Tuyệt vời! Với vai trò là chuyên gia kỹ thuật prompt, tôi sẽ phân tích chi tiết prompt template bạn cung cấp.
1. Phân tích Cấu trúc Prompt
Prompt template này được thiết kế để yêu cầu AI tạo ra một báo cáo dự báo doanh thu dựa trên dữ liệu lịch sử. Cấu trúc của nó bao gồm các phần cố định và các biến số cần được điền vào. Các biến số này được đặt trong dấu ngoặc vuông [ ], đây là một quy ước phổ biến để xác định các phần cần thay thế động.
- Phần cố định: “Dựa trên dữ liệu bán hàng của, hãy tạo báo cáo dự báo doanh thu cho kỳ tiếp theo (ví dụ: tháng tới, quý tới). Bao gồm dự báo tổng doanh thu, và có thể phân tích theo nếu có thể (ví dụ: theo sản phẩm, theo khu vực).”
- Biến số:
[KHOẢNG_THỜI_GIAN_LỊCH_SỬ]: Chỉ định khoảng thời gian của dữ liệu bán hàng được sử dụng để làm cơ sở cho việc dự báo. Ví dụ: “3 năm gần nhất”, “12 tháng qua”, “quý trước”.[SỐ_LƯỢNG_KỲ_DỰ_BÁO]: Xác định số lượng các giai đoạn (kỳ) mà báo cáo cần dự báo doanh thu. Ví dụ: “3 tháng”, “2 quý”, “1 năm”.[YẾU_TỐ_PHÂN_TÍCH_DỰ_BÁO]: Một biến tùy chọn, cho phép người dùng yêu cầu phân tích chi tiết hơn theo các tiêu chí cụ thể, nếu dữ liệu cho phép. Ví dụ: “sản phẩm”, “khu vực địa lý”, “kênh bán hàng”.
Prompt này có cấu trúc rõ ràng, dễ hiểu và linh hoạt. Người dùng có thể dễ dàng tùy chỉnh để nhận được báo cáo dự báo phù hợp với nhu cầu của họ.
2. Ý nghĩa & Cách hoạt động
Về mặt kỹ thuật, prompt này hướng dẫn mô hình ngôn ngữ lớn (LLM) thực hiện các bước sau:
- Tiếp nhận dữ liệu lịch sử: Mô hình sẽ coi thông tin được cung cấp trong
[KHOẢNG_THỜI_GIAN_LỊCH_SỬ]là ngữ cảnh chính, tập trung vào dữ liệu bán hàng trong khoảng thời gian đó. Nếu người dùng cung cấp thêm dữ liệu bán hàng chi tiết (ví dụ: dưới dạng bảng, file CSV), mô hình có thể sử dụng trực tiếp. Nếu không, mô hình sẽ dựa vào kiến thức đã được huấn luyện của nó về các xu hướng kinh doanh chung hoặc giả định các mẫu dữ liệu điển hình. - Áp dụng kỹ thuật dự báo: Dựa trên dữ liệu lịch sử đã được xác định, mô hình sẽ áp dụng (hoặc giả định áp dụng) các thuật toán dự báo thống kê hoặc chuỗi thời gian (như ARIMA, Exponential Smoothing, hoặc các mô hình học máy phù hợp khác) để ước tính kết quả cho các kỳ tiếp theo.
- Định lượng kỳ dự báo: Tham số
[SỐ_LƯỢNG_KỲ_DỰ_BÁO]sẽ giới hạn phạm vi của dự báo. Ví dụ, nếu là “3 tháng”, mô hình sẽ cố gắng dự đoán doanh thu cho tháng tới, tháng sau nữa, và tháng tiếp theo nữa. - Phân tích bổ sung (Tùy chọn): Nếu trường
[YẾU_TỐ_PHÂN_TÍCH_DỰ_BÁO]được điền, mô hình sẽ cố gắng chia nhỏ dự báo tổng doanh thu thành các thành phần dựa trên yếu tố đó. Ví dụ, nếu là “sản phẩm”, mô hình sẽ dự báo doanh thu cho từng nhóm sản phẩm. Điều này đòi hỏi mô hình phải có khả năng phân tích dữ liệu theo nhiều chiều, hoặc nếu dữ liệu được cung cấp sẵn có như vậy. - Trình bày kết quả: Cuối cùng, mô hình sẽ tổng hợp các kết quả dự báo thành một “báo cáo”, thường bao gồm tổng doanh thu dự kiến và có thể là các phân tích chi tiết theo yêu cầu.
Prompt này hoạt động dựa trên nguyên tắc cung cấp đầy đủ thông tin ngữ cảnh và yêu cầu cụ thể cho LLM để thực hiện một tác vụ phân tích và dự báo dữ liệu.
3. Ví dụ Minh họa
Dưới đây là hai ví dụ về cách bạn có thể điền vào prompt template để tạo ra các yêu cầu khác nhau:
Ví dụ 1: Dự báo doanh thu tổng thể cho 6 tháng tới
Dựa trên dữ liệu bán hàng của 2 năm gần nhất, hãy tạo báo cáo dự báo doanh thu cho 6 tháng tiếp theo. Bao gồm dự báo tổng doanh thu, và có thể phân tích theo nếu có thể.
Kết quả mong đợi từ AI: Một báo cáo hiển thị tổng doanh thu dự báo cho từng tháng trong vòng 6 tháng tới, có thể kèm theo biểu đồ hoặc phân tích về xu hướng tăng/giảm.
Ví dụ 2: Dự báo doanh thu phân tích theo sản phẩm cho quý tới
Dựa trên dữ liệu bán hàng của 1 năm qua, hãy tạo báo cáo dự báo doanh thu cho 1 quý tiếp theo. Bao gồm dự báo tổng doanh thu, và có thể phân tích theo sản phẩm nếu có thể.
Kết quả mong đợi từ AI: Một báo cáo chi tiết hơn, bao gồm tổng doanh thu dự kiến cho toàn bộ quý, và sau đó là dự báo doanh thu cho từng nhóm sản phẩm chính trong quý đó. Có thể bao gồm cả các phân tích về sản phẩm bán chạy hoặc sản phẩm có tiềm năng tăng trưởng.
👉 Tóm lại
Prompt template “Dựa trên dữ liệu bán hàng của [KHOẢNG_THỜI_GIAN_LỊCH_SỬ], hãy tạo báo cáo dự báo doanh thu cho [SỐ_LƯỢNG_KỲ_DỰ_BÁO] kỳ tiếp theo (ví dụ: tháng tới, quý tới). Bao gồm dự báo tổng doanh thu, và có thể phân tích theo [YẾU_TỐ_PHÂN_TÍCH_DỰ_BÁO] nếu có thể (ví dụ: theo sản phẩm, theo khu vực).” là một công cụ mạnh mẽ và linh hoạt để yêu cầu mô hình ngôn ngữ thực hiện các tác vụ dự báo doanh thu. Bằng cách điền các trường biến số một cách rõ ràng, người dùng có thể tùy chỉnh yêu cầu để nhận được các báo cáo dự báo tổng quát hoặc chi tiết theo các tiêu chí cụ thể, từ đó hỗ trợ tốt hơn cho việc ra quyết định kinh doanh.
