Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, được cấu trúc theo yêu cầu và định dạng HTML.
1. Phân tích Cấu trúc Prompt
Prompt template này được thiết kế để thu thập thông tin về các giao dịch bất động sản tương tự nhằm đưa ra ước tính giá cho một bất động sản mục tiêu. Cấu trúc của nó bao gồm các phần chính:
- Mục tiêu chính: Tìm kiếm và phân tích các bất động sản đã bán.
- Phạm vi tìm kiếm: Xác định bởi hai biến chính:
[KHOẢNG_THỜI_GIAN_TÌM_KIẾM]: Đây là một biến định lượng, cho phép người dùng chỉ định khoảng thời gian quá khứ mà các giao dịch đã bán cần được xem xét (ví dụ: “6 tháng gần nhất”, “1 năm qua”).[TÊN_KHU_VỰC_GẦN_NHẤT]: Đây là một biến định tính, cho phép người dùng chỉ định vị trí địa lý cụ thể mà việc tìm kiếm sẽ tập trung vào (ví dụ: “Quận 1, TP. Hồ Chí Minh”, “Khu vực trung tâm Hà Nội”).
- Tiêu chí tương đồng: Liệt kê rõ ràng các đặc điểm của bất động sản mục tiêu để làm cơ sở so sánh với các bất động sản đã bán. Các biến bao gồm:
[DIỆN_TÍCH_MỤC_TIÊU]: Diện tích của bất động sản cần định giá.[SỐ_PHÒNG_NGỦ_MỤC_TIÊU]: Số lượng phòng ngủ của bất động sản cần định giá.[SỐ_PHÒNG_TẮM_MỤC_TIÊU]: Số lượng phòng tắm của bất động sản cần định giá.
- Yếu tố bổ sung: “tình trạng tu sửa” – đây là một yếu tố định tính, cung cấp thêm ngữ cảnh cho sự tương đồng giữa các bất động sản.
- Kết quả mong muốn: “đưa ra một khoảng giá ước tính cho bất động sản mục tiêu” – rõ ràng yêu cầu một đầu ra là phạm vi giá trị thay vì một con số cố định.
2. Ý nghĩa & Cách hoạt động
Về mặt kỹ thuật, prompt này yêu cầu một hệ thống xử lý ngôn ngữ tự nhiên (NLU) hoặc một mô hình AI có khả năng truy cập và phân tích dữ liệu bất động sản. Cách hoạt động dự kiến như sau:
- Giải mã biến: Mô hình sẽ nhận diện và “điền” các giá trị cụ thể vào các chỗ giữ chỗ (placeholder) như
[KHOẢNG_THỜI_GIAN_TÌM_KIẾM],[TÊN_KHU_VỰC_GẦN_NHẤT],[DIỆN_TÍCH_MỤC_TIÊU],[SỐ_PHÒNG_NGỦ_MỤC_TIÊU], và[SỐ_PHÒNG_TẮM_MỤC_TIÊU]từ yêu cầu của người dùng. - Truy vấn dữ liệu: Dựa trên các thông tin đã được điền, mô hình sẽ thực hiện truy vấn đến một cơ sở dữ liệu hoặc kho dữ liệu bất động sản. Truy vấn này sẽ tìm kiếm các bất động sản đã được giao dịch thành công trong khoảng thời gian và khu vực đã chỉ định.
- Lọc và đối sánh: Sau khi thu thập được danh sách các giao dịch tiềm năng, mô hình sẽ áp dụng các tiêu chí tương đồng (diện tích, số phòng ngủ, số phòng tắm, tình trạng tu sửa) để lọc ra những bất động sản có đặc điểm “gần giống” nhất với bất động sản mục tiêu. Mức độ “gần giống” này có thể được xác định bởi thuật toán đối sánh của mô hình (ví dụ: sai số cho phép về diện tích, sự tương đương về loại hình).
- Phân tích thống kê: Mô hình sẽ phân tích dữ liệu giá của các bất động sản đã được lọc. Các phương pháp phân tích có thể bao gồm tính trung bình, trung vị, phân vị (percentiles), hoặc sử dụng các mô hình hồi quy đơn giản để xác định một khoảng giá hợp lý.
- Trả về kết quả: Cuối cùng, mô hình sẽ tổng hợp kết quả phân tích và trình bày một “khoảng giá ước tính” (ví dụ: “từ X đến Y VNĐ”) cho bất động sản mục tiêu, có thể kèm theo giải thích ngắn gọn về các giao dịch đã phân tích.
3. Ví dụ Minh họa
Dưới đây là hai ví dụ về cách prompt này có thể được sử dụng với các giá trị cụ thể và kết quả dự kiến:
Ví dụ 1: Căn hộ chung cư
Prompt điền đầy đủ:
Tìm kiếm và phân tích các bất động sản tương tự đã được bán trong vòng 6 tháng gần nhất tại khu vực lân cận Quận 2, TP. Hồ Chí Minh với các đặc điểm gần giống với bất động sản mục tiêu: diện tích 75 m2, số phòng ngủ (2), số phòng tắm (2), và tình trạng tu sửa (đã qua sử dụng, còn tốt). Dựa trên các giao dịch này, hãy đưa ra một khoảng giá ước tính cho bất động sản mục tiêu.
Kết quả dự kiến:
Dựa trên việc phân tích các giao dịch căn hộ chung cư đã bán tại Quận 2, TP. Hồ Chí Minh trong 6 tháng gần nhất với diện tích khoảng 75 m2, 2 phòng ngủ, 2 phòng tắm và tình trạng còn tốt, ước tính giá cho bất động sản mục tiêu của bạn nằm trong khoảng từ 4.5 tỷ VNĐ đến 5.2 tỷ VNĐ.
Ví dụ 2: Nhà phố
Prompt điền đầy đủ:
Tìm kiếm và phân tích các bất động sản tương tự đã được bán trong vòng 1 năm qua tại khu vực lân cận Phường 5, Đà Lạt với các đặc điểm gần giống với bất động sản mục tiêu: diện tích 120 m2, số phòng ngủ (3), số phòng tắm (2), và tình trạng tu sửa (cần cải tạo nhẹ). Dựa trên các giao dịch này, hãy đưa ra một khoảng giá ước tính cho bất động sản mục tiêu.
Kết quả dự kiến:
Sau khi phân tích các giao dịch nhà phố đã bán tại Phường 5, Đà Lạt trong vòng 1 năm qua, với diện tích khoảng 120m2, 3 phòng ngủ, 2 phòng tắm và tình trạng cần cải tạo nhẹ, khoảng giá ước tính cho bất động sản mục tiêu của bạn là từ 6 tỷ VNĐ đến 7.5 tỷ VNĐ.
👉 Tóm lại
Prompt template này là một công cụ mạnh mẽ và hiệu quả để tự động hóa việc định giá sơ bộ bất động sản dựa trên dữ liệu giao dịch đã có. Bằng cách sử dụng các biến được định nghĩa rõ ràng, người dùng có thể cung cấp thông tin chi tiết về bất động sản mục tiêu và phạm vi tìm kiếm, cho phép mô hình AI xác định và phân tích các giao dịch tương tự một cách chính xác. Cấu trúc này giúp tối ưu hóa quá trình thu thập thông tin và đảm bảo đầu ra là một khoảng giá ước tính hữu ích, phục vụ cho mục đích tư vấn hoặc ra quyết định đầu tư.
