Prompt: Xác định Lead ‘Nóng’ – ‘Lạnh’ – Quản lý Khách hàng Tiềm năng – AI Sales Assistant

Tuyệt vời! Với vai trò là một chuyên gia kỹ thuật prompt, tôi sẽ tiến hành phân tích chi tiết template prompt bạn đã cung cấp.

1. Phân tích Cấu trúc Prompt

Template prompt này được thiết kế để phân loại khách hàng tiềm năng dựa trên các tín hiệu hành vi của họ. Cấu trúc của nó bao gồm:

• Tín hiệu đầu vào: Các biến được bao bọc trong dấu ngoặc vuông (`[]`) đại diện cho các hành động hoặc yêu cầu cụ thể từ khách hàng. Các biến này là:
  • [YÊU_CẦU_BÁO_GIÁ]: Chỉ ra rằng khách hàng đang chủ động tìm hiểu về giá cả của sản phẩm/dịch vụ.
  • [NHU_CẦU_DÙNG_THỬ]: Cho thấy khách hàng quan tâm đến việc trải nghiệm sản phẩm trước khi quyết định mua.
  • [ĐẶT_CÂU_HỎI_VỀ_GIÁ]: Tương tự như yêu cầu báo giá, nhưng có thể mang tính dò hỏi chung chung hơn.
• Đối tượng phân loại: Biến [TÊN_KHÁCH_HÀNG] xác định đối tượng mà việc phân loại đang được áp dụng.
• Kết quả mong đợi: Template yêu cầu phân loại khách hàng vào hai nhóm chính:
  • ‘Nóng’ (sẵn sàng mua)
  • ‘Lạnh’ (cần thêm thông tin/nuôi dưỡng)
• Yêu cầu bổ sung: Template yêu cầu giải thích rõ ràng những tín hiệu cụ thể nào đã dẫn đến kết luận phân loại đó.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt này hoạt động như một công cụ ra quyết định có điều kiện cho mô hình ngôn ngữ. Nó hoạt động như sau:

• Nhận dạng Tín hiệu: Mô hình được hướng dẫn để nhận diện sự hiện diện hoặc ý nghĩa của các tín hiệu được cung cấp trong dấu ngoặc vuông. Ví dụ, nếu [YÊU_CẦU_BÁO_GIÁ] được điền bằng “Khách hàng A đã gửi email hỏi về bảng giá chi tiết”, mô hình sẽ hiểu rằng hành động này thể hiện sự quan tâm.
• Phân tích Mối liên hệ với Mức độ Sẵn sàng: Các tín hiệu được cung cấp (như yêu cầu báo giá hay dùng thử) thường được liên kết trong ngữ cảnh kinh doanh với mức độ sẵn sàng mua hàng cao hơn.
  • Yêu cầu báo giá hoặc hỏi về giá thường là bước gần cuối trong quy trình mua hàng.
  • Nhu cầu dùng thử cũng cho thấy sự hứng thú và mong muốn tìm hiểu sâu hơn về sản phẩm.
• Ra quyết định Phân loại: Dựa trên sự hiện diện và kết hợp của các tín hiệu này, mô hình sẽ đưa ra phán đoán xem khách hàng đó thuộc nhóm ‘Nóng’ hay ‘Lạnh’.
  • Nếu có nhiều tín hiệu cho thấy sự quan tâm trực tiếp đến việc mua bán (ví dụ: yêu cầu báo giá chi tiết, hỏi về điều khoản thanh toán), khách hàng có khả năng cao là ‘Nóng’.
  • Nếu chỉ có những tín hiệu chung chung hoặc chưa rõ ràng, hoặc khách hàng chỉ mới bắt đầu tìm hiểu (ví dụ: chỉ xem qua website), họ có thể được phân loại là ‘Lạnh’ và cần được theo dõi, nuôi dưỡng.
• Giải thích Lý do: Phần yêu cầu “Nêu rõ các tín hiệu nào dẫn đến kết luận này” là cực kỳ quan trọng. Nó buộc mô hình phải cung cấp sự suy luận, làm cho kết quả phân loại minh bạch và có căn cứ, giúp con người tin tưởng và sử dụng kết quả hiệu quả hơn.

3. Ví dụ Minh họa

Ví dụ 1: Khách hàng “Nóng”

Template Prompt:

Dựa trên tín hiệu như [YÊU_CẦU_BÁO_GIÁ], [NHU_CẦU_DÙNG_THỬ], [ĐẶT_CÂU_HỎI_VỀ_GIÁ], hãy phân loại khách hàng tiềm năng [TÊN_KHÁCH_HÀNG] là 'Nóng' (sẵn sàng mua) hay 'Lạnh' (cần thêm thông tin/nuôi dưỡng). Nêu rõ các tín hiệu nào dẫn đến kết luận này.

Input đã điền:

Dựa trên tín hiệu như (Khách hàng Nguyễn Văn A đã yêu cầu bảng báo giá chi tiết cho gói dịch vụ cao cấp vào sáng nay), (Khách hàng Nguyễn Văn A đã yêu cầu bản dùng thử sản phẩm V1.0), (Khách hàng Nguyễn Văn A đã đặt 3 câu hỏi xác nhận về tính năng bảo mật và chi phí triển khai so với đối thủ cạnh tranh), hãy phân loại khách hàng tiềm năng Nguyễn Văn A là 'Nóng' (sẵn sàng mua) hay 'Lạnh' (cần thêm thông tin/nuôi dưỡng). Nêu rõ các tín hiệu nào dẫn đến kết luận này.

Output mong đợi từ mô hình:

Khách hàng Nguyễn Văn A được phân loại là 'Nóng' (sẵn sàng mua).

Các tín hiệu dẫn đến kết luận này bao gồm:
1. Yêu cầu báo giá chi tiết cho gói dịch vụ cao cấp: Đây là một dấu hiệu mạnh mẽ cho thấy khách hàng đang tiến gần đến giai đoạn quyết định mua hàng.
2. Yêu cầu bản dùng thử sản phẩm: Việc muốn trải nghiệm sản phẩm trực tiếp thể hiện sự quan tâm sâu sắc và mong muốn xác thực giá trị.
3. Đặt câu hỏi về tính năng bảo mật và chi phí triển khai so với đối thủ cạnh tranh: Những câu hỏi này cho thấy khách hàng đang so sánh các lựa chọn và tìm kiếm thông tin cụ thể để ra quyết định, đây là những bước đi tiếp theo của một người mua tiềm năng đang xem xét nghiêm túc.

Ví dụ 2: Khách hàng “Lạnh”

Template Prompt:

Dựa trên tín hiệu như [YÊU_CẦU_BÁO_GIÁ], [NHU_CẦU_DÙNG_THỬ], [ĐẶT_CÂU_HỎI_VỀ_GIÁ], hãy phân loại khách hàng tiềm năng [TÊN_KHÁCH_HÀNG] là 'Nóng' (sẵn sàng mua) hay 'Lạnh' (cần thêm thông tin/nuôi dưỡng). Nêu rõ các tín hiệu nào dẫn đến kết luận này.

Input đã điền:

Dựa trên tín hiệu như (Khách hàng Trần Thị B đã đăng ký nhận bản tin hàng tuần của chúng tôi trên website), (Khách hàng Trần Thị B đã truy cập trang "Câu hỏi thường gặp" về các gói dịch vụ), (Khách hàng Trần Thị B không gửi bất kỳ email yêu cầu báo giá hay dùng thử nào), hãy phân loại khách hàng tiềm năng Trần Thị B là 'Nóng' (sẵn sàng mua) hay 'Lạnh' (cần thêm thông tin/nuôi dưỡng). Nêu rõ các tín hiệu nào dẫn đến kết luận này.

Output mong đợi từ mô hình:

Khách hàng Trần Thị B được phân loại là 'Lạnh' (cần thêm thông tin/nuôi dưỡng).

Các tín hiệu dẫn đến kết luận này bao gồm:
1. Đăng ký nhận bản tin hàng tuần: Hành động này cho thấy sự quan tâm chung đến nội dung và thông tin mà doanh nghiệp cung cấp, nhưng không nhất thiết là quan tâm đến việc mua ngay lập tức.
2. Truy cập trang "Câu hỏi thường gặp": Việc này thể hiện mong muốn tìm hiểu thông tin chung về sản phẩm/dịch vụ, đây là bước đi của những người đang ở giai đoạn đầu của quá trình tìm hiểu.
3. Không có yêu cầu báo giá hay dùng thử: Sự vắng mặt của các tín hiệu trực tiếp về ý định mua hàng như yêu cầu báo giá hay dùng thử là yếu tố then chốt để phân loại khách hàng là 'Lạnh'. Khách hàng này cần được nuôi dưỡng thêm bằng các nội dung hữu ích và tiếp cận dần để tăng mức độ quan tâm.

👉 Tóm lại

Template prompt này là một công cụ phân loại khách hàng tiềm năng rất hiệu quả, dựa trên việc phân tích các tín hiệu hành vi cụ thể. Cấu trúc rõ ràng, dễ dàng tùy chỉnh với các biến đầu vào, và đặc biệt là yêu cầu kèm theo