Prompt: Ưu tiên Chăm sóc Lead – Quản lý Khách hàng Tiềm năng – AI Sales Assistant

Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, theo đúng cấu trúc yêu cầu bằng tiếng Việt và định dạng HTML:

—

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để yêu cầu phân loại và sắp xếp danh sách khách hàng tiềm năng (leads) dựa trên các tiêu chí nhất định. Cấu trúc của nó bao gồm một yêu cầu chính và một biến duy nhất, được thể hiện bằng dấu ngoặc vuông.

• Yêu cầu chính: “Cho danh sách các khách hàng tiềm năng sau: […] Hãy sắp xếp danh sách này theo thứ tự ưu tiên từ cao đến thấp để bộ phận bán hàng tập trung chăm sóc, dựa trên sự kết hợp của điểm số tiềm năng, mức độ tương tác và sự phù hợp với ICP. Giải thích chiến lược sắp xếp ưu tiên.”
• Biến (Variable): [DANH_SÁCH_LEAD_VÀ_THÔNG_TIN_LIÊN_QUAN]. Biến này đại diện cho dữ liệu thực tế về các khách hàng tiềm năng, bao gồm tên, thông tin liên hệ, điểm số tiềm năng, mức độ tương tác, và các thông tin khác liên quan đến sự phù hợp với Ideal Customer Profile (ICP).

Prompt này hiệu quả vì nó rõ ràng chỉ ra:

• Đầu vào (Input): Là danh sách khách hàng tiềm năng.
• Hành động mong muốn (Desired Action): Sắp xếp theo thứ tự ưu tiên.
• Tiêu chí sắp xếp (Sorting Criteria): Điểm số tiềm năng, mức độ tương tác, và sự phù hợp với ICP.
• Mục tiêu (Objective): Giúp bộ phận bán hàng tập trung chăm sóc hiệu quả.
• Yêu cầu bổ sung (Additional Requirement): Giải thích chiến lược đã sử dụng.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt này yêu cầu mô hình ngôn ngữ thực hiện một tác vụ phân tích dữ liệu và ra quyết định dựa trên các thuộc tính đã cho. Khi prompt này được sử dụng, biến [DANH_SÁCH_LEAD_VÀ_THÔNG_TIN_LIÊN_QUAN] sẽ được thay thế bằng dữ liệu thực tế về các khách hàng tiềm năng. Mô hình sẽ diễn giải thông tin này và áp dụng logic để:

• Đánh giá từng khách hàng tiềm năng: Tích hợp ba yếu tố được đề cập (điểm số tiềm năng, mức độ tương tác, sự phù hợp với ICP) để đưa ra một xếp hạng tổng thể cho mỗi khách hàng.
• So sánh và Sắp xếp: Đặt các khách hàng tiềm năng vào một chuỗi theo thứ tự ưu tiên giảm dần.
• Giải thích lý do: Trình bày cách thức mà mô hình đã kết hợp các yếu tố trên để đưa ra quyết định xếp hạng, giúp người dùng hiểu được logic đằng sau thứ tự ưu tiên được đề xuất.

Mô hình cần có khả năng hiểu và xử lý các loại dữ liệu khác nhau (có thể là số, văn bản mô tả) và thực hiện phép tính hoặc quy tắc logic để đưa ra thứ tự ưu tiên.

3. Ví dụ Minh họa

Giả sử chúng ta có dữ liệu khách hàng tiềm năng như sau:

[DANH_SÁCH_LEAD_VÀ_THÔNG_TIN_LIÊN_QUAN] =

[
    {
        "ten": "Công ty ABC",
        "diem_tiem_nang": 85,
        "muc_do_tuong_tac": "Cao (đã tải ebook, đăng ký webinar)",
        "phu_hop_icp": "Rất phù hợp (ngành công nghiệp X, quy mô doanh nghiệp Y)",
        "thong_tin_lien_he": "sales@abc.com"
    },
    {
        "ten": "Doanh nghiệp XYZ",
        "diem_tiem_nang": 70,
        "muc_do_tuong_tac": "Trung bình (chỉ xem trang web)",
        "phu_hop_icp": "Phù hợp (ngành công nghiệp Z, quy mô doanh nghiệp nhỏ)",
        "thong_tin_lien_he": "info@xyzcorp.com"
    },
    {
        "ten": "Startup DEF",
        "diem_tiem_nang": 90,
        "muc_do_tuong_tac": "Rất cao (tương tác qua chat, yêu cầu demo)",
        "phu_hop_icp": "Cao (mới nổi, tiềm năng tăng trưởng)",
        "thong_tin_lien_he": "contact@def.tech"
    }
]

Khi prompt được thực thi với dữ liệu trên, kết quả mong đợi có thể là:

Kết quả Ví dụ 1:

Dưới đây là danh sách khách hàng tiềm năng được sắp xếp theo thứ tự ưu tiên từ cao đến thấp:

1. Startup DEF
2. Công ty ABC
3. Doanh nghiệp XYZ

Giải thích chiến lược sắp xếp ưu tiên:

Chiến lược sắp xếp dựa trên việc kết hợp điểm số tiềm năng, mức độ tương tác và sự phù hợp với ICP. Cụ thể:

*   Startup DEF: Có điểm số tiềm năng cao nhất (90) và mức độ tương tác rất cao (tương tác qua chat, yêu cầu demo), cùng với sự phù hợp ICP tốt (mới nổi, tiềm năng tăng trưởng). Đây là yếu tố quan trọng nhất cho ưu tiên cao.
*   Công ty ABC: Điểm số tiềm năng cao (85) và mức độ tương tác cao (tải ebook, đăng ký webinar). Dù mức độ tương tác không "Rất cao" như Startup DEF, nhưng điểm số và sự phù hợp ICP vẫn đảm bảo nó có ưu tiên cao hơn Doanh nghiệp XYZ.
*   Doanh nghiệp XYZ: Có điểm số tiềm năng thấp hơn (70) và mức độ tương tác trung bình (chỉ xem trang web). Sự phù hợp ICP cũng ở mức "Phù hợp" thay vì "Rất phù hợp" hoặc "Cao", do đó được xếp cuối cùng.

Mô hình sẽ ưu tiên những khách hàng có sự kết hợp mạnh mẽ giữa tiềm năng cao, hành động tương tác tích cực và khả năng phù hợp nhất với mô hình khách hàng lý tưởng của doanh nghiệp.

Hoặc một ví dụ với dữ liệu có thể phức tạp hơn:

[DANH_SÁCH_LEAD_VÀ_THÔNG_TIN_LIÊN_QUAN] =

[
    {
        "ten": "Tập đoàn M",
        "diem_tiem_nang": 95,
        "muc_do_tuong_tac": "Cao (đã gửi email hỏi về sản phẩm A)",
        "phu_hop_icp": "Rất phù hợp (ngành A, quy mô lớn, nhu cầu cao)",
        "ghi_chu": "Có thể là đối thủ cạnh tranh của khách hàng hiện tại."
    },
    {
        "ten": "Công ty N",
        "diem_tiem_nang": 80,
        "muc_do_tuong_tac": "Rất cao (tham gia 2 webinar, chia sẻ bài viết trên LinkedIn)",
        "phu_hop_icp": "Phù hợp (ngành B, quy mô trung bình)",
        "ghi_chu": ""
    },
    {
        "ten": "Tổ chức P",
        "diem_tiem_nang": 75,
        "muc_do_tuong_tac": "Trung bình (thích trang Facebook)",
        "phu_hop_icp": "Rất phù hợp (ngành A, quy mô nhỏ nhưng có tiềm năng mở rộng)",
        "ghi_chu": "Có tin đồn đang tìm kiếm giải pháp mới."
    }
]

Kết quả Ví dụ 2:

Danh sách khách hàng tiềm năng ưu tiên:

1. Tập đoàn M

2. Tổ chức P

3. Công ty N
Giải thích chiến lược sắp xếp ưu tiên:
Việc sắp xếp ưu tiên được thực hiện bằng cách xem xét tổng thể điểm số tiềm năng, mức độ tương tác và sự phù hợp với ICP, đồng thời cân nhắc các thông tin bổ sung (ghi chú).
*   Tập đoàn M: Đứng đầu danh sách với điểm số tiềm năng cao nhất (