Tuyệt vời! Đây là phân tích chi tiết về mẫu prompt bạn cung cấp, được trình bày theo cấu trúc yêu cầu:
1. Phân tích Cấu trúc Prompt
Mẫu prompt này được thiết kế để phân tích và đưa ra đánh giá về tiềm năng mua hàng của một khách hàng tiềm năng dựa trên dữ liệu lịch sử tương tác. Cấu trúc của nó khá rõ ràng và bao gồm các thành phần sau:
- Yêu cầu chính: “hãy đánh giá tiềm năng mua hàng của họ ở mức ‘Cao’, ‘Trung bình’, hoặc ‘Thấp’.” Đây là nhiệm vụ cốt lõi mà mô hình AI cần thực hiện.
- Biến số được đặt chỗ (Placeholders):
[TÊN_KHÁCH_HÀNG]: Biến này đại diện cho tên hoặc định danh duy nhất của khách hàng tiềm năng. Việc bao gồm tên khách hàng giúp cá nhân hóa yêu cầu, tạo cảm giác thân thiện và giúp mô hình dễ dàng tham chiếu đến đối tượng cụ thể.[LỊCH_SỬ_TƯƠNG_TÁC]: Biến này là quan trọng nhất, đại diện cho tất cả các dữ liệu tương tác của khách hàng với doanh nghiệp. Phần “(ví dụ: lượt truy cập website, tải tài liệu, tham gia webinar)” cung cấp hướng dẫn về loại thông tin cần điền vào biến này, giúp người sử dụng prompt biết cách cung cấp dữ liệu phù hợp.
- Hướng dẫn bổ sung: “Cung cấp lý do cho việc đánh giá này.” Yêu cầu này đảm bảo rằng kết quả không chỉ là một đánh giá đơn thuần mà còn đi kèm với giải thích, giúp người dùng hiểu rõ hơn về cơ sở của đánh giá đó.
2. Ý nghĩa & Cách hoạt động
Về mặt kỹ thuật, mẫu prompt này thuộc loại “Prompt có ngữ cảnh” (Contextual Prompt) hoặc “Prompt phân tích dựa trên dữ liệu”. Mô hình AI được yêu cầu thực hiện một tác vụ phân loại (đánh giá mức độ tiềm năng) dựa trên thông tin được cung cấp. Cách nó hoạt động như sau:
- Nhận dạng đối tượng: Mô hình sẽ nhận `[TÊN_KHÁCH_HÀNG]` để biết đang phân tích cho ai.
- Xử lý dữ liệu tương tác: Phần quan trọng nhất là `[LỊCH_SỬ_TƯƠNG_TÁC]`. Mô hình sẽ phân tích các hành động được liệt kê (lượt truy cập, lượt tải, lượt tham gia, v.v.) để tìm kiếm các mẫu hình liên quan đến ý định mua hàng. Ví dụ:
- Các lượt truy cập vào trang sản phẩm cụ thể, trang giá hoặc trang thanh toán thường cho thấy tiềm năng cao.
- Việc tải các tài liệu “hướng dẫn mua hàng”, “so sánh sản phẩm” cũng là dấu hiệu tích cực.
- Tham gia webinar về “ra mắt sản phẩm mới” hoặc “lợi ích của sản phẩm” cũng có thể ám chỉ sự quan tâm.
- Ngược lại, các tương tác chung chung, không liên quan đến sản phẩm hoặc dịch vụ có thể cho thấy tiềm năng thấp hơn.
- Ứng dụng học máy/xử lý ngôn ngữ tự nhiên: Mô hình AI (thường là một mô hình ngôn ngữ lớn – LLM) sẽ sử dụng kiến thức đã được huấn luyện để diễn giải các hành động này và liên kết chúng với các mức độ tiềm năng mua hàng đã định sẵn (‘Cao’, ‘Trung bình’, ‘Thấp’).
- Tạo ra kết quả: Dựa trên phân tích, mô hình sẽ đưa ra một trong ba nhãn đánh giá và liệt kê các yếu tố định hình nên kết luận đó (lý do).
3. Ví dụ Minh họa
Sau đây là hai ví dụ về cách prompt này có thể được sử dụng với dữ liệu cụ thể:
Ví dụ 1: Khách hàng có tiềm năng Cao
Prompt sau khi điền biến số:
Dựa trên lịch sử tương tác của khách hàng tiềm năng Nguyễn Văn A với chúng ta, bao gồm lần truy cập trang chi tiết sản phẩm X 3 lần trong tuần qua, tải xuống Ebook "Hướng dẫn chọn mua sản phẩm X", và xem video demo sản phẩm X, hãy đánh giá tiềm năng mua hàng của họ ở mức 'Cao', 'Trung bình', hoặc 'Thấp'. Cung cấp lý do cho việc đánh giá này.
Kết quả dự kiến từ mô hình AI:
Đánh giá tiềm năng mua hàng: Cao.
Lý do:
* Tần suất truy cập cao và tập trung vào sản phẩm X (3 lần trong tuần qua) cho thấy sự quan tâm sâu sắc.
* Hành động tải Ebook "Hướng dẫn chọn mua sản phẩm X" thể hiện rõ mong muốn tìm hiểu chi tiết và chuẩn bị cho quyết định mua hàng.
* Xem video demo sản phẩm X cho thấy sự quan tâm đến tính năng và cách sử dụng.
Ví dụ 2: Khách hàng có tiềm năng Thấp
Prompt sau khi điền biến số:
Dựa trên lịch sử tương tác của khách hàng tiềm năng Trần Thị B với chúng ta, bao gồm truy cập trang chủ website một lần vào 2 tháng trước, nhấp vào banner quảng cáo chung chung về "Ưu đãi Mùa Hè", và không có bất kỳ tương tác nào khác, hãy đánh giá tiềm năng mua hàng của họ ở mức 'Cao', 'Trung bình', hoặc 'Thấp'. Cung cấp lý do cho việc đánh giá này.
Kết quả dự kiến từ mô hình AI:
Đánh giá tiềm năng mua hàng: Thấp.
Lý do:
* Tương tác rất hạn chế và diễn ra cách đây lâu (truy cập một lần vào 2 tháng trước).
* Chỉ nhấp vào banner chung chung, không nhắm mục tiêu cụ thể không cho thấy sự quan tâm đến sản phẩm hoặc dịch vụ nào của chúng ta.
* Thiếu các hành động tiếp theo như xem sản phẩm, tải tài liệu, hoặc đăng ký thông tin chi tiết hơn.
👉Tóm lại
Mẫu prompt này là một công cụ hiệu quả để tự động hóa việc đánh giá tiềm năng mua hàng của khách hàng. Bằng cách cung cấp rõ ràng các biến số `[TÊN_KHÁCH_HÀNG]` và `[LỊCH_SỬ_TƯƠNG_TÁC]` kèm theo các ví dụ hướng dẫn, nó cho phép mô hình AI phân tích chuyên sâu các dữ liệu tương tác để đưa ra nhận định có căn cứ. Yêu cầu bổ sung về lý do giúp tăng cường tính minh bạch và hữu ích của kết quả, hỗ trợ đội ngũ bán hàng và marketing đưa ra các chiến lược tiếp cận phù hợp hơn.
