Vorige maand heb ik 3 uur besteed aan het schrijven van een fatsoenlijke cold email template.
Drie. Hele. Uren.
De AI bleef generieke rommel produceren die klonk als elke andere "Hey [FIRST_NAME], hope this email finds you well"…
Toen veranderde ik één ding in mijn prompt.
Eén ding.
Plotseling schreef de AI e-mails die echt menselijk klonken, specifieke aansluiting vonden, en persoonlijkheid hadden.
Mijn antwoordpercentages schoten enorm omhoog!
Dat moment?
Dat was het moment waarop prompt engineering ophield aan te voelen als een vaardigheid en begon aan te voelen als bijna vals spelen.
Het punt met prompt engineering dat voor de hand ligt: het gaat erom heel, heel goed te worden in het vragen om precies wat je wilt.
De meesten van ons zijn er slecht in. Omdat het niet zo makkelijk is.
Het klikte toen ik deze site begon te bouwen met Cursor.
Mijn eerste pogingen waren rampen:
"Create my homepage and style with stunning and aesthetic visuals"
Generieke, lelijke, rommelige code die niemand ooit zou kunnen aanpassen. 🤮
"You're a senior web designer developer with deep knowledge in UI/UX. You are building my personal blog with me, a good fellow unfamiliar with our codebase (Astro Framework). Based in Astro conventions and best practices, create practical assets, components like UI and sections based in astro files. The final result should be a template that experienced developers could use and customize easily..."
Daadwerkelijk bruikbare en nette astro-bestanden, in ieder geval beter en meer georganiseerd dan voorheen. (CSS-bestanden zijn nog steeds meeh though) 😅
Het verschil? Ik stopte met het vragen aan de AI om generieke code te schrijven en begon het te vragen een ervaren ontwikkelaar te zijn die een collega helpt bij het bouwen van zijn bescheiden project.
Ik schreef vroeger prompts alsof ik om een gunst vroeg: "Could you please maybe help me write a blog post about SEO?".
Nu ben ik direct: "Write a 1,200-word blog post for marketing developers who want to understand technical SEO. Include code examples and explain why site speed actually matters for conversion rates, not just rankings."
De AI heeft geen gevoelens. Het heeft algoritmes. Voed die algoritmes precies wat ze nodig hebben.
"Write a LinkedIn post about growth marketing."
"I'm a Marketing Engineer at a YC startup. Write a LinkedIn post sharing one specific growth hack I discovered while scaling our user base from 1K to 10K. Make it tactical, not theoretical. My audience is other growth marketers and technical founders."
De tweede prompt werkt omdat de AI weet:
In plaats van te zeggen "write in a conversational tone," geef ik voorbeelden:
"Write like this: Here's the thing nobody talks about with A/B testing: most marketers get so excited about statistical significance that they forget to check if the difference actually matters. I've seen teams celebrate a 2% lift on a metric that generates $50/month. Congrats, you just spent three weeks optimizing for an extra dollar a month"
De AI leert van het voorbeeld en past die specifieke stijl toe.
Contra-intuïtief maar waar: hoe meer beperkingen je geeft, hoe creatiever de output.
"Help me with marketing automation."
"I need a 7-email drip sequence for SaaS trial users who haven't logged in after day 3. Each email should be under 100 words, focus on one specific feature, include a clear and valuable CTA, sounding like it's coming from a helpful teammate, not a sales robot."
Beperkingen dwingen creativiteit binnen grenzen.
Mijn beste prompts zijn nooit eerste concepten. Ik behandel prompt engineering zoals het optimaliseren van advertentieteksten (testen, meten, verfijnen, herhalen).
Eerste poging geeft me meestal 60% van wat ik wil. Dan zeg ik:
Elke iteratie komt dichter bij perfect.
Daarom voelt prompt engineering als vals spelen: ik krijg output op expertniveau over onderwerpen waar ik nog over leer.
Ik moest een gratis Astro-template uitbrengen. In plaats van uren documentatie te lezen, deed ik gewoon:
Dit heb ik geleerd door tussen marketing- en engineeringteams te zitten: beide kanten gebruiken al AI, maar ze gebruiken het anders.
Marketeers gebruiken AI voor content: sociale posts, e-mailteksten, blog-outlines.
Engineers gebruiken AI voor code: debuggen, documentatie, optimalisatie.
Als een Marketing Engineer probeer ik AI te gebruiken om tussen werelden te vertalen:
De prompt engineering-vaardigheden dragen direct over. Of ik de AI vraag om een Python-script te debuggen of een e-mailreeks te schrijven, het is dezelfde kernvaardigheid: ongelooflijk specifiek zijn over wat ik wil.
Prompt engineering gaat eigenlijk niet over AI. Het gaat erom ongelooflijk goed te worden in het articuleren van precies wat je wilt.
Daarom geloof ik dat we, om beter te worden, altijd iets moeten leren, lezen en ontdekken. En gedachten ergens moeten opschrijven.
Dit is precies hoe ik deze blog heb gebouwd, door prompt engineering toe te passen om content te creëren die goed rankt en lezers helpt.
En de specificiteitsvaardigheden dragen overal over:
Dus ja, goed prompten voelt als vals spelen.
Dit is gewoon de nieuwste.
Wat is jouw beste prompting-overwinning?
Wil je prompt engineering in actie zien? Bekijk hoe ik deze technieken heb gebruikt om deze blog te bouwen met perfecte SEO-scores en content te creëren die rankt.


