在 AI 助手回复或答案引擎结果中撰写一次性对话式广告文案（…

当广告位出现在 ChatGPT 等 AI 助手回复、AI 搜索答案或答案引擎结果中，需要撰写或改写那一条一次性、上下文感知的广告文案时使用。

适用场景

解决思路

1. 先确定控制轴：判断该广告位是「逐字渲染」（平台原样展示你写的字符串）还是「模型生成」（模型从落地页、商品 feed、评论中合成文案）。逐字路径走步骤 3 再走步骤 8；模型生成路径直接跳到步骤 7 再走步骤 8。
2. 逐字路径：先写情境描述（即定向文案，若该广告位需要）。使用 Persona + Intent + Scope 公式：这个人是谁、正在做什么决策、什么上下文把对话收窄到你的品类。描述一种情境，绝不写关键词字符串。
3. 为广告位选定一个角度，锚定在已提供的证据上。一个广告位只承载一个想法；第二个想法会让两者都减半。若需测试多个角度，那是变体工作，交给 ad-copy-variants 技能，每个广告位只带回一行。
4. 按推荐语域起草广告位文案，按下方广告位规则做到自包含，并严格控制在访谈问题 8 得到的字段限制内。若没有 CTA 字段，把行动号召折进文案本身。
5. 绝不为了适配限制而静默截断。展示超限的行及其字符数，以及裁剪后的替代版本，让用户选择。
6. 模型生成路径：交付物是改写后的源素材，不是广告。按「源改写顺序」处理素材，并依据访谈问题 11-13 重新排序。标明这项工作可能属于网站和 feed 的负责人，若不是你的用户则转交给他们。
7. 两个分支都做接地气检查：绝不编造声明、统计数字或推荐语。每个数字都要追溯到已提供的来源；没有来源的声明标记为 UNSOURCED 并搁置，不要绕着写。给每个有时效的声明标注日期并设定复审日期。
8. 两个分支都做合规检查：平台的「Sponsored」标签是平台的事，FTC、ASA/CAP、EU DSA/AI Act 的义务独立落在广告主身上；三个辖区的监管者都按现行规则不变地执行。绝不写成像助手自己主动得出的结论。健康、医疗、金融类声明在素材存在之前就要送法务审查；在生成路径上，法务审查的是模型将转述的源段落，而不只是成品广告。
9. 运行可引用性门禁（见 Measurement），迭代直到通过 9/10 或更好。
10. 对每一行将发布的文案运行你惯用的人性化技能——语域只有在读起来像人说话时才成立；原始初稿的模型输出绝不作为最终版发布。
11. 组装输出包：广告位 + 控制轴、情境描述（含 1-2 个备选）、广告位文案或源改写、接地气表、合规说明、可引用性门禁结果、测量计划。若你的运行环境有持久记忆，存储情境描述、选定角度、来源和规格快照以备下次迭代。
12. 语域转换：把该广告位当作推荐层而非搜索。强对话式创意做四件事——直接点明问题、匹配对话语域、减少不确定性而非放大紧迫感、把产品定位为推荐而非要求。目标语气是一位懂行的同事在给人指路。
13. 紧迫感在这个广告位上反转：稀缺和截止日期角度在 feed 和搜索上是标准变体维度，但在这里制造紧迫感会破坏语域。真实、有日期的优惠仍可用；倒计时不行。
14. 保持品牌声音不变，按对话的利害程度调整语气。不要发明一套单独的「面向 AI」的声音——那是操纵性反模式。
15. 让行动号召匹配推断出的对话阶段：早期探索性对话用软性号召（「看看它如何运作」），比较后对话用硬性号召（「开始试用」）。
16. 广告位规则：自包含是承重结构，整行必须在完全脱离对话上下文时仍能完整理解。
17. 明确说出产品名，绝不用代词指代——「它」在整行独立存在时就会失效。
18. 先给声明，再给支撑。在开头几个词就说出优惠或结论。
19. 一个广告位一个想法。单概念行胜过捆绑；广告位稀缺且不可重复。
20. 用具体细节而非形容词，并附上来源。「响应时间提升 40%（从 500ms 到 300ms）」胜过「显著提升」。让每个声明都足够窄，以便在模型自己带保留的评估旁边存活。
21. 长度：按概念写，再核对数字。单个自包含声明约 15-20 词；完整答案块 30-50 词；逐字卡片字段远紧于两者——从用户的广告管理器取确切上限，绝不凭记忆。
22. 避免所有发布阻断级反模式：关键词堆砌、模糊措辞（「可能有助于」「或许可以」）、无支撑的最高级、多声明捆绑、结论被埋、代词歧义、未标日期的时效性声明。
23. 源改写顺序（模型生成路径），按效率、价值、努力、合规成本四个轴排序，最高者优先：落地页段落 > feed 字段 > 结构化数据 > 评论。
24. 落地页段落：你完全拥有且模型转述最多的文字。改写要点——第一句就点出产品名、声明在前、每个短块一个想法、用自然的解决问题语言而非关键词密度。
25. feed 字段：在生成路径上描述就是文案，价格和规格字段是购物广告位引用的内容；保持精确和最新。需要与 feed 负责人协调，字段格式错误会直接导致失去资格而非降级。
26. 结构化数据：长队列里的短工单。钉住模型否则会推断的价格和规格，并在每次重新抓取时持续生效。
27. 评论：信任权重最高且无编辑路径。只有产品修复和在正确时机邀请客户才能改变未来评论的内容；预算一个季度，不是一次冲刺。
28. 当访谈问题 12 回答「复利」时提升评论优先级——本季度启动的征集计划就是接下来四个广告活动被转述的来源。启动它，但仍预期本次投放内无产出。
29. 删除而非降级：被排除的素材停在底部会变成投放从未预算的范围，所以它离开菜单，变成转交给其负责人的请求，并在输出包中注明为已删除。
30. B2B 与 B2C：语域转换、广告位规则、接地气规则和可引用性门禁完全相同。区别在于该行必须提供什么——B2C 读者通常就是决策者，一个具名情境加一个具体结果即可闭环；B2B 读者常为他人构建理由，给他们一个可带进会议的量化结果，并预期该广告位开启研究周期而非结束它。
31. B2B 测量继承其通常约束：转化量在数月内都太低，无法达到文案级显著性——改读投放、点击率和线索质量。
32. 测量第一部分——发布前可引用性门禁：对每一行发布文案逐项打分是/否，通过线为 9/10，迭代直到通过。十项检查：脱离上下文仍完整可理解；明确说出产品名且无代词承重；恰好一个想法；声明在前支撑在后；有具体细节而非形容词；每个声明可追溯到已提供来源；时效性声明已标日期并设复审日期；读起来像同事的推荐，无打断模式、无制造紧迫感；足够窄以在模型自身评估旁存活，无无支撑最高级；在广告位当前限制内且今日已对照用户广告管理器核实。
33. 测量第二部分——发布后账户基线而非公开基准：与账户自身在同一广告位的历史数字比较；若无历史，前 30 天设定基线。外部流传基准至多作为合理性检查。所有读数将归因窗口延长到至少 7-14 天。
34. 四个读数按效率、价值、努力排序，最高者优先：情境描述间的投放 > 点击率对比自身历史 > 下游线索或购买质量 > 有规模的变体测试。
35. 投放读数：免费、数天内可读、在文案问题适用之前就触发。投放强说明是真实买家对话；投放弱说明量低或情境框架错误，先重构情境再动文案。
36. 点击率读数：一个 30 天窗口、无需设置，是该广告位唯一给出的文案级读数。相对而非绝对，背后没有查询级报告。
37. 下游线索或购买质量：该广告位买到什么的最真实读数，是线索评分者的常设工作。在 B2B 上，它是转化量太低时唯一存活的信号。
38. 有规模的变体测试：唯一因果答案，也是最贵的。每个回复一个广告位和高 CPM 让样本量纪律更严苛；变体数控制在两到三个，并在花钱前用 ad-creative-test-plan 技能确定规模。
39. 按账户重新排序测量顺序：该广告位有一年历史则把点击率读数提升到第一；完全无历史则降级直到基线存在；季度性 B2B 交易周期让线索质量变成季度读数而非 30 天；硬截止日期直接删除有规模的测试。
40. 交付输出包：每个广告位一个包，包含广告位 + 控制轴、情境描述、广告位文案或源改写、接地气表、合规说明、可引用性门禁结果、测量计划。

适用边界 · 注意事项

• 不要用于 feed 或搜索广告文案——改用 mbfinotti/advertising-skills@ad-copy-variants。
• 不要用于出价、预算和投放位置管理（硬性排除）；唯一保留的提醒是：出价不足的广告活动什么都不投放，零展示与差文案读数相同，判断文字前先确认广告活动越过投放阈值。
• 不要用于视频和 UGC 脚本、钩子评分、完整广告活动创意简报、落地页审查（改写模型摘取的具体段落除外）、测试矩阵与样本量、归因对账、渠道选择——这些分别交给对应的专项技能。