Назад к библиотеке промптов
Библиотека промптовЧат-промпт

Кластеризация возражений клиентов

Используйте кластеризацию возражений клиентов, чтобы превратить реальные заметки о рабочем процессе в структурированный чат-результат для проверки, решений и следующих действий.

Клиентская обратная связьПоддержка продажПоддержка
Превью

Чат-промпт

Рекомендуемая модель

Claude Haiku 4.5

Формат результата

Структурированный чат-результат

Превью

Чат-промпт

чат-ветка

Возражения: слишком много моделей, непонятные кредиты, вопросы приватности, экспорт сложно найти, а участникам команды нужны согласования.

Тема 1: перегрузка выбора вокруг подбора модели. Тема 2: тревога о стоимости из-за кредитов и предсказуемости использования. Тема 3: вопросы доверия и управления вокруг приватности и согласований. Рекомендуемый ответ: начать с настроек по умолчанию, оценщика кредитов и элементов контроля рабочей области. Последующие продуктовые действия: улучшить рекомендации моделей, заметнее показать действия экспорта и задокументировать потоки согласований.

Результат

Темы / сигналы покупки / ответы / последующие продуктовые действия

Превью кластеризации возражений клиентов с фокусом на входной контекст, структурированный ответ и практичные следующие шаги.

Полный промпт

Кластеризация возражений клиентов

Чат-промпт кластеризации возражений клиентов со структурированным анализом, рисками, рекомендациями и следующими действиями.

Рекомендуемая модель: Claude Haiku 4.5Формат результата: Структурированный чат-результат
Полный промпт
Чат-промпт
Вы аналитик клиентских инсайтов. Сгруппируйте заметки о возражениях в темы, сигналы стадии покупки, рекомендуемые ответы и последующие продуктовые действия.

Примечания по использованию

Перед запуском добавьте реальный контекст, ограничения, целевого читателя, текущие доказательства и ожидаемую глубину ответа; не используйте это как общий вопрос для чата.

Вопросы по промпту

Перед использованием этого промпта

Быстрые проверки входных данных, подходящей модели и способов адаптировать шаблон без потери качества результата.

Что подготовить перед использованием кластеризации возражений клиентов?

Подготовьте реальные входные заметки, бизнес-цель, ограничения, доступные доказательства и точную структуру, которую хотите получить.

Как оценивать качество ответа?

Проверьте, отделяет ли ответ факты от предположений и дает ли риски, компромиссы и практичные следующие шаги вместо общих советов.

Превью ветки

Возражения: слишком много моделей, непонятные кредиты, вопросы приватности, экспорт сложно найти, а участникам команды нужны согласования.
Тема 1: перегрузка выбора вокруг подбора модели. Тема 2: тревога о стоимости из-за кредитов и предсказуемости использования. Тема 3: вопросы доверия и управления вокруг приватности и согласований. Рекомендуемый ответ: начать с настроек по умолчанию, оценщика кредитов и элементов контроля рабочей области. Последующие продуктовые действия: улучшить рекомендации моделей, заметнее показать действия экспорта и задокументировать потоки согласований.

Результат

Темы / сигналы покупки / ответы / последующие продуктовые действия

Еще промпты в этом режиме

чат-ветка

Мы хотим создать ИИ-ассистента для небольших ecommerce-команд, который превращает продуктовые фото в материалы кампаний.

Гипотеза проблемы: небольшие ecommerce-команды теряют время, превращая сырые продуктовые фотографии в готовые для каналов материалы кампаний. Самые рискованные допущения: качество фото достаточно высокое, команды доверяют вариациям ассетов от ИИ, а реальным узким местом является время проверки. Исследовательские вопросы: кто отвечает за создание материалов кампаний, где стопорятся правки и какая планка качества блокирует публикацию. План проверки: интервьюировать 5 операционных специалистов, протестировать 3 потока ассетов на базе промптов и сравнить время до первого одобренного ассета. Ворота решения: продолжать только если команды могут получить пригодный к публикации черновик быстрее, чем в текущем рабочем процессе.

чат-ветка

Мы изучаем новый продукт AI-заметок для независимых консультантов. Помогите превратить это в исследовательский бриф.

Цель: определить, нужен ли независимым консультантам рабочий стол AI-заметок или более легкий слой клиентского сопровождения. Рабочие допущения: они уже фиксируют заметки, но синтез и подготовка следующих шагов непоследовательны. Аудитория: независимые консультанты с регулярными клиентскими звонками и ограниченной операционной поддержкой. Ключевые вопросы: какие заметки превращаются в оплачиваемую работу, что теряется после звонков и где CRM-инструменты ощущаются слишком тяжелыми. План исследования: провести 6 интервью, разобрать 10 недавних рабочих процессов заметок по звонкам и протестировать один прототип брифа для клиентского сопровождения.

чат-ветка

Вот план лендинга нашего AI-продукта. Скажи, что неясно, прежде чем мы начнем дизайн.

Ключевое обещание: видно, но оно все еще сформулировано как функция, а не как конкретный результат для пользователя. Непонятный момент: страница не объясняет, кто первым получает ценность и какой workflow меняется после регистрации. Пробел в примерах: добавьте примеры до и после, образцы вывода модели и один короткий сигнал доверия рядом с hero. Проблема CTA: основное действие появляется после слишком большого объяснения; перенесите CTA, ориентированный на использование, ближе к блоку быстрого применения. План правок: уточнить hero, добавить карточки результатов, затем переписать работу с возражениями перед визуальной полировкой.