大規模言語モデル（LLM）を用いたペルソナチャットにおいて一貫性のある発話は重要である．しかし，対話ターン数が増加するとシステム発話からペルソナが欠落する場合がある．本研究では，長い対話においてシステム発話のペルソナの欠落を抑制するためのプロンプトについて分析する．そのために，ペルソナチャット同士による複数ターンの長い対話データを作成した．実験では，ターン数の増加に伴うシステム発話におけるペルソナの欠落割合を分析した．その際に，プロンプトにおけるペルソナ情報の挿入位置の違いによる欠落割合を比較した．