A diferença entre uma resposta genérica e uma resposta útil quase sempre está no prompt. Veja os princípios que funcionam em qualquer assistente e modelos prontos para o dia a dia de dados e produto.
Índice do artigo
- Os 6 elementos de um bom prompt
- Técnicas que melhoram o resultado
- Modelos para analytics
- Modelos para CRO e experimentação
- Modelos para produto
- Como montar a biblioteca de prompts do time
- Perguntas frequentes
Os 6 elementos de um bom prompt
- Papel e contexto: quem você é, qual o negócio, qual o objetivo.
- Tarefa clara: o que exatamente deve ser feito.
- Material: dados, documentos, exemplos anexados ou colados.
- Restrições: o que não fazer, limites, regras do time.
- Formato de saída: tabela, lista, JSON, código, tamanho.
- Critério de qualidade: como você vai julgar se ficou bom.
Em uma frase: prompt bom é briefing bom; a IA não sabe o que você não contou.
Técnicas que melhoram o resultado
- Dê exemplos de uma boa saída (e, se possível, de uma ruim).
- Peça para pensar antes de responder em problemas complexos, explicando o raciocínio.
- Divida tarefas grandes em etapas e revise cada uma.
- Peça perguntas de esclarecimento antes da execução: “antes de responder, me pergunte o que faltar”.
- Peça contra-argumentos: “quais são as três razões mais fortes para esta hipótese estar errada?”
- Peça fontes e o código da análise para conferir.
- Use marcações (como tags ou títulos) para separar instruções de material.
Modelos para analytics
1. Consulta SQL
Você é analista de dados. Tenho uma tabela de eventos do GA4 no BigQuery com a estrutura [colar esquema]. Escreva uma consulta que calcule [métrica] por [dimensão] nos últimos [período]. Explique cada parte da consulta e aponte suposições que você fez sobre os dados.
2. Revisão de dataLayer
Revise este push de dataLayer [colar código] com base no nosso dicionário de eventos [colar trecho]. Aponte divergências de nome, tipo e obrigatoriedade das propriedades, e riscos de dado pessoal. Responda em tabela: problema, linha, correção sugerida.
3. Análise de exportação
Anexei um CSV com [descrição das colunas]. Identifique as três maiores quedas de conversão por segmento, mostre os números e o código usado para calcular. Não tire conclusões causais; liste hipóteses a investigar.
4. Regex
Crie uma expressão regular para [objetivo, ex.: identificar origens de assistentes de IA no GA4]. Liste exemplos que devem e que não devem ser capturados e explique a regex.
Modelos para CRO e experimentação
5. Síntese de pesquisa
Estas são [N] respostas abertas à pergunta “[pergunta]” [colar]. Agrupe em temas, com quantidade de respostas por tema, duas citações representativas de cada um e o que o tema sugere como barreira de conversão. Não invente temas sem evidência.
6. Análise heurística inicial
Analise esta página [print ou texto] para o público [descrição] que chega de [origem]. Avalie relevância, clareza, fricção, distração e confiança. Para cada ponto, indique evidência na página e o que precisaria ser validado com dados.
7. Hipóteses
Com base nestes achados [colar], escreva hipóteses no formato “porque observamos X, acreditamos que Y para Z vai causar W, medido por M”. Uma hipótese por achado, com a métrica principal e um guardrail.
8. Variações de copy
Para a hipótese [colar], escreva 4 variações de título e subtítulo, cada uma explorando um mecanismo diferente (clareza, prova, redução de risco, urgência). Explique o mecanismo de cada uma. Tom: [descrição].
9. Leitura de resultado
Um teste teve estes números [visitantes e conversões por variante]. Calcule a diferença, o intervalo de confiança e o p-valor, mostre a fórmula usada e diga o que eu devo checar antes de concluir (divisão de tráfego, duração, guardrails).
Modelos para produto
10. Especificação
Transforme este problema [descrição] em uma especificação com: contexto, objetivo, usuários afetados, histórias de usuário, critérios de aceite, eventos de mensuração necessários e perguntas em aberto.
11. Plano de mensuração de funcionalidade
Para a funcionalidade [descrição], proponha os eventos necessários seguindo o padrão [colar convenção], com propriedades, gatilho exato e a pergunta de negócio que cada evento responde.
12. Análise de feedback
Estes são [N] tickets e avaliações de clientes [colar]. Classifique por tema e severidade, estime a frequência de cada tema e sugira o que investigar primeiro, justificando.
Como montar a biblioteca de prompts do time
- Guarde os prompts que funcionaram num documento compartilhado ou nas ferramentas de projetos e instruções personalizadas do assistente.
- Padronize contexto fixo (sobre a empresa, o dicionário de eventos, o tom de voz) para colar no início.
- Registre para cada prompt: objetivo, quando usar, exemplo de saída boa, cuidados.
- Revise periodicamente: modelos mudam, e prompts podem ser simplificados.
- Nunca inclua dados pessoais ou confidenciais nos exemplos da biblioteca.
Perguntas frequentes
Como escrever um bom prompt?
Com contexto, tarefa clara, material, restrições, formato de saída e critério de qualidade.
Prompt em inglês funciona melhor?
Os principais assistentes funcionam bem em português. Use o idioma em que você consegue dar mais contexto.
Preciso de “engenharia de prompt” avançada?
Para a maioria das tarefas, um briefing claro com exemplos resolve. Técnicas avançadas ajudam em automações.
A IA pode calcular resultado de teste A/B?
Pode, mas peça a fórmula e o código usados e confira os números.
Como evitar que a IA invente informação?
Peça fontes, peça para indicar suposições e incertezas e valide números e afirmações.
Vale criar uma biblioteca de prompts?
Sim. Ela padroniza qualidade, economiza tempo e acelera quem está começando.