Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Marknadsföring: visuellt material och banners

Lektion 7 av 12 Uppdaterad 2 november 2026 Utvecklare
På denna sida
  1. Marknadsföring: visuellt material och banners
  2. Annonsbanners
  3. Visuellt material för sociala medier
  4. Artikelillustrationer för bloggar
  5. Paket för marknadsföringskampanjer
  6. Testa innan du bestämmer dig
  7. Vanor som gör skillnad

Uppdaterad 2 november 2026 — bildmodeller. gpt-image-1, som denna kurs ursprungligen skrevs för, lades ner den 23 oktober 2026, och gpt-image-1.5, gpt-image-1-mini samt chatgpt-image-latest kommer att tas ur bruk den 1 december 2026. Exemplen använder nu gpt-image-2.5-sunburst, den mest precisa modellen för redigering; gpt-image-2.5-flare är snabbare för standardgenerering. Båda stöder även kvalitetsnivåerna xhigh och max. GPT Image-modeller returnerar alltid bilder i base64: parametern response_format från äldre DALL·E-modeller accepteras inte och har tagits bort från koden. Källa: Image generation (OpenAI).

Marknadsföring: visuellt material och banners

Marknadsföringsteam konsumerar visuellt material kontinuerligt: annonsbanners, inlägg i sociala medier, artikelillustrationer och e-postrubriker. Flaskhalsen är nästan aldrig idén – det är produktionen. GPT Image via API:t flyttar denna flaskhals genom att låta dig industrialisera utflödet utan att sänka kvaliteten, förutsatt att du kodar in i dina prompts vad en art director skulle kräva.

Annonsbanners

En banner är inte en illustration: det är ett budskap som måste vara läsbart i små format, i en rörig miljö, på en bråkdel av en sekund. Din prompt måste därför innehålla den exakta texten inom citattecken och upprätthålla läsbarhetsvillkor – fet sans-serif-typografi, hög kontrast mellan text och bakgrund samt en tydlig uppmaning till handling (call to action). Funktionen nedan låser dessa begränsningar en gång för alla och varierar endast budskapet och den grafiska stämningen, här en blåviolett gradient med ljusa partiklar för ett erbjudande om gratis provperiod.

from openai import OpenAI
import base64

client = OpenAI()

def banniere_pub(message: str, style: str, format_nom: str, output: str):
    """Generate an ad banner with embedded text."""
    prompt = (
        f"Professional ad banner with the text \"{message}\" "
        f"in large, legible letters, {style}, "
        "clean and modern design, clear call to action, "
        "bold sans-serif typography, high text/background contrast"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1536x1024",  # landscape format for banners
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Banner {format_nom}: {output}")


banniere_pub(
    message="30-day free trial",
    style="blue-violet gradient, light particles, tech mood",
    format_nom="leaderboard",
    output="banniere_essai.png"
)

Visuellt material för sociala medier

Varje plattform har sina egna koder, och att posta samma kvadratiska bild överallt syns direkt. Ett nyktert LinkedIn-inlägg i blått och grått fungerar inte på Instagram, där användare förväntar sig livfulla färger och en centrerad komposition; en vertikal story kräver text högst upp och det visuella längst ner eftersom användarens tumme skymmer den nedre delen av skärmen. Funktionen visuel_social kodar dessa skillnader i en konfigurationsordlista som mappar varje plattform till dess ursprungliga upplösning och stilistiska brief, och komponerar sedan prompten utifrån det ämne och den text du anger.

from openai import OpenAI
import base64

client = OpenAI()

def visuel_social(plateforme: str, sujet: str, texte: str, output: str):
    """Generate a visual adapted to a social platform."""
    configs = {
        "instagram_post": {
            "size": "1024x1024",
            "style": "polished aesthetic, vibrant colors, centered composition"
        },
        "instagram_story": {
            "size": "1024x1536",
            "style": "vertical, text at top, impactful visual at bottom"
        },
        "linkedin": {
            "size": "1536x1024",
            "style": "professional and sober, blue and gray tones, corporate"
        },
        "twitter": {
            "size": "1536x1024",
            "style": "eye-catching, strong contrast, legible at small sizes"
        },
    }

    config = configs.get(plateforme, configs["instagram_post"])

    prompt = (
        f"Visual for {plateforme.replace('_', ' ')}, "
        f"subject: {sujet}, "
        f"displayed text: \"{texte}\", "
        f"{config['style']}, "
        "professional design, ready to publish"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size=config["size"],
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Visual {plateforme}: {output}")


visuel_social("instagram_post", "AI product launch", "New: CorsenBot 2.0", "ig_post.png")
visuel_social("linkedin", "developer recruitment", "We're hiring!", "linkedin_post.png")
visuel_social("instagram_story", "summer promotion", "-30% this weekend", "ig_story.png")

Artikelillustrationer för bloggar

En artikels omslagsbild följer en kontraintuitiv regel: den får inte innehålla någon text. Ditt CMS kommer att lägga över rubriken, och en bild som redan bär på bokstäver blir till oläslig sörja när rubriken väl appliceras. Prompten anger därför detta uttryckligen, utöver att begära en panoramisk komposition och harmoniska färger. Artikellistan nedan visar också hur en enda funktion betjänar tre mycket olika register – 3D-isometriskt blått för ett kundtjänstämn, färgglad collage för marknadsföringstrender, mörk teknik med gröna neonljus för cybersäkerhet.

from openai import OpenAI
import base64

client = OpenAI()

def illustration_article(titre_article: str, style: str, output: str):
    """Generate a header illustration for a blog article."""
    prompt = (
        f"Conceptual illustration for an article titled \"{titre_article}\", "
        f"{style}, "
        "panoramic composition, no text in the image, "
        "harmonious colors, suitable as a blog cover image"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1536x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Illustration: {output}")


articles = [
    ("How AI is transforming customer service", "3D isometric style, blue tones"),
    ("5 marketing trends for 2026", "modern collage, bright colors"),
    ("Cybersecurity guide for SMBs", "dark tech style, green neons"),
]

for i, (titre, style) in enumerate(articles):
    illustration_article(titre, style, f"article_header_{i+1}.png")

Paket för marknadsföringskampanjer

En kampanj körs aldrig på ett enda visuellt element. Du behöver webbplatsens hero-banner, den kvadratiska sociala bilden, den vertikala storyn och e-postrubriken, alla med samma budskap och palett. Det är precis här API:t slår manuellt arbete: istället för att exportera om en källfil fyra gånger beskriver du kampanjen en gång och låter loopen producera varje variant i dess ursprungliga upplösning. JSON-manifestet som skrivs på slutet är inte bara dekoration – det är vad som låter ditt publiceringsverktyg hitta rätt fil för rätt plats.

from openai import OpenAI
import base64
import json

client = OpenAI()

def kit_campagne(
    nom_campagne: str,
    message_principal: str,
    palette: str,
    output_dir: str = "."
):
    """Generate a complete visual kit for a marketing campaign."""
    assets = [
        {
            "nom": "hero_banner",
            "size": "1536x1024",
            "prompt_extra": "large hero banner, centered text, maximum impact"
        },
        {
            "nom": "social_square",
            "size": "1024x1024",
            "prompt_extra": "square social post, centered composition"
        },
        {
            "nom": "story_vertical",
            "size": "1024x1536",
            "prompt_extra": "vertical story format, text at top, visual at bottom"
        },
        {
            "nom": "email_header",
            "size": "1536x1024",
            "prompt_extra": "email marketing header, sober and professional"
        },
    ]

    resultats = []

    for asset in assets:
        prompt = (
            f"Marketing visual for the \"{nom_campagne}\" campaign, "
            f"message: \"{message_principal}\", "
            f"palette: {palette}, "
            f"{asset['prompt_extra']}, "
            "premium design, modern typography"
        )

        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size=asset["size"],
            quality="high",
        )

        path = f"{output_dir}/{nom_campagne}_{asset['nom']}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)

        resultats.append({"asset": asset["nom"], "path": path})
        print(f"  {asset['nom']} → {path}")

    # Save the manifest
    manifeste_path = f"{output_dir}/{nom_campagne}_manifeste.json"
    with open(manifeste_path, "w") as f:
        json.dump(resultats, f, indent=2, ensure_ascii=False)

    print(f"\nComplete kit: {len(resultats)} visuals generated")
    print(f"Manifest: {manifeste_path}")
    return resultats


kit_campagne(
    nom_campagne="rentree-2026",
    message_principal="Train in AI starting this September",
    palette="deep blue, copper orange, white"
)

Testa innan du bestämmer dig

Marknadsföring beslutar sällan utifrån magkänsla: den beslutar utifrån siffror. Men du behöver flera versioner att ställa mot varandra, vilket tidigare kostade mycket när du var tvungen att anlita en designer för var och en. Funktionen för A/B-testning genererar lika många varianter som konfigurationer du skickar till den, och namnger filerna efter bokstav – A, B, C – så att matchningen mot dina kampanjstatistik blir uppenbar. Exemplet ställer tre behandlingar av samma annons för en meditationsapp mot varandra: en fotografisk approach med natur och gyllene ljus, en minimalistisk geometrisk illustration, en abstrakt gradient med svävande partiklar. Konceptet och texten rör sig inte; endast den visuella behandlingen testas, vilket är villkoret för att testresultatet ska betyda något.

from openai import OpenAI
import base64

client = OpenAI()

def ab_test_visuels(concept: str, variantes: list[dict], output_prefix: str):
    """Generate A/B variants of the same marketing concept."""
    for i, variante in enumerate(variantes):
        lettre = chr(65 + i)  # A, B, C...
        prompt = (
            f"{concept}, "
            f"style: {variante['style']}, "
            f"dominant color: {variante['couleur']}, "
            "professional design, ready to publish"
        )

        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size="1024x1024",
            quality="high",
        )

        path = f"{output_prefix}_variante_{lettre}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        print(f"Variant {lettre} ({variante['style'][:30]}) → {path}")


ab_test_visuels(
    concept="Ad for a meditation app with the text 'Find your calm'",
    variantes=[
        {"style": "photographic, nature and golden light", "couleur": "green and gold"},
        {"style": "minimalist illustration, geometric shapes", "couleur": "pastel blue"},
        {"style": "abstract gradient, floating particles", "couleur": "purple and pink"},
    ],
    output_prefix="meditation_ad"
)

Vanor som gör skillnad

Fem vanor skiljer industrialiserad produktion från en hög med mismatchade bilder. Varumärkeskonsekvens lever i prompten: inkludera systematiskt din palett och stil, annars startar varje generering från en standardestetik och ditt flöde blir ett lapptäcke. Textens läsbarhet kräver disciplin gällande längd – GPT Image hanterar typografi väl, men ett budskap på fem till sju ord är gränsen därutöver blir en banner till ett oläsligt stycke.

Generera alltid i mediets ursprungliga dimensioner istället för att beskära efteråt, eftersom modellen komponerar för den ram du ger den och beskärning flyttar motivet ur dess styrkezon. Arkivera dina prompts löpande: ett bibliotek med beprövade formuleringar per bildtyp är värt betydligt mer efter sex månader än någon engångsvinst i hastighet. Slutligen, kör varje visuellt element genom en grundläggande juridisk kontroll, även bara en snabb blick, för att verifiera att det inte väcker associationer till ett befintligt varumärke.

Sätt ihop allt detta kring en fiktiv produktlansering: ett skript som genererar hero-bannern, Instagram-inlägget, storyn, LinkedIn-bilden och två A/B-varianter av huvudinlägget, allt åtföljt av ett JSON-manifest som listar varje producerad fil.