Kembali ke pustaka prompt
Pustaka promptPrompt Chat

Klaster Keberatan Pelanggan

Gunakan Klaster Keberatan Pelanggan untuk mengubah catatan alur kerja nyata menjadi hasil chat terstruktur untuk tinjauan, keputusan, dan tindakan berikutnya.

Umpan Balik PelangganDukungan PenjualanDukungan
Pratinjau

Prompt Chat

Model yang direkomendasikan

Claude Haiku 4.5

Format output

Hasil chat terstruktur

Pratinjau

Prompt Chat

thread chat

Keberatan: terlalu banyak model, kredit tidak jelas, pertanyaan privasi, ekspor sulit ditemukan, dan anggota tim membutuhkan persetujuan.

Tema 1: beban keputusan seputar pilihan model. Tema 2: kecemasan biaya seputar kredit dan prediktabilitas penggunaan. Tema 3: kekhawatiran kepercayaan dan tata kelola seputar privasi dan persetujuan. Balasan yang direkomendasikan: mulai dengan pilihan bawaan, alat estimasi kredit, dan kontrol ruang kerja. Tindak lanjut produk: tingkatkan rekomendasi model, tampilkan tindakan ekspor, dan dokumentasikan alur persetujuan.

Output

Tema / sinyal pembelian / balasan / tindak lanjut produk

Pratinjau untuk Klaster Keberatan Pelanggan, berfokus pada konteks masukan, balasan terstruktur, dan langkah berikutnya yang dapat ditindaklanjuti.

Prompt lengkap

Klaster Keberatan Pelanggan

Prompt chat Klaster Keberatan Pelanggan dengan analisis terstruktur, risiko, rekomendasi, dan tindakan berikutnya.

Model yang direkomendasikan: Claude Haiku 4.5Format output: Hasil chat terstruktur
Prompt lengkap
Prompt Chat
Anda adalah analis insight pelanggan. Kelompokkan catatan keberatan menjadi tema, sinyal tahap pembelian, balasan yang direkomendasikan, dan item tindak lanjut produk.

Catatan penggunaan

Tambahkan konteks nyata, batasan, pembaca target, bukti saat ini, dan kedalaman hasil yang diharapkan sebelum menjalankan; jangan gunakan ini sebagai pertanyaan chat generik.

FAQ prompt

Sebelum Anda menggunakan prompt ini

Pemeriksaan cepat untuk input, kecocokan model, dan cara menyesuaikan template tanpa melemahkan hasil.

Apa yang perlu saya siapkan sebelum menggunakan Klaster Keberatan Pelanggan?

Siapkan catatan masukan nyata, tujuan bisnis, batasan, bukti yang tersedia, dan struktur tepat yang ingin Anda terima kembali.

Bagaimana cara menilai kualitas responsnya?

Periksa apakah balasan memisahkan fakta dari asumsi serta memberi risiko, kompromi, dan langkah berikutnya yang dapat ditindaklanjuti, bukan saran generik.

Pratinjau thread

Keberatan: terlalu banyak model, kredit tidak jelas, pertanyaan privasi, ekspor sulit ditemukan, dan anggota tim membutuhkan persetujuan.
Tema 1: beban keputusan seputar pilihan model. Tema 2: kecemasan biaya seputar kredit dan prediktabilitas penggunaan. Tema 3: kekhawatiran kepercayaan dan tata kelola seputar privasi dan persetujuan. Balasan yang direkomendasikan: mulai dengan pilihan bawaan, alat estimasi kredit, dan kontrol ruang kerja. Tindak lanjut produk: tingkatkan rekomendasi model, tampilkan tindakan ekspor, dan dokumentasikan alur persetujuan.

Output

Tema / sinyal pembelian / balasan / tindak lanjut produk

Prompt lain dalam mode ini

thread chat

Kami ingin membuat asisten AI untuk tim ecommerce kecil yang mengubah foto produk menjadi aset kampanye.

Hipotesis masalah: tim ecommerce kecil kehilangan waktu saat mengubah foto produk mentah menjadi aset kampanye yang siap untuk berbagai kanal. Asumsi paling berisiko: kualitas foto cukup tinggi, tim mempercayai variasi aset AI, dan waktu tinjauan adalah bottleneck sebenarnya. Pertanyaan riset: siapa yang memiliki proses pembuatan aset kampanye, di mana revisi tersendat, dan standar kualitas apa yang menghambat publikasi. Rencana validasi: wawancarai 5 operator, uji 3 alur aset berbasis prompt, dan bandingkan waktu hingga aset pertama disetujui. Gerbang keputusan: lanjutkan hanya jika tim bisa mencapai draf yang layak dipublikasikan lebih cepat daripada alur kerja mereka saat ini.

thread chat

Kami sedang mengeksplorasi produk catatan AI baru untuk konsultan solo. Bantu saya mengubahnya menjadi brief riset.

Tujuan: menentukan apakah konsultan solo membutuhkan workspace catatan AI atau lapisan tindak lanjut klien yang lebih ringan. Asumsi kerja: mereka sudah menangkap catatan, tetapi sintesis dan penyusunan langkah berikutnya belum konsisten. Audiens: konsultan solo dengan panggilan klien berulang dan dukungan operasional terbatas. Pertanyaan utama: catatan mana yang berubah menjadi pekerjaan tertagih, apa yang hilang setelah panggilan, dan di mana tool CRM terasa terlalu berat. Rencana riset: lakukan 6 wawancara, tinjau 10 alur kerja catatan panggilan terbaru, dan uji satu prototipe brief tindak lanjut.

thread chat

Ini outline untuk landing page produk AI kami. Beri tahu saya bagian mana yang belum jelas sebelum kami mendesainnya.

Core promise: sudah terlihat, tetapi masih dibingkai sebagai fitur, bukan outcome pengguna yang konkret. Unclear point: halaman belum menjelaskan siapa yang mendapat value pertama atau workflow apa yang berubah setelah signup. Example gap: tambahkan contoh before-after, sampel output model, dan satu trust signal singkat di dekat hero. CTA issue: action utama muncul setelah terlalu banyak penjelasan; pindahkan CTA yang berorientasi penggunaan lebih dekat ke section quick-use. Revision plan: tajamkan hero, tambahkan outcome cards, lalu tulis ulang objections sebelum memoles visual.