← Kennisbank/Chat37
chat37AI Marketing MKB19 oktober 20263 min lezenMvG | Atthis AI redactie

ChatGPT voor LinkedIn-posts in het MKB: context, redactie, privacy

Wat Chat37's 15 LinkedIn-prompts leren: eerst een contextblok, dan pas genereren. Plus wat je nooit in een prompt plakt en hoe je elke post zelf redigeert.

Chat37 zette 15 kant-en-klare ChatGPT-prompts op een rij voor MKB-marketeers die vaker op LinkedIn willen posten. De prompts zijn handig, maar het echte werk zit eromheen: wat je het model vooraf vertelt, wat je er juist uit houdt en hoe je van een generieke tekst een post maakt die van jou is. Dat kader destilleren we hier.

ChatGPT voor LinkedIn-posts in het MKB: context, redactie, privacy

Chat37 zette 15 kant-en-klare ChatGPT-prompts op een rij voor MKB-marketeers die vaker op LinkedIn willen posten. De prompts zijn handig, maar het echte werk zit eromheen: wat je het model vooraf vertelt, wat je er juist uit houdt en hoe je van een generieke tekst een post maakt die van jou is. Dat kader destilleren we hier.

Het kort: 4 praktijk-takeaways

1. Contextblok vóór elke prompt — Bedrijf, branche, regio, lezer, doel en toon: zet het één keer in een document en plak het boven elke opdracht. Zonder die context levert een model een tekst op die bij elk bedrijf past en dus bij geen enkel. Behandel het blok als configuratie, niet als eenmalige tekst.

2. Schoon je input eerst — Klantvragen, offertes en nieuwsbrieven zijn de beste grondstof voor posts, maar ook de plek waar persoonsgegevens en prijsafspraken zitten. Verwijder namen, adressen en herleidbare details vóór je plakt, zeker bij een publieke chatdienst. Wie dit vaak doet, kijkt beter naar een omgeving waar data in Nederland blijft.

3. Eerste output is een concept — Lees de gegenereerde tekst als een ruwe schets en stuur bij in dezelfde chat: korter, zonder opsomming, beginnen bij het probleem. Twee rondes zijn meestal genoeg. Haal elk cijfer of citaat weg dat je niet zelf hebt aangeleverd, want die kunnen verzonnen zijn.

4. Eén detail dat alleen jij kent — Vervang per post minstens één algemene zin door iets uit je eigen praktijk: een situatie van vorige week, een fout die je maakte, een bedrag uit een offerte. Dat detail maakt het verschil tussen een tekst die overal kan staan en een post die herkenbaar van jou is.

Waar AI dit goed kan — en waar niet

Een taalmodel is sterk in de taken waar dit onderwerp om draait: varianten genereren. Vijf openingszinnen in verschillende tonen, een maand aan onderwerpen uit vijf klantvragen, dezelfde kern als poll, tekstpost of carrousel. Dat is combinatoriek op taal, en daar is een model beter in dan een drukke ondernemer. Ook het inkorten van een blog tot 130 woorden of het aanscherpen van je eigen concept werkt betrouwbaar, omdat de inhoud van jou komt en het model alleen vorm geeft.

De nuance zit op drie plekken. Ten eerste: een model heeft geen ervaring. Het kent jouw jaren-'70-woning in Zwolle-Zuid niet en vult die leemte met plausibel klinkende algemeenheden, soms met verzonnen cijfers of citaten. Hoe minder context je meegeeft, hoe generieker en risicovoller de output. Ten tweede: je grondstof is gevoelig. Klantmails, offertes en interne nieuwsbrieven bevatten persoonsgegevens en commerciële informatie; bij een publieke chatdienst is onduidelijk waar die data belandt. Anonimiseren is het minimum; een afgeschermde omgeving met Europese dataopslag is beter bij structureel gebruik. Ten derde: LinkedIn is een platform van mensen die elkaar kennen. Een tekst die te glad klinkt, valt op. Het model levert structuur; de herkenbaarheid moet van jou komen.

Bron

Dit overzicht is gebaseerd op het volledige artikel van Chat37: ChatGPT prompts voor LinkedIn posts: 15 voorbeelden voor MKB-marketeers

Het brand-artikel bevat de volledige tekst van alle 15 prompts, een ingevuld contextblok van een installatiebedrijf en een voor-en-na-voorbeeld van een geredigeerde post.

Het kort: 4 praktijk-takeaways

  1. 01 — Contextblok vóór elke prompt

    Bedrijf, branche, regio, lezer, doel en toon: zet het één keer in een document en plak het boven elke opdracht. Zonder die context levert een model een tekst op die bij elk bedrijf past en dus bij geen enkel. Behandel het blok als configuratie, niet als eenmalige tekst.

  2. 02 — Schoon je input eerst

    Klantvragen, offertes en nieuwsbrieven zijn de beste grondstof voor posts, maar ook de plek waar persoonsgegevens en prijsafspraken zitten. Verwijder namen, adressen en herleidbare details vóór je plakt, zeker bij een publieke chatdienst. Wie dit vaak doet, kijkt beter naar een omgeving waar data in Nederland blijft.

  3. 03 — Eerste output is een concept

    Lees de gegenereerde tekst als een ruwe schets en stuur bij in dezelfde chat: korter, zonder opsomming, beginnen bij het probleem. Twee rondes zijn meestal genoeg. Haal elk cijfer of citaat weg dat je niet zelf hebt aangeleverd, want die kunnen verzonnen zijn.

  4. 04 — Eén detail dat alleen jij kent

    Vervang per post minstens één algemene zin door iets uit je eigen praktijk: een situatie van vorige week, een fout die je maakte, een bedrag uit een offerte. Dat detail maakt het verschil tussen een tekst die overal kan staan en een post die herkenbaar van jou is.

Waar AI dit goed kan — en waar niet

Een taalmodel is sterk in de taken waar dit onderwerp om draait: varianten genereren. Vijf openingszinnen in verschillende tonen, een maand aan onderwerpen uit vijf klantvragen, dezelfde kern als poll, tekstpost of carrousel. Dat is combinatoriek op taal, en daar is een model beter in dan een drukke ondernemer. Ook het inkorten van een blog tot 130 woorden of het aanscherpen van je eigen concept werkt betrouwbaar, omdat de inhoud van jou komt en het model alleen vorm geeft.

De nuance zit op drie plekken. Ten eerste: een model heeft geen ervaring. Het kent jouw jaren-'70-woning in Zwolle-Zuid niet en vult die leemte met plausibel klinkende algemeenheden, soms met verzonnen cijfers of citaten. Hoe minder context je meegeeft, hoe generieker en risicovoller de output. Ten tweede: je grondstof is gevoelig. Klantmails, offertes en interne nieuwsbrieven bevatten persoonsgegevens en commerciële informatie; bij een publieke chatdienst is onduidelijk waar die data belandt. Anonimiseren is het minimum; een afgeschermde omgeving met Europese dataopslag is beter bij structureel gebruik. Ten derde: LinkedIn is een platform van mensen die elkaar kennen. Een tekst die te glad klinkt, valt op. Het model levert structuur; de herkenbaarheid moet van jou komen.