Prompt: Đề xuất tùy chỉnh dựa trên phân tích hành vi – Cá nhân hóa Trải nghiệm Khách hàng – AI Sales Assistant

Tuyệt vời! Dưới đây là phân tích chi tiết về mẫu prompt bạn cung cấp, được trình bày bằng tiếng Việt và định dạng HTML theo yêu cầu:

1. Phân tích Cấu trúc Prompt

Mẫu prompt này là một ví dụ điển hình về việc sử dụng các biến placeholder để cá nhân hóa và định hướng đầu ra của AI. Cấu trúc của nó rất rõ ràng và có mục đích cụ thể:

• Vai trò được gán: “Bạn là trợ lý bán hàng AI.” – Điều này đặt ra bối cảnh và kỳ vọng về cách AI nên tương tác và phản hồi. Nó định hướng AI hành động như một chuyên gia bán hàng.
• Nhiệm vụ chính: “Phân tích hành vi tương tác của khách hàng ([TÊN_KHÁCH_HÀNG]) trên nền tảng của chúng ta, bao gồm…” – Phần này mô tả nhiệm vụ cốt lõi của AI, đó là phân tích dữ liệu người dùng.
• Các biến placeholder (dữ liệu đầu vào):
  • [TÊN_KHÁCH_HÀNG]: Một biến duy nhất để xác định khách hàng cụ thể.
  • [DANH_SÁCH_TRANG_ĐÃ_XEM]: Một danh sách (hoặc chuỗi) các URL hoặc tên trang mà khách hàng đã truy cập.
  • [THỜI_GIAN_TRÊN_TRANG]: Dữ liệu về thời gian khách hàng ở lại mỗi trang. Có thể là một danh sách các giá trị tương ứng với các trang đã xem, hoặc một tóm tắt.
  • [CÁC_HÀNH_ĐỘNG_ĐÃ_THỰC_HIỆN]: Mô tả các hành động cụ thể mà khách hàng đã thực hiện (ví dụ: thêm vào giỏ hàng, xem chi tiết sản phẩm, tìm kiếm).
• Yêu cầu đầu ra: “tạo một tin nhắn đề xuất một hành động hoặc sản phẩm cụ thể ([ĐỀ_XUẤT_CỤ_THỂ]) có khả năng cao sẽ thu hút họ.” – Đây là kết quả mong đợi, một thông điệp bán hàng được cá nhân hóa.
• Chi tiết đầu ra bổ sung: “Giải thích lý do đề xuất dựa trên hành vi của họ. Cung cấp liên kết trực tiếp để thực hiện đề xuất.” – Yêu cầu này làm tăng giá trị của đầu ra bằng cách đòi hỏi sự minh bạch (lý do) và tính khả thi (liên kết).
• Biến placeholder (đầu ra):
  • [ĐỀ_XUẤT_CỤ_THỂ]: Biến này sẽ được thay thế bằng đề xuất thực tế của AI (ví dụ: tên sản phẩm, hành động).

2. Ý nghĩa & Cách hoạt động

Mẫu prompt này hoạt động dựa trên nguyên tắc cung cấp ngữ cảnh, dữ liệu và hướng dẫn rõ ràng cho mô hình ngôn ngữ lớn (LLM) để nó có thể thực hiện một tác vụ cụ thể. Cách thức hoạt động như sau:

• Gán vai trò (Role Assignment): Khi AI được bảo “Bạn là trợ lý bán hàng AI”, nó sẽ kích hoạt các kiến thức và kỹ năng liên quan đến bán hàng, tiếp thị và tư vấn khách hàng trong quá trình xử lý yêu cầu.
• Cung cấp dữ liệu (Data Input): Các biến placeholder trong dấu ngoặc vuông ([...]) đóng vai trò là các điểm dữ liệu động. Khi prompt này được sử dụng trong một ứng dụng thực tế, các ứng dụng này sẽ thu thập thông tin về hành vi của khách hàng và chèn nó vào các vị trí tương ứng. Ví dụ:
• [TÊN_KHÁCH_HÀNG] có thể là “Nguyễn Văn A”.
• [DANH_SÁCH_TRANG_ĐÃ_XEM] có thể là “/san-pham/dien-thoai-xy, /san-pham/tai-nghe-abc, /blog/huong-dan-su-dung“.
• [THỜI_GIAN_TRÊN_TRANG] có thể là “120s, 60s, 45s“.
• [CÁC_HÀNH_ĐỘNG_ĐÃ_THỰC_HIỆN] có thể là “Xem chi tiết sản phẩm điện thoại XY, thêm điện thoại XY vào danh sách yêu thích, tìm kiếm 'tai nghe không dây'“.
• Xử lý và Phân tích (Processing & Analysis): AI sẽ đọc tất cả thông tin được cung cấp. Nó sẽ phân tích mối liên hệ giữa các trang đã xem, thời gian ở lại và các hành động, nhằm hiểu được sở thích, mức độ quan tâm và ý định mua hàng tiềm năng của khách hàng.
• Tạo đề xuất (Recommendation Generation): Dựa trên phân tích, AI sẽ suy luận ra một hành động hoặc sản phẩm phù hợp nhất. Ví dụ, nếu khách hàng xem nhiều sản phẩm điện thoại và thêm một vào danh sách yêu thích, AI có thể đề xuất một mẫu điện thoại khác có tính năng tương tự hoặc một phụ kiện liên quan.
• Giải thích và Cung cấp liên kết (Explanation & Linking): AI sẽ diễn giải lại cơ sở lý luận của mình (e.g., “Vì bạn đã quan tâm đến điện thoại XY…”) và tạo một liên kết có thể nhấp được, dẫn khách hàng đến trang sản phẩm được đề xuất hoặc trang hành động tương ứng.
• Kiểm soát đầu ra (Output Control): Cấu trúc rõ ràng đảm bảo rằng AI trả về đúng định dạng và nội dung mong muốn, bao gồm cả lời giải thích và liên kết.

3. Ví dụ Minh họa

Giả sử chúng ta có dữ liệu cụ thể cho một khách hàng và điền vào mẫu prompt:

Ví dụ 1: Khách hàng quan tâm đến sản phẩm công nghệ

Dữ liệu khách hàng:

• Tên khách hàng: Nguyễn Thị B
• Các trang đã xem: /san-pham/laptop-abc, /san-pham/chuot-xyz, /san-pham/ban-phim-ergonomic
• Thời gian trên trang: 180s, 90s, 120s
• Các hành động đã thực hiện: Xem chi tiết laptop ABC, thêm chuột XYZ vào giỏ hàng, tìm kiếm "phụ kiện laptop"

Mẫu Prompt được điền:

Bạn là trợ lý bán hàng AI. Phân tích hành vi tương tác của khách hàng (Nguyễn Thị B) trên nền tảng của chúng ta, bao gồm các trang đã xem (/san-pham/laptop-abc, /san-pham/chuot-xyz, /san-pham/ban-phim-ergonomic), thời gian dành cho mỗi trang (180s, 90s, 120s), và các hành động đã thực hiện (Xem chi tiết laptop ABC, thêm chuột XYZ vào giỏ hàng, tìm kiếm "phụ kiện laptop"). Dựa trên phân tích này, hãy tạo một tin nhắn đề xuất một hành động hoặc sản phẩm cụ thể (ĐỀ_XUẤT_CỤ_THỂ) có khả năng cao sẽ thu hút họ. Giải thích lý do đề xuất dựa trên hành vi của họ. Cung cấp liên kết trực tiếp để thực hiện đề xuất.

Kết quả đầu ra của AI (ví dụ):

“Chào Nguyễn Thị B, chúng tôi nhận thấy bạn gần đây đã quan tâm đến các sản phẩm công nghệ như laptop và chuột. Bạn đã thêm chuột XYZ vào giỏ hàng và tìm kiếm ‘phụ kiện laptop’. Dựa trên sự quan tâm này, chúng tôi có một đề xuất dành cho bạn: [ĐỀ_XUẤT_CỤ_THỂ: Bàn di chuột cao cấp với bề mặt mịn, hỗ trợ tốt cho cả chuột quang và laser.]

Lý do đề xuất: Việc bạn tìm kiếm ‘phụ kiện laptop’ và đã có sản phẩm chuột trong giỏ hàng cho thấy bạn đang hoàn thiện bộ dụng cụ làm việc/giải trí của mình. Một bàn di chuột chất lượng tốt sẽ nâng cao trải nghiệm sử dụng chuột của bạn.

Bạn có thể xem chi tiết sản phẩm tại đây: [LIÊN_KẾT_ĐẾN_BÀN_DI_CHUỘT_CAO_CẤP]”

Ví dụ 2: Khách hàng đang tìm kiếm thông tin sản phẩm

Dữ liệu