Prompt: Xác định các điểm đau (pain points) trong hành trình khách hàng – Trải nghiệm Khách hàng và Cá nhân hóa bằng AI – AI Marketing

Tuyệt vời! Với vai trò là chuyên gia kỹ thuật prompt, tôi sẽ phân tích chi tiết cấu trúc và cách hoạt động của mẫu prompt bạn cung cấp.

1. Phân tích Cấu trúc Prompt

Mẫu prompt này được thiết kế để phân tích phản hồi của khách hàng và xác định các “điểm đau” (pain points) chính trong hành trình của họ. Cấu trúc của nó rất rõ ràng, bao gồm:

• Yêu cầu chính: Phần mở đầu đã đặt ra mục tiêu rõ ràng là “xác định ít nhất 3 ‘điểm đau’ (pain points) chính trong hành trình khách hàng của chúng ta” và yêu cầu mô tả từng điểm đau cùng với phản hồi minh họa.
• Biến đầu vào:
  • [DANH_SÁCH_PHẢN_HỒI]: Đây là biến chính, nơi người dùng sẽ cung cấp (paste) toàn bộ dữ liệu phản hồi của khách hàng. Chất lượng và độ chi tiết của danh sách này sẽ ảnh hưởng trực tiếp đến chất lượng kết quả đầu ra.
• Cấu trúc đầu ra mong muốn: Phần cuối của prompt đã định dạng sẵn cấu trúc mà AI cần tuân theo để trình bày kết quả. Điều này giúp đảm bảo tính nhất quán và dễ đọc.
  • Mỗi điểm đau được đánh số.
  • Mỗi điểm đau có các trường con:
    • [MÔ_TẢ_ĐIỂM_ĐAU_X]: Yêu cầu mô tả chi tiết điểm đau.
    • [GIAI_ĐOẠN_X]: Yêu cầu xác định giai đoạn hoặc điểm tiếp xúc mà điểm đau này xảy ra.
    • [TRÍCH_DẪN_X]: Yêu cầu trích xuất một hoặc nhiều phản hồi cụ thể của khách hàng làm minh chứng.

Việc sử dụng các biến được định nghĩa rõ ràng (như [ yī_DANH_SÁCH_PHẢN_HỒI], [MÔ_TẢ_ĐIỂM_ĐAU_1], v.v.) cho phép AI hiểu được đâu là dữ liệu đầu vào và đâu là cấu trúc đầu ra cần tạo ra.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, mẫu prompt này hoạt động dựa trên nguyên tắc là cung cấp cho mô hình ngôn ngữ lớn (LLM) hai thành phần chính:

• Ngữ cảnh và Nhiệm vụ (Context and Task): Phần đầu của prompt (mô tả yêu cầu) thiết lập ngữ cảnh và chỉ rõ nhiệm vụ mà AI cần thực hiện. Nó hướng dẫn AI cách tiếp cận dữ liệu và mục tiêu cần đạt được là xác định “điểm đau”.
• Dữ liệu và Định dạng (Data and Format):
  • [DANH_SÁCH_PHẢN_HỒI] đóng vai trò là dữ liệu thô mà AI sẽ xử lý. LLM sẽ đọc, phân tích và tìm kiếm các mẫu, xu hướng hoặc các vấn đề lặp đi lặp lại trong văn bản này.
  • Phần định dạng sau đó cho AI biết cách tổ chức và trình bày những phát hiện của mình. Các trường con như “Giai đoạn/Điểm tiếp xúc” và “Minh họa từ phản hồi” giúp AI không chỉ nhận diện điểm đau mà còn cung cấp thêm thông tin ngữ cảnh và bằng chứng xác thực.

Khi AI nhận được prompt này, nó sẽ trải qua các bước sau:

1. Đọc và Hiểu yêu cầu: AI nhận thức rõ nhiệm vụ là tìm “điểm đau” và tổng hợp chúng theo cấu trúc cho sẵn.
2. Phân tích Dữ liệu phản hồi: AI quét qua toàn bộ nội dung trong [DANH_SÁCH_PHẢN_HỒI]. Nó sử dụng khả năng hiểu ngôn ngữ tự nhiên để nhận diện các từ khóa, cụm từ, cảm xúc tiêu cực, phàn nàn, hoặc các mô tả về trải nghiệm không mong muốn của khách hàng.
3. Nhóm và Tổng hợp: AI nhóm các phản hồi tương tự lại với nhau để xác định các chủ đề hoặc “điểm đau” chung. Ví dụ, nếu nhiều khách hàng phàn nàn về thời gian chờ đợi trên điện thoại, AI sẽ nhóm chúng lại và coi đó là một điểm đau tiềm năng.
4. Trích xuất Thông tin chi tiết: Đối với mỗi điểm đau được xác định, AI sẽ cần:
   • Tạo ra một mô tả ngắn gọn về điểm đau đó ([MÔ_TẢ_ĐIỂM_ĐAU_X]).
   • Cố gắng suy luận hoặc xác định giai đoạn/điểm tiếp xúc phù hợp dựa trên nội dung phản hồi ([GIAI_ĐOẠN_X]).
   • Tìm kiếm và chọn lọc những câu văn, đoạn văn cụ thể từ [DANH_SÁCH_PHẢN_HỒI] làm minh chứng trực tiếp ([TRÍCH_DẪN_X]).
5. Tạo đầu ra theo Định dạng: Cuối cùng, AI sẽ điền các thông tin đã trích xuất vào cấu trúc đầu ra được chỉ định sẵn trong prompt.

3. Ví dụ Minh họa

Giả sử chúng ta có danh sách phản hồi khách hàng như sau:

Dữ liệu đầu vào cho [DANH_SÁCH_PHẢN_HỒI]:


Tên: Anh Tuấn
Đánh giá: Tôi rất khó khăn khi tìm kiếm sản phẩm mình cần trên website của bạn. Giao diện hơi rối mắt. Tôi đã tốn gần 15 phút chỉ để tìm ra đúng loại áo khoác tôi muốn.

Tên: Chị Mai
Đánh giá: Giao hàng đúng hẹn, nhưng đóng gói sản phẩm hơi sơ sài. Hộp bị móp một chút khi nhận được. Lần sau mong có cải thiện hơn.


Sau khi áp dụng mẫu prompt này, kết quả đầu ra mong đợi có thể là:

Các điểm đau trong hành trình khách hàng:


1. Điểm đau: Khó khăn trong việc tìm kiếm sản phẩm do giao diện website phức tạp.
- Giai đoạn/Điểm tiếp xúc: Trải nghiệm tìm kiếm sản phẩm trên website.
- Minh họa từ phản hồi: "Tôi rất khó khăn khi tìm kiếm sản phẩm mình cần trên website của bạn. Giao diện hơi rối mắt. Tôi đã tốn gần 15 phút chỉ để tìm ra đúng loại áo khoác tôi muốn."
2. Điểm đau: Thiếu thông tin cập nhật về tình trạng đơn hàng và vận chuyển.
- Giai đoạn/Điểm tiếp xúc: Theo dõi đơn hàng và vận chuyển.
- Minh họa từ phản hồi: "Đặt hàng thì nhanh, nhưng quá trình xác nhận đơn hàng và thông báo tình trạng vận chuyển rất chậm. Tôi không biết đơn mình có được xử lý chưa khi không nhận được bất kỳ cập nhật nào trong 2 ngày."
3. Điểm đau: Trải nghiệm thanh toán online không mượt mà, gặp lỗi.
- Giai đoạn/Điểm tiếp xúc: Quy trình thanh toán.
- Minh họa từ phản hồi: "Quy trình thanh toán khi online gặp lỗi mấy lần, làm tôi hơi bực mình. Sau đó phải gọi điện lên tổng đài để hoàn tất."


Một ví dụ khác, nếu có thêm phản hồi về dịch vụ sau bán hàng:

Dữ liệu đầu vào cho [DANH_SÁCH_PHẢN_HỒI]:


... (các phản hồi trên) ...