Prompt: Kiểm tra mức độ tương tác của KH tiềm năng – Quản lý Khách hàng Tiềm năng – AI Sales Assistant

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

1. Phân tích Cấu trúc Prompt

Mẫu prompt này được thiết kế để yêu cầu mô hình ngôn ngữ thực hiện một nhiệm vụ phân tích cụ thể: đánh giá mức độ tương tác của một khách hàng tiềm năng và đưa ra điểm số. Cấu trúc của nó khá đơn giản nhưng hiệu quả.

• Câu lệnh chính: “Đánh giá mức độ tương tác hiện tại của khách hàng tiềm năng [MÃ_KHÁCH_HÀNG_TIỀM_NĂNG].” Đây là phần cốt lõi, chỉ rõ hành động cần thực hiện (đánh giá) và đối tượng của hành động (khách hàng tiềm năng).
• Biến đầu vào: [MÃ_KHÁCH_HÀNG_TIỀM_NĂNG]. Đây là một biến đại diện, cho biết rằng người dùng cần cung cấp một mã định danh duy nhất cho khách hàng tiềm năng mà mô hình sẽ phân tích. Việc sử dụng biến này làm cho mẫu prompt có thể tái sử dụng cho nhiều khách hàng khác nhau.
• Yêu cầu bổ sung: “Dựa trên tất cả các tương tác được ghi nhận, hãy cho biết liệu họ có đang thể hiện sự quan tâm đáng kể hay không và đưa ra điểm số từ 1 đến 10.” Phần này cung cấp ngữ cảnh và các tiêu chí cụ thể cho việc đánh giá. Nó yêu cầu mô hình không chỉ đưa ra một đánh giá chung (“sự quan tâm đáng kể hay không”) mà còn cần định lượng hóa mức độ quan tâm đó bằng một điểm số.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, mẫu prompt này hoạt động bằng cách cung cấp cho mô hình ngôn ngữ một tập hợp các hướng dẫn rõ ràng. Khi một người dùng nhập prompt này, họ sẽ thay thế [MÃ_KHÁCH_HÀNG_TIỀM_NĂNG] bằng một giá trị thực tế (ví dụ: “KH007BC”, “LEAD_XYZ”).

Mô hình sau đó sẽ xử lý yêu cầu này như sau:

• Hiểu ngữ cảnh: Mô hình nhận ra rằng nhiệm vụ là phân tích dữ liệu về một cá nhân cụ thể (“khách hàng tiềm năng”).
• Truy xuất dữ liệu (ngầm định): Mẫu prompt giả định rằng mô hình có quyền truy cập hoặc sẽ được cung cấp dữ liệu liên quan đến “tất cả các tương tác được ghi nhận” của khách hàng tiềm năng đó. Đây là một giả định quan trọng. Nếu mô hình không có quyền truy cập dữ liệu, nó sẽ không thể thực hiện yêu cầu. Trong một hệ thống thực tế, việc “ghi nhận tương tác” có thể là một cơ sở dữ liệu CRM hoặc một danh sách các sự kiện đã xảy ra.
• Áp dụng logic phân tích: Mô hình sẽ phân tích các tương tác đã được cung cấp (hoặc được truy xuất). Điều này có thể bao gồm việc xem xét tần suất, loại hình (email, cuộc gọi, xem website), thời gian của các tương tác, v.v.
• Đánh giá mức độ quan tâm: Dựa trên phân tích, mô hình sẽ đưa ra nhận định về việc khách hàng có “thể hiện sự quan tâm đáng kể” hay không.
• Định lượng kết quả: Cuối cùng, mô hình sẽ chuyển đổi đánh giá định tính này thành một điểm số định lượng trên thang điểm 1-10.

3. Ví dụ Minh họa

Giả sử chúng ta có dữ liệu tương tác sau cho hai khách hàng tiềm năng:

Khách hàng 1 (Mã: KH876AD):

• Email marketing: Mở 5/7 email, nhấp vào 2 liên kết.
• Truy cập website: Xem trang sản phẩm “X” 3 lần trong tuần qua.
• Tải xuống brochure: 1 lần.
• Thời gian từ lần tương tác đầu tiên: 2 tuần.

Khách hàng 2 (Mã: LEAD552FG):

• Email marketing: Mở 1/7 email, không nhấp.
• Truy cập website: Xem trang chủ 1 lần.
• Thời gian từ lần tương tác đầu tiên: 1 tháng.
• Yêu cầu liên hệ demo: 1 lần (hơn 1 tuần trước).

Dưới đây là cách prompt có thể được sử dụng và kết quả mong đợi:

Ví dụ 1:

Đánh giá mức độ tương tác hiện tại của khách hàng tiềm năng KH876AD. Dựa trên tất cả các tương tác được ghi nhận, hãy cho biết liệu họ có đang thể hiện sự quan tâm đáng kể hay không và đưa ra điểm số từ 1 đến 10.

Kết quả mong đợi từ mô hình (có thể):

Khách hàng tiềm năng KH876AD thể hiện sự quan tâm đáng kể. Họ đã tích cực tương tác với các kênh truyền thông, truy cập trang sản phẩm quan trọng và tải xuống thông tin, cho thấy sự tìm hiểu sâu sắc về sản phẩm. Điểm số: 8/10.

Ví dụ 2:

Đánh giá mức độ tương tác hiện tại của khách hàng tiềm năng LEAD552FG. Dựa trên tất cả các tương tác được ghi nhận, hãy cho biết liệu họ có đang thể hiện sự quan tâm đáng kể hay không và đưa ra điểm số từ 1 đến 10.

Kết quả mong đợi từ mô hình (có thể):

Khách hàng tiềm năng LEAD552FG cho thấy mức độ quan tâm ban đầu nhưng chưa thể hiện sự quan tâm đáng kể ở thời điểm hiện tại. Mặc dù đã có yêu cầu liên hệ demo, các tương tác khác khá thưa thớt và không sâu. Điểm số: 4/10.

👉 Tóm lại

Mẫu prompt này là một ví dụ điển hình về cách kết hợp yêu cầu hành động rõ ràng với biến đầu vào linh hoạt và các tiêu chí phân tích cụ thể. Nó hiệu quả trong việc yêu cầu mô hình ngôn ngữ thực hiện các nhiệm vụ phân tích dựa trên dữ liệu tương tác, cho phép định lượng hóa mức độ quan tâm của khách hàng tiềm năng. Thành công của prompt phụ thuộc mạnh mẽ vào khả năng của mô hình trong việc truy cập và xử lý dữ liệu tương tác được cung cấp.