1. Phân tích Cấu trúc Prompt
Mẫu prompt này được thiết kế để tạo ra một lời đề xuất sản phẩm cá nhân hóa cho khách hàng dựa trên lịch sử xem sản phẩm trước đó. Nó sử dụng các biến đóng ngoặc vuông để cho phép chèn thông tin cụ thể, giúp lời nhắc trở nên linh hoạt và dễ tùy chỉnh.
[DANH_SÁCH_SẢN_PHẨM_ĐÃ_XEM]: Biến này đại diện cho danh sách các sản phẩm mà khách hàng đã xem trước đó. Đây là dữ liệu đầu vào quan trọng nhất để hiểu sở thích của khách hàng.[TÊN_KHÁCH_HÀNG]: Biến này cho phép cá nhân hóa lời đề xuất bằng cách gọi tên khách hàng.[ĐỀ_XUẤT_CHÍNH]: Biến này chứa sản phẩm hoặc nhóm sản phẩm được đề xuất chính, dựa trên sự phân tích lịch sử xem.[ĐỀ_XUẤT_THAY_THẾ]: Biến này chứa một hoặc nhiều sản phẩm đề xuất thay thế, có thể hơi khác biệt hoặc bổ sung cho đề xuất chính, nhằm tăng khả năng khách hàng tìm thấy thứ ưng ý.
Cấu trúc prompt có một câu hỏi mở ở cuối (“Xin vui lòng cho biết đề xuất nào hấp dẫn hơn, hoặc nếu họ có bất kỳ mong muốn nào khác…”) nhằm thu thập phản hồi chi tiết, giúp cải thiện thuật toán đề xuất trong tương lai.
2. Ý nghĩa & Cách hoạt động
Về mặt kỹ thuật, mẫu prompt này hoạt động như sau:
- Thu thập dữ liệu: Hệ thống của bạn sẽ thu thập lịch sử xem sản phẩm của khách hàng (ví dụ: danh sách các ID sản phẩm hoặc tên sản phẩm).
- Phân tích và sinh đề xuất: Dựa trên lịch sử này, một thuật toán (có thể là máy học, lọc cộng tác, hoặc dựa trên nội dung) sẽ phân tích xu hướng và tạo ra hai loại đề xuất: một đề xuất chính (có khả năng cao nhất khách hàng sẽ thích) và một hoặc nhiều đề xuất thay thế (cung cấp sự đa dạng hoặc các lựa chọn bổ sung).
- Nhúng vào mẫu prompt: Các dữ liệu thu thập và đề xuất được sinh ra sẽ được chèn vào các vị trí tương ứng trong mẫu prompt.
- Gửi đến mô hình ngôn ngữ AI: Prompt hoàn chỉnh sau đó được gửi đến một mô hình ngôn ngữ lớn (LLM) để xử lý. LLM sẽ đọc nội dung, hiểu bối cảnh và nhiệm vụ (đánh giá đề xuất, cung cấp phản hồi).
- Tạo phản hồi tương tác: LLM sẽ đưa ra câu trả lời tuân theo cấu trúc và yêu cầu của prompt. Nó có thể so sánh hai đề xuất, đưa ra lý do tại sao một đề xuất hấp dẫn hơn, hoặc hỏi thêm thông tin về mong muốn của khách hàng nếu cần.
Mục tiêu là biến một lời đề xuất sản phẩm thụ động thành một cuộc trò chuyện tương tác, giúp hiểu rõ hơn nhu cầu của khách hàng.
3. Ví dụ Minh họa
Ví dụ 1: Khách hàng quan tâm đến đồ điện tử
Dựa trên lịch sử xem sản phẩm [Tai nghe Bluetooth Sony WH-1000XM5, Loa di động Bose SoundLink Flex, Chuột gaming Logitech G Pro X Superlight], chúng tôi đề xuất khách hàng [Anh Minh] có thể quan tâm đến [Tai nghe chống ồn cao cấp] hoặc [Giải pháp âm thanh di động chất lượng cao]. Xin vui lòng cho biết đề xuất nào hấp dẫn hơn, hoặc nếu họ có bất kỳ mong muốn nào khác để chúng tôi có thể cá nhân hóa tốt hơn cho lần tới.
Ví dụ 2: Khách hàng quan tâm đến thời trang
Dựa trên lịch sử xem sản phẩm [Áo thun cotton trắng basic, Quần jean ống đứng xanh đậm, Giày sneaker trắng cổ điển], chúng tôi đề xuất khách hàng [Chị Lan] có thể quan tâm đến [Bộ trang phục casual thanh lịch] hoặc [Phụ kiện thời trang đa dụng]. Xin vui lòng cho biết đề xuất nào hấp dẫn hơn, hoặc nếu họ có bất kỳ mong muốn nào khác để chúng tôi có thể cá nhân hóa tốt hơn cho lần tới.
👉 Tóm lại
Mẫu prompt này là một công cụ hiệu quả để cá nhân hóa trải nghiệm mua sắm của khách hàng. Bằng cách sử dụng các biến động, nó cho phép hệ thống cung cấp các đề xuất sản phẩm phù hợp với sở thích cá nhân, đồng thời mở ra kênh giao tiếp để thu thập phản hồi quý giá. Điều này không chỉ giúp tăng khả năng chuyển đổi mà còn xây dựng mối quan hệ khách hàng sâu sắc hơn thông qua sự thấu hiểu và phục vụ cá nhân hóa.
“`
