Kembali ke pustaka prompt
Pustaka promptPrompt sembang

Kluster Bantahan Pelanggan

Gunakan Kluster Bantahan Pelanggan untuk menukar nota aliran kerja sebenar menjadi output sembang berstruktur bagi semakan, keputusan, dan tindakan seterusnya.

Maklum balas pelangganPemerkasaan jualanSokongan
Pratonton

Prompt sembang

Model disyorkan

Claude Haiku 4.5

Format output

Output sembang berstruktur

Pratonton

Prompt sembang

utas sembang

Bantahan: terlalu banyak model, kredit tidak jelas, soalan privasi, eksport sukar ditemui, dan ahli pasukan memerlukan kelulusan.

Tema 1: beban keputusan sekitar pilihan model. Tema 2: kebimbangan kos sekitar kredit dan kebolehramalan penggunaan. Tema 3: kebimbangan kepercayaan dan tadbir urus sekitar privasi dan kelulusan. Balasan disyorkan: mulakan dengan lalai, penganggar kredit, dan kawalan ruang kerja. Susulan produk: tingkatkan cadangan model, tonjolkan tindakan eksport, dan dokumentasikan aliran kelulusan.

Output

Tema / Isyarat pembelian / Balasan / Susulan produk

Pratonton untuk Kluster Bantahan Pelanggan, berfokus pada konteks input, balasan berstruktur, dan langkah seterusnya yang boleh ditindaklanjuti.

Prompt penuh

Kluster Bantahan Pelanggan

Prompt sembang Kluster Bantahan Pelanggan dengan analisis berstruktur, risiko, cadangan, dan tindakan seterusnya.

Model disyorkan: Claude Haiku 4.5Format output: Output sembang berstruktur
Prompt penuh
Prompt sembang
Anda ialah penganalisis cerapan pelanggan. Kelompokkan nota bantahan menjadi tema, isyarat tahap pembelian, balasan yang disyorkan, dan item susulan produk.

Nota penggunaan

Tambah konteks sebenar, kekangan, pembaca sasaran, bukti semasa, dan kedalaman output yang dijangka sebelum menjalankannya; jangan gunakannya sebagai soalan sembang generik.

Soalan lazim prompt

Sebelum anda menggunakan prompt ini

Semakan pantas untuk input, kesesuaian model dan cara menyesuaikan templat tanpa melemahkan hasil.

Apa yang perlu saya sediakan sebelum menggunakan Kluster Bantahan Pelanggan?

Sediakan nota input sebenar, matlamat perniagaan, kekangan, bukti yang tersedia, dan struktur tepat yang anda mahu terima kembali.

Bagaimanakah saya patut menilai kualiti balasan?

Semak sama ada balasan memisahkan fakta daripada andaian serta memberi risiko, pertukaran nilai, dan langkah seterusnya yang boleh ditindaklanjuti, bukan nasihat generik.

Pratonton utas

Bantahan: terlalu banyak model, kredit tidak jelas, soalan privasi, eksport sukar ditemui, dan ahli pasukan memerlukan kelulusan.
Tema 1: beban keputusan sekitar pilihan model. Tema 2: kebimbangan kos sekitar kredit dan kebolehramalan penggunaan. Tema 3: kebimbangan kepercayaan dan tadbir urus sekitar privasi dan kelulusan. Balasan disyorkan: mulakan dengan lalai, penganggar kredit, dan kawalan ruang kerja. Susulan produk: tingkatkan cadangan model, tonjolkan tindakan eksport, dan dokumentasikan aliran kelulusan.

Output

Tema / Isyarat pembelian / Balasan / Susulan produk

Lebih banyak prompt dalam mod ini

utas sembang

Kami mahu membina pembantu AI untuk pasukan e-dagang kecil yang menukar foto produk menjadi aset kempen.

Hipotesis masalah: pasukan e-dagang kecil kehilangan masa menukar foto produk mentah menjadi aset kempen yang sedia untuk saluran. Andaian paling berisiko: kualiti foto cukup tinggi, pasukan mempercayai variasi aset AI, dan masa semakan ialah halangan sebenar. Soalan kajian: siapa memiliki penciptaan aset kempen, di mana semakan tersangkut, dan piawaian kualiti apa yang menghalang penerbitan. Rancangan pengesahan: temu bual 5 operator, uji 3 aliran aset berpandukan prompt, dan bandingkan masa hingga aset pertama diluluskan. Pintu keputusan: teruskan hanya jika pasukan boleh mencapai draf boleh diterbitkan lebih cepat daripada aliran kerja semasa.

utas sembang

Kami sedang meneroka produk nota AI baharu untuk perunding solo. Bantu saya menukarnya menjadi brief kajian.

Objektif: tentukan sama ada perunding solo memerlukan ruang kerja nota AI atau lapisan susulan klien yang lebih ringan. Andaian kerja: mereka sudah menangkap nota, tetapi sintesis dan draf langkah seterusnya tidak konsisten. Audiens: perunding solo dengan panggilan klien berulang dan sokongan operasi terhad. Soalan utama: nota mana yang menjadi kerja boleh dibilkan, apa yang hilang selepas panggilan, dan di mana alat CRM terasa terlalu berat. Rancangan kajian: jalankan 6 temu bual, semak 10 aliran kerja nota panggilan terkini, dan uji satu prototaip brief susulan.

utas sembang

Ini rangka landing page produk AI kami. Beritahu saya apa yang tidak jelas sebelum kami mereka bentuknya.

Janji teras: kelihatan, tetapi masih dibingkaikan sebagai ciri dan bukan hasil pengguna yang konkrit. Perkara tidak jelas: halaman tidak menerangkan siapa yang mendapat nilai terlebih dahulu atau aliran kerja apa yang berubah selepas daftar. Jurang contoh: tambah contoh sebelum-selepas, sampel output model, dan satu isyarat kepercayaan ringkas berhampiran hero. Isu CTA: tindakan utama muncul selepas terlalu banyak penjelasan; pindahkan CTA berorientasikan penggunaan lebih dekat ke seksyen quick-use. Pelan semakan: tajamkan hero, tambah kad hasil, kemudian tulis semula bantahan sebelum menggilap visual.