AI power user: 7 zaawansowanych workflow z Claude Opus 4.6, GPT-5.3-Codex i Gemini 3.1 Pro dla marketerów

Różnica między początkującym a power userem AI nie polega na tym, JAKIEGO modelu używa. Polega na tym, JAK go używa.

88% marketerów deklaruje, że korzysta z AI w codziennej pracy (AllAboutAI 2026). Brzmi imponująco, dopóki nie przyjrzysz się bliżej. Zdecydowana większość z nich wpisuje proste polecenia w ChatGPT, kopiuje output i wkleja do dokumentu. Tyle. Zaawansowane techniki - multi-model orchestration, adaptive thinking, self-reflection loops, tournament scoring - stosuje może 15% użytkowników. A to właśnie tam leży 80% wartości.

Ten artykuł to 7 kompletnych workflow, które możesz odtworzyć 1:1. Każdy zawiera: konkretny problem biznesowy, wybór modelu z uzasadnieniem, pełne prompty gotowe do skopiowania i realistyczny czas realizacji. Żadnych ogólników. Żadnych “AI może pomóc w marketingu”. Tylko gotowe instrukcje, które działają.

Jeśli dopiero zaczynasz przygodę z prompt engineeringiem, zacznij od mojego wprowadzenia do frameworku CRISP - przyda Ci się jako fundament pod workflow opisane poniżej.

---

Mapa modeli 2026 - który do czego

Zanim przejdziemy do workflow, potrzebujesz mapy. Bo w lutym 2026 roku mamy do dyspozycji kilkanaście modeli, które różnią się nie tylko ceną, ale wręcz podejściem do rozwiązywania problemów. Wybór niewłaściwego modelu to jak jazda Ferrari po polnej drodze - drogo i bez sensu.

Oto moja aktualna ściąga - modele, z których korzystam na co dzień:

Model	Cena input / output (za 1M tokenów)	Najlepiej do	Kiedy NIE używać
Claude Opus 4.6	$15 / $75	Strategia, głęboka analiza, rozumowanie, zespoły agentów	Proste zadania, wysoki wolumen (za drogi)
Claude Sonnet 4.6	$3 / $15	80% zadań produkcyjnych, personalizacja, ocena	Najtrudniejsze problemy wymagające najgłębszego rozumowania
Claude Haiku 4.5	$1 / $5	Klasyfikacja, proste Q&A, routing, ekstrakcja	Złożone analizy strategiczne
GPT-5.3-Codex	$2 / $16	Kreacja, copywriting, multimodal, brainstorming, agentic coding	Głęboka analiza strategiczna, precyzyjne instrukcje
Gemini 3.1 Pro	$1.25 / $10	Dane z Google ekosystemu, 1M kontekst, multimodal, agent workflows	Brak integracji z Google, krótkie zadania

Szczegółowe porównanie tych trzech ekosystemów znajdziesz w moim artykule ChatGPT vs Claude vs Gemini: porównanie dla marketerów 2026.

Model routing - jak optymalizować koszty

Z mojego doświadczenia, optymalny podział wygląda tak:

• 70% zadań —> Haiku 4.5 (klasyfikacja, ekstrakcja danych, proste odpowiedzi)
• 20% zadań —> Sonnet 4.6 (pisanie, analiza, personalizacja)
• 10% zadań —> Opus 4.6 (strategia, złożone problemy, kontrola jakości)

Przy wolumenie 100 000 zapytań miesięcznie taka struktura kosztuje około $800 zamiast $9 000, gdybyś wszystko puszczał przez Opus. To różnica, która decyduje o tym, czy AI jest inwestycją czy czarną dziurą w budżecie.

Kluczowa zasada: najlepszy model to nie najdroższy model - to właściwy model do właściwego zadania.

---

Workflow 1: Strategiczny audyt marki w 45 minut

“Nie musisz wydawać 30 000 zł na agencję strategiczną, żeby dostać audyt z konkretnymi wytycznymi do działania. Potrzebujesz dobrego modelu, dobrego promptu i 45 minut.”

Model: Claude Opus 4.6 (adaptive thinking: high) Czas realizacji: 45 minut Koszt API: ~$2-4 za pełny audyt

Problem

Planujesz nową kampanię, rebrand albo pitch dla klienta. Potrzebujesz strategicznego audytu marki - SWOT, pozycjonowanie, gap analysis - ale nie masz budżetu na agencję ani trzech tygodni na research. Znasz ten ból? Ja go znam doskonale.

Flow krok po kroku

Krok 1: Zbierz surowe dane (15 minut)

Przed odpaleniem promptu zgromadź:

• URL strony głównej i kluczowych podstron
• Profile social media (ostatnie 20-30 postów)
• 10-15 opinii klientów (Google, Trustpilot, G2)
• 3-5 stron konkurentów
• Aktualne dane sprzedażowe (jeśli dostępne)

Krok 2: Mega-prompt CRISP do Claude Opus 4.6

Używam frameworku CRISP jako struktury, ale z dodatkowym elementem - Jobs To Be Done, który każe modelowi myśleć w kategoriach potrzeb klientów, nie features produktu.

[CONTEXT]
Jestem strategiem marketingowym przeprowadzającym audyt marki [NAZWA MARKI]
w kategorii [KATEGORIA]. Marka działa na rynku polskim od [X] lat.
Roczny budżet marketingowy: [ZAKRES]. Główny kanał sprzedaży: [KANAŁ].

[ROLE]
Działaj jako senior brand strategist z 15-letnim doświadczeniem w agencji
strategicznej. Twoja specjalizacja to repozycjonowanie marek B2B/B2C
na rynkach CEE.

[INSTRUCTIONS]
Przeprowadź kompletny audyt strategiczny marki w następującej strukturze:

1. ANALIZA SWOT (szczegółowa, z uzasadnieniem każdego punktu)
   - Strengths: co obiektywnie wyróżnia markę?
   - Weaknesses: gdzie marka traci względem kategorii?
   - Opportunities: jakie trendy rynkowe może wykorzystać?
   - Threats: co może zagrozić pozycji w ciągu 12-24 miesięcy?

2. POZYCJONOWANIE MARKI
   - Obecne postrzeganie (na podstawie dostarczonych danych)
   - Luki w pozycjonowaniu vs konkurencja
   - Rekomendowana strategia pozycjonowania (3 opcje z uzasadnieniem)

3. ANALIZA JTBD (Jobs To Be Done)
   - Zidentyfikuj 5 głównych "jobs" klientów marki
   - Oceń, jak dobrze marka realizuje każdy job (skala 1-10)
   - Wskaż największą lukę między oczekiwaniem a realizacją

4. REKOMENDACJE STRATEGICZNE
   - Top 5 priorytetów na najbliższe 6 miesięcy
   - Quick wins (do wdrożenia w 30 dni)
   - Długoterminowe inicjatywy (6-12 miesięcy)
   - Szacunkowy wpływ na KPI

[SPECIFICS]
- Bazuj WYŁĄCZNIE na dostarczonych danych, nie zakładaj
- Każdą rekomendację uzasadnij konkretnym insightem z danych
- Bądź brutally honest - nie chodzi o komplementy, chodzi o prawdę
- Format: nagłówki, bullet points, tabele porównawcze
- Jeśli dane są niewystarczające do oceny danego obszaru, jawnie to zaznacz

[PERSPECTIVE]
Twoja analiza trafi do CMO i CEO. Musi być strategiczna (nie operacyjna),
oparta na danych (nie na opiniach) i actionable (każda rekomendacja
z jasnym next step).

--- DANE MARKI ---
[Tu wklej zebrane dane: URL, posty, opinie, dane sprzedażowe]

Krok 3: Output i dalsze kroki

Claude Opus 4.6 z adaptive thinking na poziomie “high” będzie myślał przed odpowiedzią - zobaczysz, że output jest wielowarstwowy, z niuansami i zastrzeżeniami, których nie daje żaden inny model. Typowy output to 3 000-4 000 słów strukturalnego audytu.

Pro tip

Dodaj na końcu promptu jedno zdanie, które radykalnie poprawia głębię analizy:

Po zakończeniu audytu - zidentyfikuj 3 najważniejsze rzeczy,
których mogłeś NIE zauważyć z powodu ograniczeń dostarczonych danych.
Co byś jeszcze zbadał, gdybyś miał nieograniczony dostęp do informacji?

Ten self-reflection element zmusza model do metaanalizy własnego outputu. Używam tego w każdym strategicznym prompcie i za każdym razem dostaję insights, których bym sam nie wyłapał.

---

Workflow 2: 100 wariantów copy z kontrolą jakości w 20 minut

“Kreatywność i ocena jakości to dwie różne kompetencje. Dlatego używam dwóch różnych modeli - jednego do generacji, drugiego do selekcji.”

Modele: GPT-5.3-Codex (generacja) + Claude Sonnet 4.6 (ocena i selekcja) Czas realizacji: 20 minut Koszt API: ~$0.50-1.00

Problem

Potrzebujesz 50 wariantów headline’ów do kampanii, 30 subject lines do email nurturingu albo 20 wariantów CTA. Ale nie chcesz przedzierać się przez 100 przeciętnych propozycji. Chcesz top 10, najlepszych z najlepszych, z uzasadnieniem, dlaczego właśnie te.

Dlaczego dwa modele?

GPT-5.3-Codex świetnie generuje kreatywne warianty - łączy zaawansowane rozumowanie modelu GPT-5.2 z możliwościami kodowania Codex, działa o 25% szybciej od poprzednika i tworzy zaskakujące zestawienia słów. Ma jednak tendencję do przesadzania i nie jest najlepszy w krytycznej ocenie. Z Claude Sonnet 4.6 jest odwrotnie - jest metodyczny, precyzyjny w ocenie i świetny w stosowaniu rubryk jakościowych. Łącząc oba modele, dostajesz kreację i kontrolę jakości.

Flow krok po kroku

Krok 1: Generacja w GPT-5.3-Codex (7 minut)

Jesteś senior copywriterem specjalizującym się w direct response
i performance marketingu. Twoje copy wygrywało testy A/B w kampaniach
o budżetach 100K+ PLN.

ZADANIE: Wygeneruj 50 wariantów headline'ów do [KAMPANIA/PRODUKT].

KONTEKST:
- Produkt: [OPIS]
- Grupa docelowa: [PERSONA - wiek, bolączki, język]
- Cel: [KONWERSJA / AWARENESS / CLICK-THROUGH]
- Ton komunikacji: [np. profesjonalny ale ludzki, bez korporacyjnego
  bełkotu]
- USP: [3 kluczowe wyróżniki]

WYMAGANIA:
- Każdy headline max 12 słów
- Minimum 5 kategorii stylistycznych:
  a) Pytania (prowokacyjne, retoryczne)
  b) Liczby i dane ("7 sposobów", "+47% konwersji")
  c) Kontrast (przed/po, problem/rozwiązanie)
  d) Social proof ("Dlaczego 500 CMO wybrało...")
  e) Urgency (bez clickbaitu i fałszywego FOMO)
  f) Kontrowersyjne / przełamanie schematu
- Oznacz każdy headline kategorią [A] do [F]

ANTI-EXAMPLES - czego absolutnie NIE chcę:
- "Odkryj sekret..." (overused)
- "Rewolucja w..." (puste słowo)
- "Nie uwierzysz..." (clickbait)
- Cokolwiek z "game-changer" lub "next level"
- Generyczne obietnice bez konkretu

Format: ponumerowana lista, każdy headline w osobnej linii.

Krok 2: Ocena w Claude Sonnet 4.6 - “tournament scoring” (10 minut)

Wklej wygenerowane 50 headline’ów do Claude Sonnet 4.6 z następującym promptem:

Jesteś szefem creative review board w agencji performance marketingowej.
Oceniasz headline'y kampanijne przed testem A/B.

ZADANIE: Oceń poniższe 50 headline'ów i wybierz top 10.

KRYTERIA OCENY (każde 1-10):
1. KLAROWNOŚĆ - Czy w 2 sekundy rozumiem propozycję wartości?
2. PERSUASION - Czy wywołuje chęć kliknięcia / dowiedzenia się więcej?
3. BRAND VOICE - Czy pasuje do tonu [OPIS TONU MARKI]?
4. UNIKALNOŚĆ - Czy wyróżnia się na tle typowych headline'ów w kategorii?
5. TESTOWALNOŚĆ - Czy da się to zmierzyć i porównać w teście A/B?

PROCES:
1. Oceń każdy headline wg 5 kryteriów (szybka tabela)
2. Oblicz średnią ważoną (PERSUASION x2, reszta x1)
3. Top 10 posortuj malejąco
4. Dla top 10: napisz 2-zdaniowe uzasadnienie, dlaczego ten headline
   zadziała
5. Dla top 3: zaproponuj 2 warianty optymalizacyjne

FORMAT OUTPUT:
Tabela ze wszystkimi 50 + szczegółowa analiza top 10.

--- HEADLINE'Y DO OCENY ---
[Wklej 50 headline'ów z GPT-5.3-Codex]

Krok 3: Output

Dostajesz uszeregowaną listę top 10 z konkretnymi ocenami i uzasadnieniami - gotową do przekazania zespołowi kreatywnemu lub bezpośrednio do testu A/B. Cały proces zajmuje 20 minut zamiast 3-4 godzin burzy mózgów.

Pro tip

Dodaj sekcję “anti-examples” w prompcie generacyjnym. Z mojego doświadczenia to jedna zmiana, która najbardziej poprawia jakość outputu. Modele AI mają tendencję do powtarzania najczęstszych wzorców z danych treningowych - jeśli jawnie powiesz, czego NIE chcesz, model omija te utarte ścieżki i sięga po bardziej oryginalne rozwiązania.

Więcej o strategiach tworzenia contentu z AI znajdziesz w Content marketing w erze AI: przewodnik.

---

Workflow 3: Competitor intelligence z trzech źródeł w 30 minut

“85-95% redukcja czasu manualnego researchu konkurencji. To nie obietnica - to dane z AriseGTM, potwierdzone moim własnym doświadczeniem.”

Modele: Gemini 3.1 Pro (analiza treści i źródeł) + Claude Opus 4.6 (synteza strategiczna) Czas realizacji: 30 minut Koszt API: ~$3-5

Problem

Za dwa dni masz pitch. Albo planujesz kampanię i musisz wiedzieć, co robi konkurencja. Manualny research 3-5 konkurentów to 2-3 dni pracy analityka. Nie masz tych 2-3 dni. Potrzebujesz solidnego battle card w pół godziny.

Dlaczego Gemini + Claude?

Gemini 3.1 Pro ma ogromne atuty w tej roli: kontekst 1 miliona tokenów, rozbudowana multimodalność (tekst, obraz, wideo, audio), natywne integracje z ekosystemem Google (Search, Ads, Trends) i wynik 77.1% na ARC-AGI-2, co daje mu pierwsze miejsce w 6 na 10 kategorii benchmarków. Do pochłaniania i strukturyzowania dużych ilości surowych danych jest najlepszy na rynku. Ale do syntezy strategicznej - wyciągania wniosków, znajdowania wzorców, formułowania rekomendacji - Claude Opus 4.6 z adaptive thinking jest trafniejszy i bardziej niuansowany.

Flow krok po kroku

Krok 1: Przygotuj surowe dane (10 minut)

Zbierz dla każdego z 3-5 konkurentów:

• Screenshoty / tekst ze strony głównej i kluczowych landing page’y
• Ostatnie 20-30 postów z social media
• Treść 5-10 najnowszych artykułów blogowych
• Oferty cennikowe (jeśli publiczne)
• Opinie klientów (10-15 per konkurent)

Krok 2: Analiza w Gemini 3.1 Pro (8 minut)

Przeanalizuj poniższe dane dotyczące [LICZBA] konkurentów w kategorii
[KATEGORIA] na rynku [RYNEK].

Dla każdego konkurenta zidentyfikuj i wyodrębnij:

1. POZYCJONOWANIE
   - Główna propozycja wartości (value proposition) - cytat ze strony
   - Ton komunikacji (3 przymiotniki)
   - Docelowa persona (kto jest odbiorcą)

2. STRATEGIA CONTENT
   - Główne tematy / filary contentowe (top 5)
   - Częstotliwość publikacji
   - Formaty (blog, wideo, newsletter, podcast?)
   - Poziom zaawansowania contentu (beginner / intermediate / expert)

3. STRATEGIA SOCIAL MEDIA
   - Kanały aktywności + przybliżony engagement
   - Typ contentu, który generuje najwyższy engagement
   - Wzorce publikacji (godziny, dni, częstotliwość)

4. PRICING & OFERTA
   - Struktura cenowa (jeśli dostępna)
   - Główne pakiety / tier'y
   - Unikalne elementy oferty vs kategoria

5. SŁABOŚCI I LUKI
   - Najczęstsze negatywne opinie (wzorce)
   - Widoczne braki w ofercie lub komunikacji
   - Obszary, w których NIE komunikują

Wynik podaj w uporządkowanej tabeli porównawczej z jednym wierszem
per aspekt i jedną kolumną per konkurent.

--- DANE KONKURENTÓW ---
[Wklej zebrane dane - z 1M kontekstem Gemini 3.1 Pro udźwignie naprawdę dużo]

Krok 3: Synteza strategiczna w Claude Opus 4.6 (8 minut)

Wklej output z Gemini 3.1 Pro do Claude Opus 4.6:

[CONTEXT]
Jestem strategiem marketingowym [TWOJA MARKA] w kategorii [KATEGORIA].
Przygotowuję battle card do [CELU: pitch / kampania / strategia roczna].

Poniżej analiza [LICZBA] konkurentów przeprowadzona na danych z ich
stron, social mediów i opinii klientów.

[INSTRUCTIONS]
Na podstawie tej analizy:

1. MAPA KONKURENCYJNA
   - Narysuj mapę pozycjonowania (tabela 2x2: np. cena vs zaawansowanie)
   - Zidentyfikuj "white space" - gdzie ŻADEN konkurent nie jest obecny

2. KLUCZOWE INSIGHTY (max 7)
   - Wzorce wspólne dla wszystkich konkurentów (co robią wszyscy)
   - Wyróżniki (co robi tylko jeden i dlaczego to ważne)
   - Największe szanse dla [TWOJA MARKA]

3. BATTLE CARD
   - Tabela: [TWOJA MARKA] vs każdy konkurent
   - Kolumny: "My wygrywamy, gdy...", "Oni wygrywają, gdy...",
     "Kluczowy argument"

4. REKOMENDACJE (top 5)
   - Co [TWOJA MARKA] powinna zrobić inaczej od jutra
   - Priorytet i estimated impact

[SELF-REFLECTION]
Po zakończeniu analizy - przejrzyj swoje wnioski krytycznie.
Wskaż 3 potencjalne luki lub uproszczenia w Twojej analizie.
Co mogłeś przeoczyć? Jakie dodatkowe dane zmieniłyby Twoje wnioski?

--- ANALIZA KONKURENTÓW ---
[Wklej output z Gemini]

Pro tip

Self-reflection loop w ostatniej sekcji promptu to technika, która wyraźnie podnosi jakość analizy. Każe modelowi znaleźć słabości we własnym rozumowaniu - i prawie zawsze wyłapuje coś istotnego. Traktuję te “luki” jako listę zadań do ręcznego zweryfikowania. Według danych AriseGTM, firmy stosujące AI w competitive intelligence notują 30-40% poprawę win rate.

---

Workflow 4: Content plan na 90 dni z jednego briefu

“Content plan to nie lista tematów. To strategiczny system, w którym każdy element wspiera cel biznesowy, jest zoptymalizowany pod AI search i ma zaplanowany dystrybucyjny afterlife.”

Model: Claude Opus 4.6 (adaptive thinking: max) Czas realizacji: 60 minut Koszt API: ~$4-8

Problem

Siedzisz z pustym arkuszem kalkulacyjnym i hasłem “content plan Q2”. Możesz wrzucić do AI “napisz mi 30 tematów blogowych” i dostaniesz generyczną listę, którą wyrzucisz do kosza po tygodniu. Albo możesz użyć Chain-of-Thought Prompting i zmusić model do strategicznego myślenia krok po kroku - od celów biznesowych, przez persony, po finalny kalendarz z KPI.

Dlaczego adaptive thinking na max?

Claude Opus 4.6 wprowadził adaptive thinking z czterema poziomami: low, medium, high, max. Na poziomie “max” model poświęca znacząco więcej czasu na wewnętrzne rozumowanie przed wygenerowaniem odpowiedzi. Dla content planu to idealne - chcesz, żeby model naprawdę przemyślał zależności między tematami, funnel stages, sezonowość i łuki narracyjne. To nie jest zadanie na szybki output. To zadanie na głęboki output.

Flow krok po kroku

Krok 1: Przygotuj brief (15 minut)

Zbierz w jednym dokumencie:

• Cele biznesowe na Q (np. +30% MQL, wejście w nowy segment)
• Opis 2-3 kluczowych person (bolączki, pytania, etap buyer journey)
• 3-5 filarów contentowych marki
• Aktualne dane: co działa (top performing content), co nie
• Konkurencja: jakie tematy pokrywają, czego im brakuje

Krok 2: Mega-prompt z Chain-of-Thought

[CONTEXT]
Tworzę strategiczny content plan na 90 dni (Q2 2026) dla [MARKA]
w kategorii [KATEGORIA]. Nasz blog generuje [X] sesji/mies.,
[Y] konwersji/mies. Cel na Q2: [KONKRETNE KPI].

[ROLE]
Działaj jako Head of Content Strategy z doświadczeniem w budowaniu
content-led growth engines dla firm B2B/B2C. Twoje plany generowały
3-5x wzrost organicznego traffic w ciągu 12 miesięcy.

[CHAIN-OF-THOUGHT INSTRUCTIONS]
Myśl krok po kroku. Przed wygenerowaniem content planu przejdź
przez następujące etapy rozumowania - pokaż mi swój proces myślowy
na każdym etapie:

KROK 1 - ANALIZA CELÓW I LUKI:
Przeanalizuj cele biznesowe. Jakie typy contentu najskuteczniej
wspierają te cele? Gdzie jest największa luka między obecnym stanem
a celem?

KROK 2 - MAPA TEMATÓW:
Na podstawie person i filarów contentowych, wygeneruj klastry tematyczne.
Każdy klaster powinien mieć:
- Pillar content (1 obszerny artykuł ekspercki)
- Supporting content (3-5 mniejszych artykułów)
- Linkowanie wewnętrzne między nimi

KROK 3 - FUNNEL MAPPING:
Przyporządkuj każdy temat do etapu: TOFU / MOFU / BOFU.
Zbalansuj plan: ~50% TOFU, ~30% MOFU, ~20% BOFU.

KROK 4 - GEO OPTIMIZATION:
Dla każdego tematu określ, jak zoptymalizować go pod AI search
(Generative Engine Optimization):
- Cytowalne stwierdzenia (blockquoty z kluczową tezą)
- Structured data opportunities
- Pytania, na które AI asystenci mogą cytować nasz content

KROK 5 - KALENDARZ:
Rozłóż tematy na 90 dni uwzględniając:
- Sezonowość i events branżowe
- Logiczną sekwencję (fundament przed zaawansowanymi)
- Częstotliwość: [X] artykułów/tydzień
- Mix formatów: artykuły, listicle, how-to, case study, porównania

KROK 6 - KPI I MEASUREMENT:
Dla każdego content piece'a określ:
- Primary KPI (traffic / leads / engagement / links)
- Target metric (konkretna liczba)
- Leading indicators (co mierzyć po 7 dniach, żeby wiedzieć,
  czy content działa)

[OUTPUT FORMAT]
Finalny output w formie tabeli:
| Tydzień | Data | Tytuł | Format | Funnel | Klaster | Persona |
Primary KPI | Target | GEO element |

+ Executive summary (5 zdań podsumowujących strategię)
+ Top 5 ryzyk i mitygacji

--- BRIEF ---
[Wklej przygotowany brief z kroku 1]

Krok 3: Iteracja

Po otrzymaniu planu - nie akceptuj pierwszej wersji. Zadaj follow-up:

Przejrzyj wygenerowany plan krytycznie. Zidentyfikuj:
1. Które tematy się kanibalizują (zbyt podobne keywords)?
2. Gdzie jest luka w coverage person (która persona jest niedoreprezentowana)?
3. Czy rozkład TOFU/MOFU/BOFU faktycznie odpowiada proporcji 50/30/20?
4. Który tydzień jest najsłabszy i dlaczego?
Zaproponuj korekty.

Pro tip

Element GEO w content planie to coś, co odróżnia plan z 2026 od planu z 2024. 50% konsumentów używa już AI search jako głównego źródła informacji (McKinsey). Jeśli Twój content nie jest zoptymalizowany pod cytowanie przez modele AI, tracisz połowę potencjalnego zasięgu. Każdy temat w planie powinien mieć przynajmniej jeden blockquote z kluczową tezą, sformatowany tak, żeby AI mógł go łatwo wyciągnąć i zacytować.

---

Workflow 5: Analiza kampanii performance z AI interpretacją

“Dane bez interpretacji to szum. AI nie zastąpi Twojego doświadczenia marketingowego, ale potrafi przetworzyć 10 000 wierszy danych w 3 minuty i wskazać anomalie, których nie zauważyłbyś, przeglądając arkusz przez godzinę.”

Modele: Gemini 3.1 Pro (analiza danych) + Claude Sonnet 4.6 (interpretacja biznesowa) Czas realizacji: 25 minut Koszt API: ~$1-3

Problem

Masz eksport z Google Ads / Meta Ads - setki wierszy, dziesiątki metryk. Twój menedżer chce executive summary z rekomendacjami do końca dnia. Ręczna analiza to 3-4 godziny. Z dwoma modelami AI zrobisz to w 25 minut, a według danych AllAboutAI kampanie optymalizowane z pomocą AI osiągają +22% wyższy ROI.

Flow krok po kroku

Krok 1: Przygotuj dane (5 minut)

Wyeksportuj dane z platformy reklamowej do CSV lub skopiuj tabelę. Kluczowe kolumny:

• Kampania / Ad Set / Ad
• Wydatki, impressions, clicks, CTR
• Konwersje, CPA, ROAS
• Okres (day-by-day za ostatnie 30-90 dni)

Krok 2: Analiza trendów w Gemini 3.1 Pro (8 minut)

Przeanalizuj poniższe dane z kampanii [Google Ads / Meta Ads]
za okres [DATY].

Wykonaj następującą analizę:

1. TREND ANALYSIS
   - Jak zmieniały się kluczowe metryki (CPA, ROAS, CTR) tydzień
     do tygodnia?
   - Zidentyfikuj punkty zwrotne: kiedy coś się znacząco poprawiło
     lub pogorszyło?
   - Czy istnieje trend sezonowy lub cykliczny?

2. ANOMALY DETECTION
   - Które kampanie / ad sety / reklamy zachowują się nietypowo?
   - Czy są outlier'y w danych (ekstremalne wartości CPA, CTR)?
   - Czy jakaś kampania "umiera" (systematyczny spadek performance)?

3. PORÓWNANIE SEGMENTÓW
   - Która kampania / audience / placement daje najlepszy ROI?
   - Jaki jest rozkład wydatków vs rozkład konwersji
     (czy budżet jest optymalnie alokowany)?
   - Performance breakdown: device, location, age, gender
     (jeśli dane dostępne)

4. STATYSTYCZNA ISTOTNOŚĆ
   - Które różnice między wariantami / kampaniami są statystycznie
     istotne (p < 0.05)?
   - Gdzie próbka jest za mała na wnioski?

Format: tabele + bullet points. Używaj konkretnych liczb,
nie opisów ("CTR spadł o 23% w tygodniu 3" zamiast "CTR się pogorszył").

--- DANE KAMPANII ---
[Wklej dane CSV lub tabelę]

Krok 3: Interpretacja w Claude Sonnet 4.6 (8 minut)

Jestem performance marketerem zarządzającym kampaniami [Google Ads /
Meta Ads] z miesięcznym budżetem [X PLN] dla [BRANŻA / PRODUKT].

Poniżej analiza danych kampanii za [OKRES]. Na tej podstawie:

1. EXECUTIVE SUMMARY (max 5 zdań)
   Podsumuj stan kampanii dla osoby, która ma 2 minuty.

2. TOP 5 ACTION ITEMS
   Konkretne, wdrożeniowe rekomendacje. Każda z:
   - Co zrobić (specific action)
   - Dlaczego (jaki insight z danych to uzasadnia)
   - Expected impact (szacowana poprawa metryki)
   - Priority (high / medium / low)
   - Deadline (do kiedy wdrożyć)

3. BUDGET REALLOCATION
   Zaproponuj optymalny podział budżetu na podstawie danych.
   Tabela: [Kampania] | [Obecny %] | [Rekomendowany %] | [Uzasadnienie]

4. ALERT FLAGS
   Rzeczy, które wymagają natychmiastowej reakcji (np. kampania
   przepalająca budżet, audience fatigue, krytyczny spadek quality
   score).

5. NEXT 7 DAYS PLAN
   Co konkretnie zrobić w najbliższym tygodniu, dzień po dniu.

--- ANALIZA DANYCH ---
[Wklej output z Gemini]

Pro tip

75% szybsze uruchamianie kampanii to jedno, ale prawdziwa wartość jest w iteracji. Rób ten workflow co tydzień, za każdym razem dołączając output z poprzedniego tygodnia. Claude Sonnet 4.6 z context compaction utrzyma ciągłość analizy, a Ty będziesz miał automatyczny tracking trendów tydzień do tygodnia.

Więcej o AI w performance marketingu w dedykowanym artykule: AI w Performance Marketingu: Facebook i Google Ads.

---

Workflow 6: Personalizacja email 1:1 na dużą skalę - 50 wariantów z jednego szablonu

“Hiperpersonalizacja z AI to nie ‘Cześć {imię}’. To email, który brzmi, jakby był pisany specjalnie dla jednej osoby - przy skali 10 000 kontaktów.”

Modele: Claude Sonnet 4.6 (generacja spersonalizowanych wariantów) + Make/n8n (automatyzacja) Czas realizacji: 40 minut (setup) + automatyzacja Koszt API: ~$2-5 per batch 1 000 emaili

Problem

Masz bazę 10 000+ kontaktów. Wiesz, że hiperpersonalizacja z AI daje +82% konwersji (HubSpot). Ale pisanie indywidualnych emaili jest fizycznie niemożliwe. A tradycyjne segmenty (3-5 grup) to za mało w 2026 roku, kiedy konsumenci oczekują treści “szytych na miarę”.

Flow krok po kroku

Krok 1: Segmentacja AI-assisted (10 minut)

Zamiast ręcznego dzielenia bazy na 3-5 segmentów, pozwól AI znaleźć naturalne klastry na podstawie zachowań:

Przeanalizuj poniższe dane o kontaktach z bazy CRM i zaproponuj
segmentację opartą na zachowaniach (behavioral segmentation).

Dane per kontakt:
- Ostatni zakup (data, produkt, wartość)
- Historia interakcji email (open rate, click rate, last engaged)
- Aktywność na stronie (odwiedzone podstrony, czas na stronie)
- Segment firmograficzny (branża, wielkość firmy - jeśli B2B)
- Lead score

WYMAGANIA:
- Zaproponuj 8-12 mikrosegmentów (nie więcej niż 15)
- Każdy segment nazwij opisowo (np. "Power buyer - zaangażowany,
  wysoka wartość koszyka, ostatni zakup < 30 dni")
- Dla każdego segmentu określ:
  a) Charakterystykę (co łączy osoby w tym segmencie)
  b) Główną motywację (dlaczego kupują / nie kupują)
  c) Optymalny ton komunikacji
  d) Rekomendowany CTA
  e) Optymalny timing wysyłki (dzień tygodnia, godzina)

--- DANE KONTAKTÓW ---
[Wklej anonimizowane dane z CRM - wystarczy 200-500 rekordów jako próbka]

Krok 2: Prompt z context variables do generacji wariantów (15 minut)

Jesteś email copywriterem specjalizującym się w lifecycle marketing.
Piszesz emaile, które brzmią jak wiadomość od zaufanej osoby,
nie jak masowa wysyłka.

ZADANIE: Na podstawie poniższego szablonu bazowego wygeneruj
spersonalizowany wariant emaila dla segmentu: {segment_name}.

SZABLON BAZOWY:
---
Temat: [DO WYGENEROWANIA]
Preheader: [DO WYGENEROWANIA]

Treść:
[DO WYGENEROWANIA - 150-200 słów, 3-4 krótkie akapity]

CTA: [DO WYGENEROWANIA]
---

KONTEKST KAMPANII:
- Cel: [np. reaktywacja, cross-sell, onboarding, NPS]
- Produkt/Oferta: [OPIS]
- Brand voice: [OPIS TONU - np. "merytoryczny mentor, nie sprzedawca"]

DANE SEGMENTU:
- Nazwa segmentu: {segment_name}
- Charakterystyka: {segment_description}
- Główna motywacja: {motivation}
- Optymalny ton: {tone}
- Rekomendowany CTA typ: {cta_type}
- Engagement level: {engagement_level}
  (high/medium/low/dormant)
- Średnia wartość zakupów: {avg_order_value}
- Ostatnia interakcja: {last_interaction_days} dni temu

REGUŁY PERSONALIZACJI:
1. Temat: maks. 50 znaków, odniesienie do specyfiki segmentu
2. Preheader: uzupełnia temat, nie powtarza go
3. Treść: ton dopasowany do {tone}, poziom formalności do {engagement_level}
4. Dla engagement_level = "dormant": zacznij od "Dawno się nie widzieliśmy"
   angle, nie od oferty
5. Dla engagement_level = "high": podkreśl ekskluzywność / wczesny dostęp
6. CTA: jeden, jasny, dopasowany do {cta_type}
7. NIGDY nie zaczynaj od "Cześć {imię}!" - zacznij od wartości lub pytania

Krok 3: Automatyzacja w Make/n8n (15 minut setup)

Schemat w Make lub n8n:

Trigger (cykliczny, np. poniedziałek 8:00)
  → Pobierz dane segmentów z CRM (webhook / API)
  → Dla każdego segmentu: wywołaj Claude Sonnet 4.6 API z promptem + zmienne
  → Zapisz wygenerowane warianty w Google Sheets / Airtable
  → Review queue: email do Ciebie z preview do zatwierdzenia
  → Po zatwierdzeniu: push do email platform (Mailchimp / ActiveCampaign)
  → Log: zapisz wyniki (open rate, CTR) per segment do feedbacku

Pro tip

Dodaj predykcyjny timing - +38% open rate z jednego case study marki wellness. Claude Sonnet 4.6 na podstawie historycznych danych o otwarciach email per segment potrafi zaproponować optymalną godzinę wysyłki. Większość platform email marketingowych ma już tę funkcję wbudowaną, ale AI daje Ci dodatkową warstwę: optymalizację nie tylko godziny, ale też dnia tygodnia i kontekstu (np. “ten segment otwiera emaile o sprzedaży w piątki, ale edukacyjne w poniedziałki”).

---

Workflow 7: AI Review Board - system kontroli jakości AI-generated contentu

“Największy problem z AI-generated contentem nie polega na tym, że jest słaby. Polega na tym, że jest akceptowalnie przeciętny - wystarczająco dobry, żeby przejść, ale za słaby, żeby wyróżnić markę.”

Modele: Dowolny model (twórca) + Claude Opus 4.6 (recenzent) Czas realizacji: 10 minut per piece of content Koszt API: ~$1-2 per review

Problem

Generujesz content z AI - artykuły, posty, emaile, opisy produktów. Ale nie masz systemu jakości. Czasem output jest świetny. Czasem to halucynacja. Czasem jest poprawny, ale generyczny. Potrzebujesz wewnętrznego “recenzenta”, który jest konsekwentny, nie ma złych dni i ocenia wg jasnych kryteriów.

Flow krok po kroku

Krok 1: Wygeneruj content (dowolny model)

Użyj dowolnego modelu do stworzenia pierwszego draftu - GPT-5.3-Codex do copy, Claude Sonnet 4.6 do artykułów, Gemini 3.1 Pro do contentu opartego na danych. To nie ma znaczenia. Ważny jest krok 2.

Krok 2: AI Review Board - Claude Opus 4.6 jako recenzent

[ROLE]
Jesteś senior editorial review board składającym się z 3 ekspertów:
- FACT CHECKER: weryfikuje twierdzenia, dane, logikę argumentacji
- BRAND GUARDIAN: ocenia zgodność z tożsamością marki i tonem komunikacji
- SEO/GEO STRATEGIST: ocenia optymalizację pod wyszukiwarki i AI search

[TASK]
Dokonaj recenzji poniższego contentu wg następujących kryteriów.
Każde kryterium oceń w skali 1-10 z uzasadnieniem.

KRYTERIA OCENY:

1. FACT ACCURACY (1-10)
   - Czy wszystkie twierdzenia są prawidłowe?
   - Czy dane/statystyki brzmią wiarygodnie? (zaznacz te,
     które wymagają weryfikacji źródła)
   - Czy logika argumentacji jest spójna?

2. BRAND VOICE COMPLIANCE (1-10)
   - Ton: [OPIS POŻĄDANEGO TONU MARKI]
   - Czy content brzmi jak marka, czy jak generyczny tekst AI?
   - Czy są frazy typowo "AI-owe", które trzeba przepisać?
     (np. "W dzisiejszym dynamicznie zmieniającym się świecie...")

3. MERYTORYCZNA WARTOŚĆ (1-10)
   - Czy czytelnik dowie się czegoś, czego nie znajdzie w pierwszych
     5 wynikach Google?
   - Czy są konkretne, actionable insights?
   - Czy content odpowiada na realne pytanie / problem czytelnika?

4. SEO/GEO OPTIMIZATION (1-10)
   - Czy nagłówki są zoptymalizowane pod wyszukiwanie?
   - Czy istnieją cytowalne fragmenty (blockquoty z kluczową tezą)?
   - Czy struktura jest skanowalna (listy, nagłówki, krótkie akapity)?
   - Czy content odpowiada na pytania, które ludzie zadają AI?

5. ENGAGEMENT POTENTIAL (1-10)
   - Czy wstęp zatrzyma scrollującego czytelnika?
   - Czy CTA jest jasny i motywujący?
   - Czy content ma potencjał do udostępniania?

6. COMPLIANCE & ETHICS (pass/fail)
   - Czy content spełnia wymogi transparentności (EU AI Act)?
   - Czy nie ma misleading claims?
   - Czy dane osobowe są prawidłowo traktowane?

[OUTPUT FORMAT]
1. SCORECARD: tabela z oceną 1-10 per kryterium + weighted average
2. RED FLAGS: krytyczne problemy do natychmiastowej poprawy (jeśli są)
3. IMPROVEMENT SUGGESTIONS: top 5 konkretnych sugestii poprawek
   (z przykładami "było → powinno być")
4. VERDICT: APPROVE / REVISE / REJECT

[CONTENT DO RECENZJI]
Typ: [artykuł / post / email / opis produktu]
Target persona: [OPIS]
Cel: [OPIS]
---
[WKLEJ CONTENT]

Krok 3: Self-correction loop

Jeśli verdict to “REVISE” - wklej oryginalny content + review do modelu-twórcy z instrukcją:

Poniżej Twój content i recenzja od review board.
Popraw content zgodnie z sugestiami, zachowując to,
co zostało ocenione wysoko. Skoncentruj się na red flags
i improvement suggestions.

[Oryginalny content]
[Review output]

Wygeneruj poprawioną wersję z zaznaczeniem zmian (bold lub komentarz).

Po poprawce - przepuść ponownie przez review. Typowo 2 iteracje wystarczają, żeby podnieść średnią ocenę z 6-7 do 8-9.

Pro tip

Ustaw konkretne progi: poniżej 6 w dowolnym kryterium = automatyczny REJECT. Poniżej 7 w “Brand Voice” = REVISE. Powyżej 8 we wszystkich = APPROVE. Bez jasnych progów “ocena jakości” staje się subiektywna i bezużyteczna.

Więcej o budowaniu systemów agentowych: Agenci AI w marketingu: przewodnik.

---

Quick reference - cheat sheet power usera

Poniżej podsumowanie wszystkich 7 workflow w jednej tabeli. Zapisz ją sobie - używam jej jako codziennej ściągi.

#	Workflow	Modele	Czas	Technika	Koszt API
1	Audyt marki	Opus 4.6	45 min	Adaptive thinking + CRISP	$2-4
2	100 wariantów copy	GPT-5.3-Codex + Sonnet 4.6	20 min	Tournament scoring	$0.50-1
3	Competitor intelligence	Gemini 3.1 Pro + Opus 4.6	30 min	Self-reflection loop	$3-5
4	Content plan 90 dni	Opus 4.6	60 min	Chain-of-Thought + GEO	$4-8
5	Analiza kampanii	Gemini 3.1 Pro + Sonnet 4.6	25 min	Multi-model synthesis	$1-3
6	Personalizacja email	Sonnet 4.6 + Make/n8n	40 min	Context variables	$2-5/batch
7	AI Review Board	Opus 4.6 (recenzent)	10 min	Self-correction loop	$1-2

Łączny czas 7 workflow: ~3.5 godziny. Manualnie te same zadania zajmują 40-60 godzin pracy. To 60-80% redukcja czasu produkcji contentu - spójna z danymi Averi i Koanthic.

---

7 błędów, które odróżniają amatora od power usera

Przez ostatnie 2 lata intensywnej pracy z AI zebrałem listę błędów, które widzę najczęściej. Nie tylko u innych - sam popełniłem każdy z nich. Oto moje “lessons learned”:

1. Używanie jednego modelu do wszystkiego

Nie istnieje “najlepszy model AI”. Istnieje najlepszy model do konkretnego zadania. GPT-5.3-Codex do kreacji i rozumowania, Gemini 3.1 Pro do danych i multimodal, Claude Opus 4.6 do strategii, Claude Sonnet 4.6 do produkcji. Multi-model orchestration to nie luksus - to podstawa efektywności.

2. Prompty bez kontekstu i constraintów

“Napisz mi post na LinkedIn” to nie prompt. To modlitwa. Dobry prompt zawiera: kontekst (kto Ty jesteś, dla kogo piszesz), cel (co ma osiągnąć), constraints (format, długość, ton, czego unikać) i perspektywę (kto czyta output). Używaj frameworku CRISP - poważnie, to zmienia wszystko.

3. Brak weryfikacji outputu AI (halucynacje!)

AI halucynuje. Każdy model. Zawsze. Jeśli nie weryfikujesz danych, statystyk i twierdzeń z outputu - to kwestia czasu, zanim opublikujesz bzdurę. Workflow 7 (AI Review Board) istnieje właśnie dlatego.

4. Optymalizacja pod demo, nie pod realne dane

“Popatrz, AI napisało 10 artykułów w godzinę!” - super, a ile z nich wygenerowało ruch? Liczy się jakość outputu, nie szybkość generowania. Mierz efekty, nie ilość. Dotyczy to też personal brandingu - generyczny content AI niszczy autentyczność Twojej marki osobistej.

5. Za długie, za skomplikowane prompty

Paradoksalnie - po opanowaniu prompt engineeringu ludzie zaczynają pisać 2000-słowne prompty, które są mniej efektywne niż dobrze skonstruowane 300-słowne. Simple > complex. Precyzja > objętość.

6. Pomijanie iteracji

Oczekiwanie perfekcji za pierwszym razem to najczęstsze rozczarowanie. Najlepsze wyniki osiągam w 2-3 iteracji: draft → review → refinement. Traktuj pierwszy output jako punkt wyjścia, nie finalny produkt.

7. Brak systemu - prompty w głowie zamiast w bibliotece

Jeśli za każdym razem piszesz prompt od zera, tracisz 80% czasu. Zbuduj bibliotekę promptów dla powtarzalnych zadań. Wersjonuj je. Mierz wyniki. Iteruj.

Pamiętaj: od sierpnia 2026 obowiązują rozszerzone wymogi transparentności przy AI-generated content na mocy EU AI Act. Zaplanuj compliance teraz, nie w lipcu.

---

FAQ - najczęściej zadawane pytania

Który model AI jest najlepszy do strategii marketingowej w 2026?

Do pracy strategicznej - analizy rynku, audytu marki, planowania długoterminowego - Claude Opus 4.6 z adaptive thinking na poziomie “high” lub “max” daje najgłębsze, najbardziej niuansowane wyniki. Ale “najlepszy” zależy od zadania. Do kreacji GPT-5.3-Codex, do danych i multimodal Google Gemini 3.1 Pro. Mapa modeli na początku artykułu to Twój kompas.

Jak połączyć kilka modeli AI w jednym workflow?

Kluczem jest podział ról: jeden model generuje, drugi ocenia. Albo: jeden przetwarza surowe dane, drugi wyciąga wnioski strategiczne. Output pierwszego modelu staje się inputem drugiego. Workflow 2, 3 i 5 w tym artykule pokazują to step by step. Do automatyzacji łączenia modeli świetnie sprawdzają się Make i n8n.

Ile czasu oszczędza zaawansowane wykorzystanie AI?

Z moich danych i raportów branżowych: 60-80% redukcja czasu produkcji contentu (Averi, Koanthic), 85-95% na researchu konkurencji (AriseGTM), 75% szybsze uruchamianie kampanii (AllAboutAI). Ale to przy zaawansowanych workflow - podstawowe użycie (“napisz mi tekst”) oszczędza może 20-30%.

Czym różni się początkujący użytkownik AI od power usera?

Początkujący: jeden model, proste polecenia, akceptuje pierwszy output, nie weryfikuje. Power user: dobiera model do zadania, pisze strukturalne prompty z kontekstem i constraintami, iteruje 2-3 razy, weryfikuje output, automatyzuje powtarzalne procesy i ma bibliotekę promptów.

Czy warto płacić za Claude Pro i ChatGPT Plus jednocześnie?

Tak, jeśli intensywnie korzystasz z AI w pracy. Każdy ekosystem ma inne mocne strony. Claude Pro daje dostęp do Opus 4.6 (strategia, analiza) i Sonnet 4.6 (produkcja). ChatGPT Plus daje GPT-5.3-Codex (kreacja, multimodal, agentic coding). Koszty: ~$40/mies. łącznie. Jeśli AI oszczędza Ci choćby 5 godzin pracy miesięcznie, ROI jest oczywisty.

Jakie są najnowsze techniki promptowania w 2026?

Adaptive thinking (ustawiasz głębokość rozumowania modelu), Chain-of-Thought z jawną strukturą kroków, context variables (template’y z dynamicznymi zmiennymi), self-reflection loops (model ocenia własny output), tournament scoring (wielu “sędziów” ocenia warianty) i multi-model orchestration (łączenie modeli w pipeline). Wszystkie 7 opisuję w artykule z gotowymi promptami.

Jak sprawdzić, czy output AI jest dobrej jakości?

Workflow 7 - AI Review Board. Ale szybka wersja: sprawdź fakty (czy dane są prawidłowe), sprawdź spójność (czy logika argumentacji trzyma się kupy), sprawdź brand voice (czy brzmi jak Twoja marka, nie jak generyczny AI), sprawdź wartość (czy czytelnik się czegoś nauczy). Nigdy nie publikuj bez przynajmniej jednej rundy human review.

Od czego zacząć, jeśli chcę stać się AI power userem?

Trzy kroki. Pierwszy: opanuj framework CRISP - to fundament każdego dobrego promptu. Drugi: wybierz jeden workflow z tego artykułu i odtwórz go dokładnie wg instrukcji. Trzeci: zbuduj bibliotekę promptów - zacznij od 5-10 najczęściej używanych i iteruj je co tydzień na podstawie wyników.

---

Podsumowanie

7 workflow. 3 ekosystemy modeli. Gotowe prompty do skopiowania. Ale prawdziwa wartość tego artykułu nie leży w promptach - leży w podejściu.

Power user AI to nie osoba, która zna najnowszy model. To osoba, która myśli systemowo: dobiera narzędzie do problemu, łączy modele w pipeline, weryfikuje output, iteruje i automatyzuje powtarzalne procesy. 88% marketerów używa AI. Ale ci, którzy stosują multi-model orchestration, adaptive thinking i self-correction loops - to wciąż wąska grupa. I to jest Twoja przewaga.

Trzy rzeczy do zrobienia teraz:

1. Wybierz jeden workflow z tego artykułu i przetestuj go jutro na realnym projekcie.
2. Zbuduj mapę modeli dla swojego zespołu - kto (jaki model) robi co.
3. Zacznij bibliotekę promptów - nawet w zwykłym Google Doc. Wersjonuj, mierz, iteruj.

Reszta przyjdzie z praktyką. Bo AI power user to nie tytuł - to nawyk.

Udostępnij ten artykuł na LinkedIn z tagiem, który workflow sprawdziłeś jako pierwszy. Znajdziesz mnie tam - chętnie zobaczę Twoje wyniki.

A jeśli chcesz zobaczyć pełny stack narzędzi, którego używam na co dzień, zajrzyj do AI Marketing Stack: narzędzia, workflow i community. Jeśli dopiero zaczynasz z prompt engineeringiem - zacznij od frameworku CRISP.