Prompt: Xác định các giao dịch ‘bán lại’ (flipping) – Phân tích dữ liệu bất động sản – AI Real Estate

Tuyệt vời! Dưới đây là phân tích chi tiết về mẫu prompt bạn cung cấp, được trình bày theo yêu cầu:

1. Phân tích Cấu trúc Prompt

Mẫu prompt này được thiết kế để yêu cầu thông tin về các bất động sản có hoạt động giao dịch mua bán tích cực trong một khu vực và khoảng thời gian nhất định. Cấu trúc prompt rất rõ ràng và dễ hiểu, sử dụng các biến dạng ngoặc vuông ([TÊN_BIẾN]) để cho phép tùy chỉnh thông tin đầu vào. Các biến được sử dụng là:

• [KHU_VỰC_ĐỊA_LÝ]: Xác định phạm vi địa lý cần tìm kiếm bất động sản. Đây là một tham số quan trọng để giới hạn kết quả.
• [KHOẢNG_THỜI_GIA_NHỎ]: Chỉ định khoảng thời gian tính bằng tháng để xem xét các giao dịch. Từ “nhỏ” có thể ám chỉ đây là một khoảng thời gian ngắn hoặc trung bình, không phải là một con số quá lớn.
• [NGÀY_BẮT_ĐẦU_QUAN_SÁT]: Điểm bắt đầu của khoảng thời gian quan sát. Điều này cho phép xác định một cửa sổ thời gian cụ thể để phân tích.

Phần cuối của prompt (“Dữ liệu cần bao gồm ngày mua, giá mua, ngày bán lại, giá bán lại và chênh lệch lợi nhuận”) là yêu cầu về định dạng và nội dung của kết quả trả về. Điều này giúp đảm bảo rằng thông tin thu thập được sẽ đáp ứng đầy đủ nhu cầu của người dùng.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, mẫu prompt này hoạt động như một yêu cầu truy vấn dữ liệu. Nó yêu cầu hệ thống (có thể là một cơ sở dữ liệu bất động sản, một công cụ phân tích dữ liệu, hoặc một mô hình ngôn ngữ lớn được huấn luyện trên dữ liệu bất động sản) thực hiện các bước sau:

1. Lọc theo vị trí: Tìm tất cả các bất động sản nằm trong [KHU_VỰC_ĐỊA_LÝ] đã chỉ định.
2. Lọc theo thời gian giao dịch: Xác định các giao dịch mua bán xảy ra cho các bất động sản này trong vòng [KHOẢNG_THỜI_GIA_NHỎ] tháng, bắt đầu từ [NGÀY_BẮT_ĐẦU_QUAN_SÁT].
3. Xác định bất động sản “tích cực”: Đếm số lượng giao dịch mua bán cho mỗi bất động sản trong khoảng thời gian đã xác định. Chỉ những bất động sản có ít nhất hai giao dịch mới được đưa vào kết quả.
4. Trích xuất thông tin chi tiết: Đối với mỗi bất động sản thỏa mãn điều kiện, hệ thống cần truy xuất và trình bày các trường thông tin sau:
   • Ngày mua
   • Giá mua
   • Ngày bán lại
   • Giá bán lại
   • Chênh lệch lợi nhuận (thường được tính bằng Giá bán lại - Giá mua, hoặc có thể bao gồm các chi phí khác nếu dữ liệu cho phép).

Sự kết hợp giữa các biến có thể tùy chỉnh và yêu cầu định dạng dữ liệu cụ thể giúp prompt này trở nên mạnh mẽ và linh hoạt, cho phép người dùng nhanh chóng thu thập những insight quan trọng về thị trường bất động sản.

3. Ví dụ Minh họa

Dưới đây là hai ví dụ minh họa về cách điền các biến vào mẫu prompt để tạo ra các yêu cầu cụ thể:

Ví dụ 1: Tìm kiếm bất động sản tại Quận 1, TP.HCM trong 6 tháng gần đây

Prompt sau khi điền biến:

Liệt kê các bất động sản tại Quận 1, TP.HCM đã có ít nhất hai giao dịch mua bán trong vòng 6 tháng tháng, bắt đầu từ 01/01/2023. Dữ liệu cần bao gồm ngày mua, giá mua, ngày bán lại, giá bán lại và chênh lệch lợi nhuận.

Kết quả mong đợi (giả định):

Ví dụ 2: Phân tích giao dịch ngắn hạn tại Đà Nẵng trong quý trước

Prompt sau khi điền biến:

Liệt kê các bất động sản tại Đà Nẵng đã có ít nhất hai giao dịch mua bán trong vòng 3 tháng tháng, bắt đầu từ 01/10/2023. Dữ liệu cần bao gồm ngày mua, giá mua, ngày bán lại, giá bán lại và chênh lệch lợi nhuận.

Kết quả mong đợi (giả định):

👉 Tóm lại

Mẫu prompt “Liệt kê các bất động sản tại [KHU_VỰC_ĐỊA_LÝ] đã có ít nhất hai giao dịch mua bán trong vòng [KHOẢNG_THỜI_GIA_NHỎ] tháng, bắt đầu từ [NGÀY_BẮT_ĐẦU_QUAN_SÁT]. Dữ liệu cần bao gồm ngày mua, giá mua, ngày bán lại, giá bán lại và chênh lệch lợi nhuận.” là một công cụ hiệu quả để trích xuất thông tin chi tiết về các bất động sản có tính thanh khoản cao trong một khoảng thời gian và địa điểm xác định. Việc sử dụng các biến có thể tùy chỉnh giúp người dùng dễ dàng điều chỉnh phạm vi tìm kiếm và thu thập các dữ liệu cần thiết như lịch sử giao dịch, giá cả và lợi nhuận, phục vụ cho việc phân tích thị trường hoặc ra quyết định đầu tư.