Tuyệt vời! Dưới đây là phân tích chi tiết về mẫu prompt bạn cung cấp, được định dạng bằng HTML và trình bày bằng tiếng Việt, theo đúng yêu cầu của bạn.
1. Phân tích Cấu trúc Prompt
Mẫu prompt này được thiết kế để hướng dẫn mô hình AI thực hiện hai nhiệm vụ chính: phân loại cảm xúc của văn bản phản hồi khách hàng và trích xuất các lý do hỗ trợ cho phân loại đó. Cấu trúc rõ ràng và có các phần tử biến (placeholders) giúp cho việc áp dụng trở nên linh hoạt:
- Vai trò của AI: “Bạn là một chuyên gia phân tích Trải nghiệm Khách hàng bằng AI.” – Phần này thiết lập vai trò và chuyên môn cho mô hình, giúp nó điều chỉnh giọng điệu và phương pháp phân tích.
- Nhiệm vụ cụ thể: “Nhiệm vụ của bạn là phân tích văn bản phản hồi của khách hàng sau đây và phân loại cảm xúc chính của nó thành Tích cực, Tiêu cực, hoặc Trung tính. Đồng thời, trích xuất các lý do chính dẫn đến cảm xúc đó.” – Xác định rõ ràng hai hành động chính cần thực hiện: phân loại cảm xúc và trích xuất lý do.
- Phần nhập liệu:
Phản hồi khách hàng:"[NỘI_DUNG_PHẢN_HỒI]"– Đây là một biến (placeholder)[NỘI_DUNG_PHẢN_HỒI], nơi người dùng sẽ chèn văn bản phản hồi thực tế của khách hàng vào.
- Phần định dạng đầu ra:
Kết quả mong muốn:1. Cảm xúc chính: [TÍCH_CỰC/TIÊU_CỰC/TRUNG_TÍNH]– Xác định rõ ràng định dạng và các tùy chọn cho kết quả cảm xúc chính. Biến[TÍCH_CỰC/TIÊU_CỰC/TRUNG_TÍNH]chỉ ra các giá trị có thể có.2. Lý do chính:- [LÝ_DO_1]- [LÝ_DO_2]- ...
– Đây là các biến (placeholders)
[LÝ_DO_1],[LÝ_DO_2], và..., cho biết mô hình cần liệt kê các lý do dưới dạng danh sách, không giới hạn số lượng.
2. Ý nghĩa & Cách hoạt động
Về mặt kỹ thuật, mẫu prompt này hoạt động dựa trên nguyên tắc instruction following (tuân theo chỉ dẫn) và few-shot prompting (trong trường hợp người dùng cung cấp thêm ví dụ, mặc dù mẫu này không có). Mô hình ngôn ngữ lớn (LLM) sẽ:
- Nhận diện vai trò và nhiệm vụ: Nó hiểu rằng mình cần đóng vai một chuyên gia phân tích CX và thực hiện các hành động được mô tả.
- Xử lý biến nhập liệu: Mô hình sẽ thay thế
"[NỘI_DUNG_PHẢN_HỒI]"bằng văn bản phản hồi khách hàng thực tế mà người dùng cung cấp. Ví dụ, nếu người dùng nhập “Sản phẩm rất tuyệt vời và tôi rất hài lòng về dịch vụ khách hàng.”, thì mô hình sẽ xem xét văn bản này. - Thực hiện phân tích cảm xúc: Dựa trên văn bản được cung cấp, mô hình sẽ sử dụng khả năng hiểu ngôn ngữ tự nhiên của mình để xác định tông giọng chung. Nó sẽ chọn một trong ba loại: Tích cực, Tiêu cực, hoặc Trung tính.
- Trích xuất lý do: Sau khi xác định cảm xúc, mô hình sẽ đọc lại văn bản để tìm ra các cụm từ, câu hoặc ý chính mà khách hàng đề cập, và những điều này trực tiếp ảnh hưởng đến cảm xúc của họ.
- Định dạng đầu ra: Cuối cùng, mô hình sẽ trình bày kết quả theo đúng cấu trúc mà prompt yêu cầu, sử dụng các nhãn “Cảm xúc chính” và “Lý do chính”, theo sau là danh sách các lý do được gạch đầu dòng.
3. Ví dụ Minh họa
Dưới đây là hai ví dụ về cách mẫu prompt này có thể được sử dụng và kết quả đầu ra tương ứng:
Ví dụ 1: Phản hồi Tích cực
Mẫu Prompt sau khi điền:
Bạn là một chuyên gia phân tích Trải nghiệm Khách hàng bằng AI. Nhiệm vụ của bạn là phân tích văn bản phản hồi của khách hàng sau đây và phân loại cảm xúc chính của nó thành Tích cực, Tiêu cực, hoặc Trung tính. Đồng thời, trích xuất các lý do chính dẫn đến cảm xúc đó.
Phản hồi khách hàng:
"Tôi thực sự rất ấn tượng với tốc độ giao hàng nhanh chóng và chất lượng sản phẩm vượt xa mong đợi. Đóng gói cũng rất cẩn thận. Chắc chắn sẽ quay lại mua hàng."
Kết quả mong muốn:
1. Cảm xúc chính: [TÍCH_CỰC/TIÊU_CỰC/TRUNG_TÍNH]
2. Lý do chính:
- [LÝ_DO_1]
- [LÝ_DO_2]
- ...
Kết quả đầu ra của AI:
1. Cảm xúc chính: Tích cực
2. Lý do chính:
- Tốc độ giao hàng nhanh chóng
- Chất lượng sản phẩm vượt xa mong đợi
- Đóng gói cẩn thận
Ví dụ 2: Phản hồi Tiêu cực
Mẫu Prompt sau khi điền:
Bạn là một chuyên gia phân tích Trải nghiệm Khách hàng bằng AI. Nhiệm vụ của bạn là phân tích văn bản phản hồi của khách hàng sau đây và phân loại cảm xúc chính của nó thành Tích cực, Tiêu cực, hoặc Trung tính. Đồng thời, trích xuất các lý do chính dẫn đến cảm xúc đó.
Phản hồi khách hàng:
"Tôi rất thất vọng với dịch vụ hỗ trợ khách hàng. Nhân viên trả lời chậm và không đưa ra được giải pháp cho vấn đề của tôi. Thời gian chờ đợi quá lâu."
Kết quả mong muốn:
1. Cảm xúc chính: [TÍCH_CỰC/TIÊU_CỰC/TRUNG_TÍNH]
2. Lý do chính:
- [LÝ_DO_1]
- [LÝ_DO_2]
- ...
Kết quả đầu ra của AI:
1. Cảm xúc chính: Tiêu cực
2. Lý do chính:
- Dịch vụ hỗ trợ khách hàng kém
- Nhân viên trả lời chậm
- Không đưa ra được giải pháp
- Thời gian chờ đợi quá lâu
👉 Tóm lại
Mẫu prompt này là một công cụ hiệu quả và mạnh mẽ để tự động hóa việc phân tích phản hồi của khách hàng. Bằng cách thiết lập rõ vai trò, nhiệm vụ và định dạng đầu ra mong muốn, prompt này cho phép mô hình AI hiểu chính xác yêu cầu và cung cấp kết quả phân loại cảm xúc cùng những lý do cốt lõi một cách có cấu trúc. Sự linh hoạt của các biến [NỘI_DUNG_PHẢN_HỒI] và cấu trúc đầu ra cho phép người dùng dễ dàng tích hợp công cụ này vào các quy trình thu thập và xử lý phản hồi khách hàng hiện có.
“`
