2 oggetti devono fare leva sulla "paura di perdersi qualcosa" (FOMO) in modo autentico
- Max 45 caratteri per garantire visibilità completa su mobile
Dopo la lista, fornisci 3 righe di raccomandazione su quale segmentazione secondaria applicare prima dell'invio.
Perché funziona: Le campagne di re-engagement richiedono un register comunicativo radicalmente diverso dalle campagne standard. Questo prompt vincola esplicitamente il modello a evitare pattern di urgenza artificiale — una delle cause principali di disiscrizioni nelle liste fredde — e introduce il vincolo dell’umorismo calibrato, che nei test reali aumenta l’open rate del segmento inattivo in modo statisticamente significativo su contenuti B2C. La richiesta finale di raccomandazioni sulla segmentazione trasforma il prompt in una mini-consulenza strategica.
Output atteso: Lista di 8 oggetti con distribuzione bilanciata tra i toni richiesti, seguita da un paragrafo di raccomandazioni operative sulla segmentazione (es. separare gli inattivi 90-120 giorni da quelli 120-180 giorni).
Personalizzazione: Se il tuo ESP (Email Service Provider) supporta la segmentazione per engagement score, aggiungi questa variabile al contesto. Puoi anche chiedere una versione della lista con e senza emoji per testare rapidamente entrambe le varianti.
Prompt 4 — Oggetti per Sequenze Automatizzate (Drip Campaign)
Stai costruendo una sequenza drip di 7 email per [OBIETTIVO SEQUENZA: es. onboarding nuovi utenti / nurturing lead B2B / upsell post-acquisto].
Per ogni email della sequenza, genera un oggetto coerente con la progressione narrativa:
Email 1 (Giorno 0 - Benvenuto): focus su conferma e prima azione
Email 2 (Giorno 2 - Attivazione): focus su primo valore tangibile
Email 3 (Giorno 5 - Educazione): focus su approfondimento funzionalità chiave
Email 4 (Giorno 9 - Prova sociale): focus su case study o testimonianza
Email 5 (Giorno 14 - Obiezione): focus su risposta alla principale obiezione del segmento
Email 6 (Giorno 21 - Urgenza): focus su scadenza o prossimo step
Email 7 (Giorno 30 - Decisione): focus su call-to-action finale o offerta
Parametri:
- Prodotto: [DESCRIZIONE]
- Persona target: [RUOLO, SETTORE, PAIN POINT PRINCIPALE]
- Tono: [PROFESSIONALE / CONVERSAZIONALE / AUTOREVOLE]
- Evita di ripetere le stesse strutture sintattiche tra email consecutive
Per ogni oggetto includi anche il preheader suggerito e una nota sulla funzione narrativa nell'arco della sequenza.
Perché funziona: Le sequenze automatizzate soffrono di un problema specifico che i singoli oggetti non hanno: la coerenza narrativa progressiva. Un iscritto che riceve 7 email con strutture sintattiche identiche (tutte domande, o tutte con numeri) sviluppa cecità da pattern e il tasso di apertura crolla dopo la terza email. Questo prompt forza ChatGPT a variare le strutture e a giustificare ogni scelta in funzione della posizione nella sequenza.
Output atteso: Una tabella o lista strutturata con 7 righe, ognuna contenente oggetto, preheader e nota narrativa. Il modello produce tipicamente una progressione coerente dalla curiosità iniziale all’urgenza finale, con variazioni sintattiche ben distribuite.
Personalizzazione: Modifica la cadenza temporale in base ai dati storici del tuo settore. Nel B2B enterprise, una sequenza di 30 giorni può comprimersi a 14 se il ciclo di vendita è breve, o espandersi a 90+ per prodotti ad alto coinvolgimento decisionale.
Prompt 5 — Ottimizzazione di Oggetti Esistenti
Analizza i seguenti oggetti email delle mie ultime campagne e ottimizzali:
[LISTA OGGETTI ESISTENTI - incolla qui i tuoi oggetti reali]
Per ogni oggetto:
1. Identifica il problema principale (es. troppo generico, struttura sintattica debole, assenza di hook, spam trigger)
2. Proponi 3 varianti ottimizzate mantenendo l'intento originale
3. Per ogni variante indica: modifica apportata, principio psicologico attivato, rischio potenziale
Applica questi framework di copywriting nella rielaborazione:
- Curiosity Gap (Bill Walsh / Buzzfeed model)
- Specificity Principle (numeri concreti > affermazioni vaghe)
- Pattern Interrupt (struttura inattesa per la categoria)
- Personalization Beyond First Name (es. segmento, comportamento, trigger)
Formato output: tabella comparativa con colonne [Originale | Problema | Variante 1 | Variante 2 | Variante 3 | Note]
Perché funziona: Questo prompt trasforma ChatGPT in un revisore strutturato anziché in un generatore libero. Il riferimento a framework specifici e nominati (Curiosity Gap, Specificity Principle) non è decorativo: questi label attivano pattern di conoscenza specifici nel modello, producendo output più precisi e terminologicamente coerenti. La richiesta del “rischio potenziale” per ogni variante è una tecnica avanzata di adversarial prompting che forza il modello a valutare criticamente i propri output.
Output atteso: Una tabella strutturata con analisi diagnostica e tre varianti per ogni oggetto originale. La colonna “Note” contiene tipicamente osservazioni sul tono o sul posizionamento che vanno oltre la semplice riscrittura.
Personalizzazione: Aggiungi i dati di performance storici (open rate %) accanto a ogni oggetto originale. ChatGPT utilizzerà questi dati per calibrare le ottimizzazioni in base a ciò che ha già funzionato con la tua lista specifica.
Prompt 6 — Oggetti per Segmenti B2B con Personas Definite
Genera oggetti email per i seguenti tre segmenti della stessa campagna [DESCRIZIONE CAMPAGNA].
Segmento 1 — Decision Maker (C-level / Direttore):
- Pain point primario: [es. riduzione dei costi operativi, accountability dei team]
- Metrica rilevante: ROI, efficiency ratio, risk mitigation
- Tono: autorevole, conciso, orientato al dato
Segmento 2 — Influencer (Manager / Team Lead):
- Pain point primario: [es. gestione del workflow, adozione del team, reporting]
- Metrica rilevante: time-saved, adoption rate, NPS interno
- Tono: pratico, collaborativo, orientato alla soluzione
Segmento 3 — End User (Operativo):
- Pain point primario: [es. task ripetitivi, interfaccia complessa, support response time]
- Metrica rilevante: facilità d'uso, risparmio di tempo quotidiano
- Tono: diretto, empatico, orientato al beneficio immediato
Per ogni segmento: 4 oggetti email + preheader, max 50 caratteri, con indicazione del trigger psicologico dominante.
Perché funziona: La segmentazione per persona è il singolo fattore che più impatta sull’open rate nelle campagne B2B complesse. Questo prompt forza ChatGPT a mantenere separati i register comunicativi per tre livelli gerarchici distinti, ciascuno con metriche e pain point radicalmente diversi. L’errore più comune nelle campagne B2B è usare il linguaggio del C-level con gli utenti operativi (o viceversa), creando dissonanza immediata nell’oggetto.
Output atteso: Tre blocchi distinti con 4
Commenti (0)