Terug naar promptbibliotheek
PromptbibliotheekChatprompt

Cluster voor klantbezwaren

Gebruik Cluster voor klantbezwaren om echte workflow-notities om te zetten in gestructureerde chatoutput voor review, beslissingen en vervolgstappen.

KlantfeedbackSales enablementSupport
Preview

Chatprompt

Aanbevolen model

Claude Haiku 4.5

Uitvoerformaat

Gestructureerde chatoutput

Preview

Chatprompt

chatthread

Bezwaren: te veel modellen, onduidelijke credits, privacyvragen, exports zijn moeilijk te vinden en teamleden hebben goedkeuringen nodig.

Thema 1: beslisoverload rond modelkeuze. Thema 2: kostenonzekerheid rond credits en voorspelbaarheid van gebruik. Thema 3: vertrouwen en governance rond privacy en goedkeuringen. Aanbevolen antwoord: begin met defaults, credit-estimator en workspace-controls. Product-follow-up: verbeter modelaanbeveling, maak exportacties zichtbaarder en documenteer goedkeuringsflows.

Uitvoer

Thema's / koopsignalen / antwoorden / product-follow-up

Preview voor Cluster voor klantbezwaren, gericht op inputcontext, gestructureerd antwoord en bruikbare vervolgstappen.

Volledige prompt

Cluster voor klantbezwaren

Chatprompt voor Cluster voor klantbezwaren met gestructureerde analyse, risico's, aanbevelingen en vervolgstappen.

Aanbevolen model: Claude Haiku 4.5Uitvoerformaat: Gestructureerde chatoutput
Volledige prompt
Chatprompt
Je bent een analist voor klantinzichten. Cluster bezwaar-notities in thema's, signalen uit de koopfase, aanbevolen antwoorden en product-follow-upitems.

Gebruiksnotities

Voeg echte context, beperkingen, de beoogde lezer, huidig bewijs en gewenste outputdiepte toe voordat je de prompt uitvoert; gebruik hem niet als generieke chatvraag.

Prompt-FAQ

Voordat je deze prompt gebruikt

Snelle checks voor invoer, modelfit en hoe je de template aanpast zonder het resultaat te verzwakken.

Wat moet ik voorbereiden voordat ik Cluster voor klantbezwaren gebruik?

Bereid echte inputnotities, het bedrijfsdoel, beperkingen, beschikbaar bewijs en de exacte structuur die je terug wilt krijgen voor.

Hoe moet ik de kwaliteit van het antwoord beoordelen?

Controleer of het antwoord feiten van aannames scheidt en risico's, afwegingen en bruikbare vervolgstappen geeft in plaats van generiek advies.

Threadpreview

Bezwaren: te veel modellen, onduidelijke credits, privacyvragen, exports zijn moeilijk te vinden en teamleden hebben goedkeuringen nodig.
Thema 1: beslisoverload rond modelkeuze. Thema 2: kostenonzekerheid rond credits en voorspelbaarheid van gebruik. Thema 3: vertrouwen en governance rond privacy en goedkeuringen. Aanbevolen antwoord: begin met defaults, credit-estimator en workspace-controls. Product-follow-up: verbeter modelaanbeveling, maak exportacties zichtbaarder en documenteer goedkeuringsflows.

Uitvoer

Thema's / koopsignalen / antwoorden / product-follow-up

Meer prompts in deze modus

chatthread

We willen een AI-assistent bouwen voor kleine e-commerceteams die productfoto's omzet in campagnemateriaal.

Probleemhypothese: kleine e-commerceteams verliezen tijd wanneer ze ruwe productfoto's omzetten in campagnemateriaal dat klaar is voor verschillende kanalen. Risicovolste aannames: de fotokwaliteit is hoog genoeg, teams vertrouwen AI-variaties van assets en reviewtijd is de echte bottleneck. Onderzoeksvragen: wie is eigenaar van het maken van campagnemateriaal, waar lopen revisies vast en welke kwaliteitslat blokkeert publicatie. Validatieplan: interview 5 operators, test 3 promptgestuurde assetflows en vergelijk de tijd tot het eerste goedgekeurde asset. Beslispoort: ga alleen door als teams sneller dan in hun huidige workflow een publiceerbare draft bereiken.

chatthread

We verkennen een nieuw AI-notitieproduct voor zelfstandige consultants. Help me dit om te zetten in een onderzoeksbrief.

Doel: bepalen of zelfstandige consultants een AI-notitiewerkruimte nodig hebben of een lichtere laag voor klantopvolging. Werkhypothesen: ze leggen al notities vast, maar synthese en het opstellen van vervolgstappen zijn inconsistent. Doelgroep: zelfstandige consultants met terugkerende klantgesprekken en beperkte operationele ondersteuning. Belangrijke vragen: welke notities worden factureerbaar werk, wat gaat verloren na gesprekken en waar voelen CRM-tools te zwaar. Onderzoeksplan: voer 6 interviews uit, review 10 recente workflows voor gespreksnotities en test een prototype voor een opvolgbrief.

chatthread

Hier is de outline voor onze AI-productlandingpage. Vertel me wat onduidelijk is voordat we hem ontwerpen.

Kernbelofte: zichtbaar, maar nog steeds geformuleerd als een feature in plaats van als een concreet gebruikersresultaat. Onduidelijk punt: de pagina legt niet uit wie als eerste waarde krijgt of welke workflow na signup verandert. Voorbeeldhiaat: voeg voor-na-voorbeelden, modeloutputsamples en een kort vertrouwenssignaal dicht bij de hero toe. CTA-probleem: de primaire actie verschijnt na te veel uitleg; verplaats een gebruiksgerichte CTA dichter naar de quick-use-sectie. Revisieplan: scherp de hero aan, voeg resultaatkaarten toe en herschrijf daarna bezwaren voordat je de visuals polijst.