Tuyệt vời! Với vai trò là một chuyên gia kỹ thuật prompt, tôi sẽ phân tích chi tiết mẫu prompt bạn cung cấp theo đúng cấu trúc yêu cầu.
1. Phân tích Cấu trúc Prompt
Mẫu prompt này được thiết kế để yêu cầu trí tuệ nhân tạo (AI) thực hiện một nhiệm vụ phân tích dữ liệu cụ thể dựa trên thông tin liên lạc của khách hàng tiềm năng. Cấu trúc của prompt khá rõ ràng và có tính tùy biến cao nhờ vào việc sử dụng các biến:
- Hành động chính: “Phân tích nội dung từ các email và tin nhắn gần đây…” – Đây là mệnh lệnh trực tiếp, xác định rõ nhiệm vụ cần thực hiện.
- Phạm vi dữ liệu: “…từ ngày [NGÀY_BẮT_ĐẦU_PHẢN_HỒI] đến [NGÀY_KẾT_THÚC_PHẢN_HỒI]” – Xác định khoảng thời gian cụ thể của dữ liệu cần phân tích. Điều này giúp AI giới hạn phạm vi tìm kiếm và đảm bảo tính liên quan của kết quả.
- Đối tượng phân tích: “…của khách hàng tiềm năng [MÃ_KHÁCH_HÀNG_TIỀM_NĂNG]” – Chỉ định rõ đối tượng mà dữ liệu liên quan đến. Việc sử dụng mã (ID) giúp truy xuất thông tin chính xác nếu có một hệ thống quản lý khách hàng (CRM) được tích hợp.
- Yêu cầu đầu ra cụ thể: “Đánh giá thái độ chung (tích cực, tiêu cực, trung lập) và các điểm đề cập chính.” – Đây là những tiêu chí rõ ràng mà AI cần trả về sau khi phân tích. Việc liệt kê các loại thái độ giúp AI tập trung vào việc phân loại cảm xúc.
Các biến được đặt trong dấu ngoặc vuông `[]` cho thấy chúng là các placeholder cần được thay thế bằng dữ liệu thực tế khi sử dụng prompt trong một ngữ cảnh cụ thể. Các biến này bao gồm:
[NGÀY_BẮT_ĐẦU_PHẢN_HỒI]: Ngày bắt đầu của khoảng thời gian cần phân tích.[NGÀY_KẾT_THÚC_PHẢN_HỒI]: Ngày kết thúc của khoảng thời gian cần phân tích.[MÃ_KHÁCH_HÀNG_TIỀM_NĂNG]: Mã định danh duy nhất của khách hàng tiềm năng.
2. Ý nghĩa & Cách hoạt động
Prompt này hoạt động dựa trên nguyên tắc yêu cầu AI thực hiện nhiệm vụ “phân tích tình cảm (sentiment analysis)” và “trích xuất thông tin (information extraction)” từ một tập hợp văn bản nhất định. Khi một hệ thống sử dụng prompt này, nó sẽ:
- Truyền dữ liệu: Thay thế các biến `[NGÀY_BẮT_ĐẦU_PHẢN_HỒI]`, `[NGÀY_KẾT_THÚC_PHẢN_HỒI]`, và `[MÃ_KHÁCH_HÀNG_TIỀM_NĂNG]` bằng thông tin thực tế. Ví dụ, nếu bạn có dữ liệu email từ ngày 01/01/2023 đến 31/01/2023 cho khách hàng có mã là “CUST-PROSPECT-123”, prompt sẽ trở thành: “Phân tích nội dung từ các email và tin nhắn gần đây (từ ngày 01/01/2023 đến 31/01/2023) của khách hàng tiềm năng CUST-PROSPECT-123. Đánh giá thái độ chung (tích cực, tiêu cực, trung lập) và các điểm đề cập chính.”
- Tìm kiếm và Tập hợp văn bản: Hệ thống backend sẽ sử dụng `[MÃ_KHÁCH_HÀNG_TIỀM_NĂNG]` và khoảng thời gian để truy xuất tất cả các email và tin nhắn liên quan đến khách hàng đó trong khoảng thời gian quy định từ cơ sở dữ liệu hoặc hệ thống lưu trữ truyền thông (ví dụ: CRM, hệ thống email marketing).
- Gửi tới AI: Nội dung văn bản thu thập được (có thể dưới dạng một chuỗi văn bản lớn hoặc danh sách các đoạn chat) sẽ được gửi đến mô hình AI cùng với yêu cầu phân tích đã được cấu trúc sẵn.
- Xử lý bởi AI: Mô hình AI sẽ đọc và hiểu toàn bộ nội dung văn bản. Sau đó, nó sẽ:
- Phân tích thái độ: Xác định xem tổng thể các tương tác này thể hiện thái độ tích cực, tiêu cực hay trung lập của khách hàng. AI sẽ dựa trên từ ngữ, ngữ điệu, cảm xúc được diễn đạt trong văn bản.
- Trích xuất điểm đề cập chính: Xác định các chủ đề, câu hỏi, yêu cầu, vấn đề, hoặc bất kỳ thông tin quan trọng nào mà khách hàng đã đề cập trong các đoạn hội thoại.
- Trả về kết quả: AI sẽ định dạng câu trả lời theo yêu cầu, ví dụ:
Phân tích cho Khách hàng: CUST-PROSPECT-123 Khoảng thời gian: 01/01/2023 - 31/01/2023 Thái độ chung: Tích cực Các điểm đề cập chính: - Quan tâm đến tính năng X của sản phẩm - Hỏi về giá cả và các gói dịch vụ - Đặt lịch demo cho tuần tới - Đề cập đến sự hài lòng với cách hỗ trợ ban đầu
3. Ví dụ Minh họa
Giả sử chúng ta có dữ liệu tương tác của khách hàng tiềm năng “LEAD-456” trong tháng 02/2023.
Ví dụ 1: Thực tế (sau khi điền biến)
Prompt sau khi điền biến sẽ là:
Phân tích nội dung từ các email và tin nhắn gần đây (từ ngày 01/02/2023 đến 28/02/2023) của khách hàng tiềm năng LEAD-456. Đánh giá thái độ chung (tích cực, tiêu cực, trung lập) và các điểm đề cập chính.
Giả sử AI nhận được nội dung tin nhắn sau từ khách hàng LEAD-456:
Tin nhắn 1 (05/02/2023): “Chào bạn, tôi đã xem qua website và rất ấn tượng với giải pháp quản lý dự án của bên bạn. Đặc biệt là tính năng theo dõi tiến độ theo thời gian thực. Tôi có thể xin báo giá chi tiết cho gói doanh nghiệp không ạ?”
Tin nhắn 2 (15/02/2023): “Cảm ơn bạn đã gửi báo giá. Tôi đã thảo luận với đội nhóm và chúng tôi đang cân nhắc lựa chọn giữa hai nhà cung cấp. Bên bạn có thể hỗ trợ một buổi demo chi tiết vào tuần tới không? Sẽ có khoảng 5 người tham gia.”
Tin nhắn 3 (22/02/2023): “Cuộc demo hôm qua rất hữu ích. Chúng tôi đã có cái nhìn rõ hơn về cách hệ thống của bạn hoạt động. Tôi nghĩ chúng tôi sẽ đưa ra quyết định trong vài ngày tới.”
Kết quả trả về từ AI (dựa trên prompt và nội dung trên):
Phân tích cho Khách hàng: LEAD-456
Khoảng thời gian: 01/02/2023 - 28/02/2023
Thái độ chung: Tích cực
Các điểm đề cập chính:
- Quan tâm đến giải pháp quản lý dự án và tính năng theo dõi tiến độ.
- Yêu cầu báo giá chi tiết cho gói doanh nghiệp.
- Yêu cầu và tham gia buổi demo chi tiết cùng đội nhóm.
- Đang trong giai đoạn cân nhắc lựa chọn nhà cung cấp và sắp đưa ra quyết định.
Ví dụ 2: Trường hợp có cả phản hồi tiêu cực ẩn
Giả sử chúng ta có dữ liệu tương tác của khách hàng tiềm năng “PROSPECT-XYZ” trong tuần đầu tháng 03/2023.
Prompt đã điền biến:
Phân tích nội dung từ các email và tin nhắn gần
