ವಿನಂತಿಯ ಸಾರಾಂಶ ಮತ್ತು ವರ್ಗೀಕರಣ (ಟಿಕೆಟ್ ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ)

ಲಾಭಗಳು:

• ದೀರ್ಘ ಮತ್ತು ಚದುರಿದ ಗ್ರಾಹಕರ ವಿನಂತಿಗಳನ್ನು ರಚನಾತ್ಮಕ, ಕ್ರಿಯಾಶೀಲ ಸಾರಾಂಶಗಳಾಗಿ ಪರಿವರ್ತಿಸುವ ಸಾಮರ್ಥ್ಯ
• ನಿಗದಿತ ಸ್ಕೀಮಾದೊಂದಿಗೆ ವರ್ಗ, ತುರ್ತು ಮತ್ತು ಗ್ರಾಹಕರ ಭಾವನೆಗಳ ಪ್ರಕಾರ ವಿನಂತಿಗಳನ್ನು ವರ್ಗೀಕರಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಬೃಹತ್ ಟಿಕೆಟ್ ಪ್ರಕ್ರಿಯೆಗೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸೂಕ್ತವಾದ ಸ್ಥಿರವಾದ ಔಟ್‌ಪುಟ್ ಸ್ವರೂಪವನ್ನು (JSON/ಟೇಬಲ್) ವ್ಯಾಖ್ಯಾನಿಸುವ ಸಾಮರ್ಥ್ಯ

ಬೆಂಬಲ ತಂಡದ ಬೆಳಿಗ್ಗೆ ಊಹಿಸಿ: 220 ಹೊಸ ಟಿಕೆಟ್‌ಗಳು (ಟಿಕೆಟ್‌ಗಳು) ರಾತ್ರಿಯಿಡೀ ಸಂಗ್ರಹವಾಗಿವೆ. ಕೆಲವು ಒಂದು ಸಾಲಿನ "ನಾನು ನನ್ನ ಪಾಸ್‌ವರ್ಡ್ ಮರೆತಿದ್ದೇನೆ", ಕೆಲವು ಕೋಪಗೊಂಡ ಮೂರು-ಪ್ಯಾರಾಗ್ರಾಫ್ ದೂರು, ಮತ್ತು ಕೆಲವು ವಾಸ್ತವವಾಗಿ ಮಾರಾಟದ ಅವಕಾಶವಾಗಿದೆ. ಈ ರಾಶಿಯ ಮೂಲಕ ಓದುವುದು, ಪ್ರತಿಯೊಂದನ್ನು ಸರಿಯಾದ ವರ್ಗಕ್ಕೆ ನಿಯೋಜಿಸುವುದು, ಅದರ ತುರ್ತುಸ್ಥಿತಿಯನ್ನು ನಿರ್ಧರಿಸುವುದು ಮತ್ತು ಸರಿಯಾದ ವ್ಯಕ್ತಿಗೆ ನಿರ್ದೇಶಿಸುವುದು (ಇದನ್ನು ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ; ತುರ್ತು ಕೋಣೆಯಲ್ಲಿ ಆದ್ಯತೆಯ ಮೇರೆಗೆ ರೋಗಿಗಳನ್ನು ವಿಂಗಡಿಸುವ ಅದೇ ತರ್ಕ) ದಿನದ ಮೊದಲ ಎರಡು ಗಂಟೆಗಳ ಕಾಲ ತಿನ್ನುತ್ತದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಈ ಕೆಲಸವನ್ನು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಮತ್ತು ಸ್ಥಿರವಾಗಿ ಮಾಡಬಹುದು. ಆದರೆ ಮ್ಯಾಜಿಕ್ "ಈ ವಿನಂತಿಯನ್ನು ಸಾರಾಂಶ" ಎಂದು ಹೇಳುತ್ತಿಲ್ಲ; ಇದು ವರ್ಗಗಳ ಸ್ಥಿರ ಪಟ್ಟಿ, ಸ್ಪಷ್ಟ ತುರ್ತು ಮಟ್ಟಗಳು ಮತ್ತು ಮಾದರಿಯಲ್ಲಿ ಬದಲಾಗದ ಔಟ್‌ಪುಟ್ ಸ್ವರೂಪವನ್ನು ಹೇರುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಒಂದೇ ವಿನಂತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದರಿಂದ ನೂರಾರು ವಿನಂತಿಗಳನ್ನು ಯಾಂತ್ರೀಕೃತಗೊಂಡ ರೀತಿಯಲ್ಲಿ ಲೇಬಲ್ ಮಾಡುವವರೆಗೆ ನಾವು ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಾಪಿಸುತ್ತೇವೆ.

ಗಮನಿಸಿ: AI ನಿಂದ ರಚಿಸಲಾದ ವರ್ಗ ಮತ್ತು ತುರ್ತು ಲೇಬಲ್‌ಗಳು ಪ್ರಾಥಮಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ಸಾಧನವಾಗಿದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, "ತುರ್ತು" ಮತ್ತು "ದೂರು" ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾದ ವಿನಂತಿಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೊದಲು ಮಾನವನು ದೃಢೀಕರಿಸಬೇಕು.

ಏಕೆ ರಚನಾತ್ಮಕ ಸಾರಾಂಶ?

ಉಚಿತ ಸಾರಾಂಶವನ್ನು ("ಗ್ರಾಹಕರು ತಮ್ಮ ಸಾಗಣೆಯಲ್ಲಿ ಸಮಸ್ಯೆಗಳನ್ನು ಎದುರಿಸುತ್ತಿದ್ದಾರೆ") ಹುಡುಕಲು, ವಿಂಗಡಿಸಲು ಅಥವಾ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಬೆಂಬಲ ವ್ಯವಸ್ಥಾಪಕರ ಅಗತ್ಯವು ಈ ಕೆಳಗಿನ ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ಪಷ್ಟವಾಗಿದೆ:

• ಈ ವಿನಂತಿಯು ಯಾವ ವರ್ಗಕ್ಕೆ ಸೇರುತ್ತದೆ? (ಶಿಪ್ಪಿಂಗ್, ರಿಟರ್ನ್, ಪಾವತಿ, ತಾಂತ್ರಿಕ, ಉತ್ಪನ್ನ ಮಾಹಿತಿ, ದೂರು, ಮಾರಾಟದ ಅವಕಾಶ)
• ಇದು ಎಷ್ಟು ತುರ್ತು? (ನಿರ್ಣಾಯಕ / ಹೆಚ್ಚಿನ / ಮಧ್ಯಮ / ಕಡಿಮೆ)
• ಗ್ರಾಹಕರ ಭಾವನಾತ್ಮಕ ಸ್ಥಿತಿ ಏನು? (ಕೋಪ / ನಿರಾಶೆ / ತಟಸ್ಥ / ತೃಪ್ತಿ)
• ಅದರ ಒಂದು ವಾಕ್ಯದ ಸಾರವೇನು?
• ಮುಂದಿನ ಹೆಜ್ಜೆ ಏನಾಗಿರಬೇಕು?

ಒಮ್ಮೆ ನೀವು ಈ ಪ್ರಶ್ನೆಗಳನ್ನು ಮುಂಚಿತವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಿ ಮತ್ತು ಅವುಗಳನ್ನು ಮಾದರಿಗೆ ಸ್ಕೀಮಾ (ಸ್ಥಿರ ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ಸಂಭವನೀಯ ಮೌಲ್ಯಗಳು) ನೀಡಿ, ಎಲ್ಲಾ 220 ವಿನಂತಿಗಳನ್ನು ಒಂದೇ ಸ್ವರೂಪದಲ್ಲಿ ಹೋಲಿಸಬಹುದಾಗಿದೆ ಮತ್ತು ಫಿಲ್ಟರ್ ಮಾಡಬಹುದಾಗಿದೆ.

ಹಂತ ಹಂತವಾಗಿ: ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ ಯೋಜನೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದು

1. ವರ್ಗ ಪಟ್ಟಿಯನ್ನು ಪಿನ್ ಮಾಡಿ. ಮಾದರಿ ಹೊಂದಿಕೊಳ್ಳಲು ಬಿಡಬೇಡಿ; ಮುಚ್ಚಿದ ಪಟ್ಟಿಯನ್ನು ನೀಡಿ.
2. ತುರ್ತುಸ್ಥಿತಿಯ ಮಾನದಂಡವನ್ನು ವಿವರಿಸಿ. "ನಿರ್ಣಾಯಕ" ಎಂದರೆ ಏನು ಎಂಬುದನ್ನು ಕಾಂಕ್ರೀಟ್ ಮಾಡಿ: ಸೇವೆ ಸಂಪೂರ್ಣವಾಗಿ ಸ್ಥಗಿತಗೊಂಡಿದೆ, ಪಾವತಿ ನಷ್ಟ, ಭದ್ರತಾ ಅಪಾಯ.
3. ಭಾವನೆಯ ಲೇಬಲ್‌ಗಳನ್ನು ಗುರುತಿಸಿ. ಸೀಮಿತ ಮತ್ತು ಸ್ಪಷ್ಟ ಸೆಟ್ ಬಳಸಿ.
4. ಔಟ್ಪುಟ್ ಸ್ವರೂಪವನ್ನು ಆಮದು ಮಾಡಿ. ಬ್ಯಾಚ್ ಪ್ರಕ್ರಿಯೆಗಾಗಿ, JSON (ಕ್ಷೇತ್ರ-ಮೌಲ್ಯದ ಜೋಡಿಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಯಂತ್ರ-ಓದಿದ ಡೇಟಾ ಸ್ವರೂಪ) ಸೂಕ್ತವಾಗಿದೆ, ಒಂದೇ ವಿನಂತಿಗಾಗಿ, ಟೇಬಲ್ ಸೂಕ್ತವಾಗಿದೆ.
5. "ಖಾತ್ರಿಯಿಲ್ಲದಿದ್ದರೆ ಟಿಕ್" ನಿಯಮವನ್ನು ಮಾಡಿ. ಮಾದರಿಯು ವರ್ಗದ ಬಗ್ಗೆ ಖಚಿತವಾಗಿರದಿದ್ದರೆ, ಅದು ಅನಿಶ್ಚಿತವೆಂದು ಹೇಳಲಿ ಮತ್ತು ಮಾನವನು ನೋಡುತ್ತಾನೆ.
6. ಪರಿಶೀಲಿಸಿ. ಮೊದಲ ಬ್ಯಾಚ್‌ನಲ್ಲಿ, ಲೇಬಲ್‌ಗಳ ನಿಖರತೆಯನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಹೊಂದಿಸಿ.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್‌ಗಳು

ಒಂದೇ ವಿನಂತಿಯನ್ನು ರಚನಾತ್ಮಕ ಸಾರಾಂಶವಾಗಿ ಪರಿವರ್ತಿಸುವ ಮೂಲ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ಅನುಭವಿ ಬೆಂಬಲ ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ ತಜ್ಞ. ಕೆಳಗಿನ ಗ್ರಾಹಕರ ವಿನಂತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಿ. ಕಾಮೆಂಟ್ ಸೇರಿಸಿ; ಪಠ್ಯದಲ್ಲಿ ಏನಿದೆ ಎಂಬುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಈ ಕೆಳಗಿನ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಭರ್ತಿ ಮಾಡಿ:- ಸಾರಾಂಶ: (ಗರಿಷ್ಠ 1 ವಾಕ್ಯ)- ವರ್ಗ: [ಶಿಪ್ಪಿಂಗ್ | ಹಿಂತಿರುಗಿ | ಪಾವತಿ | ತಾಂತ್ರಿಕ | ಉತ್ಪನ್ನ ಮಾಹಿತಿ | ದೂರು | ಮಾರಾಟದ ಅವಕಾಶ]- ತುರ್ತು: [ನಿರ್ಣಾಯಕ | ಹೆಚ್ಚಿನ | ಮಧ್ಯಮ | ಕಡಿಮೆ]- ಭಾವನೆ: [ಕೋಪ | ನಿರಾಶೆ | ತಟಸ್ಥ | ತೃಪ್ತಿ]- next_step: (ಏಕ ವಾಕ್ಯ, ಕಾಂಕ್ರೀಟ್ ಕ್ರಿಯೆ)- ಖಚಿತವಿಲ್ಲ: ("ಹೌದು" ಒಂದು ವೇಳೆ ವರ್ಗ/ತುರ್ತು ಅಸ್ಪಷ್ಟವಾಗಿದ್ದರೆ, ಇಲ್ಲದಿದ್ದರೆ "ಇಲ್ಲ") ವಿನಂತಿ:"""{{ request_text }}"""

ಬ್ಯಾಚ್ ಪ್ರಕ್ರಿಯೆಗಾಗಿ, ಪ್ರಾಂಪ್ಟ್ ಬಹು ವಿನಂತಿಗಳನ್ನು ಒಂದೇ ಬಾರಿಗೆ JSON ಅರೇ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ:

ಕೆಳಗಿನ ಸಂಖ್ಯೆಯ ವಿನಂತಿಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ. ಕೆಳಗಿನ ಸ್ಕೀಮಾದೊಂದಿಗೆ ಪ್ರತಿಯೊಂದಕ್ಕೂ JSON ಆಬ್ಜೆಕ್ಟ್ ಅನ್ನು ರಚಿಸಿ ಮತ್ತು ಎಲ್ಲವನ್ನೂ JSON ಅರೇ ಆಗಿ ಹಿಂತಿರುಗಿಸಿ. ಸ್ಕೀಮ್‌ನ ಹೊರಗೆ ಹೋಗುವುದು: { "id": "", "ಸಾರಾಂಶ": "", "ವರ್ಗ": "", "ತುರ್ತು": "", "ಭಾವನೆ": "", "ಮುಂದಿನ_ಹಂತ": "", "ನನಗೆ ಖಚಿತವಿಲ್ಲ": "" }ವರ್ಗಗಳು ಮಾತ್ರ: ಶಿಪ್ಪಿಂಗ್, ವಾಪಸು, ಪಾವತಿ, ಮಾಹಿತಿ, ತಾಂತ್ರಿಕ, ಉತ್ಪನ್ನ. ವಿನಂತಿಗಳು: {{ numbered_request_list }}

ತುರ್ತು ಮಾನದಂಡವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುವ ಮತ್ತು ಮಾದರಿಗೆ "ವಿಮರ್ಶಾತ್ಮಕ" ವ್ಯಾಖ್ಯಾನವನ್ನು ಕಲಿಸುವ ಪ್ರಾಂಪ್ಟ್:

ಕೆಳಗಿನ ನಿಯಮದ ಪ್ರಕಾರ ತುರ್ತುಸ್ಥಿತಿಯನ್ನು ನಿರ್ಧರಿಸಿ:- ನಿರ್ಣಾಯಕ: ಸೇವೆಯು ಸಂಪೂರ್ಣವಾಗಿ ಲಭ್ಯವಿಲ್ಲ, ಪಾವತಿಯ ನಷ್ಟ, ಭದ್ರತೆ/ಡೇಟಾ ಅಪಾಯ, ಕಾನೂನು ಬೆದರಿಕೆ.- ಹೆಚ್ಚು: ಪ್ರಮುಖ ಕಾರ್ಯವು ಮುರಿದುಹೋಗಿದೆ ಆದರೆ ಪರಿಹಾರವು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ; ಕೋಪಗೊಂಡ ಗ್ರಾಹಕ.- ಮಧ್ಯಮ: ಏಕವಚನ ಸಮಸ್ಯೆ, ಕೆಲಸದ ಹರಿವನ್ನು ನಿಲ್ಲಿಸುವುದಿಲ್ಲ.- ಕಡಿಮೆ: ಮಾಹಿತಿಗಾಗಿ ವಿನಂತಿ, ಸಲಹೆ, ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆ. "urgency_reason" ಕ್ಷೇತ್ರದಲ್ಲಿ ನಿಮ್ಮ ನಿರ್ಧಾರದ ಕಾರಣವನ್ನು ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ಬರೆಯಿರಿ.

ಮಾರಾಟದ ಅವಕಾಶವನ್ನು ಸೆರೆಹಿಡಿಯುವ ಮತ್ತು ಬೆಂಬಲ/ಮಾರಾಟ ಸೇತುವೆಯನ್ನು ಸ್ಥಾಪಿಸುವ ಪ್ರಾಂಪ್ಟ್:

ವಿನಂತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ, ಗ್ರಾಹಕರು ಹೊಸ ಉತ್ಪನ್ನ/ಪ್ಯಾಕೇಜ್/ಪೂರಕವನ್ನು ಖರೀದಿಸಲು ಆಸಕ್ತಿ ತೋರಿಸಿದರೆ (ಉದಾ. "ನೀವು ದೊಡ್ಡ ಪ್ಯಾಕೇಜ್ ಹೊಂದಿದ್ದೀರಾ", "ಎಷ್ಟು ಬಳಕೆದಾರರು ಅದನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ"), "ಮಾರಾಟದ ಅವಕಾಶ" ವರ್ಗವನ್ನು ಮಾಡಿ ಮತ್ತು "sales_note" ಕ್ಷೇತ್ರದಲ್ಲಿ ಮಾರಾಟ ತಂಡಕ್ಕೆ ಒಂದು ವಾಕ್ಯದ ಸಲಹೆಯನ್ನು ಸೇರಿಸಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್

"ಈ ವಿನಂತಿಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ ಮತ್ತು ವರ್ಗೀಕರಿಸಿ"

ಮುಚ್ಚಿದ ವರ್ಗ ಪಟ್ಟಿ + ತುರ್ತು ವ್ಯಾಖ್ಯಾನ + ಸ್ಥಿರ JSON ಸ್ಕೀಮಾ

ಪ್ರತಿ ಬಾರಿ ವಿಭಿನ್ನ ಲೇಬಲ್‌ಗಳನ್ನು ರಚಿಸುತ್ತದೆ

ಒಂದೇ ವಿನಂತಿಗೆ ಯಾವಾಗಲೂ ಅದೇ ಲೇಬಲ್ ಅನ್ನು ನೀಡುತ್ತದೆ

ಅವನು ತನ್ನ ಸ್ವಂತ ಇಚ್ಛೆಗೆ ಅನುಗುಣವಾಗಿ "ತುರ್ತು" ಎಂಬ ಪದವನ್ನು ಬಳಸುತ್ತಾನೆ.

"ನಿರ್ಣಾಯಕ" ಗಾಗಿ ಕಾಂಕ್ರೀಟ್ ಮಾನದಂಡಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ

ಅವನು ಅಸ್ಪಷ್ಟತೆಯನ್ನು ರೂಪಿಸುತ್ತಾನೆ

emin_degilim: ಹೌದು ಎಂದು ಹೇಳಿ ಮತ್ತು ಅದನ್ನು ವ್ಯಕ್ತಿಗೆ ಬಿಡಿ

ಸ್ಥಿರತೆಯು ಇಲ್ಲಿ ಸುವರ್ಣ ನಿಯಮವಾಗಿದೆ: ಒಂದೇ ದೂರು ಎರಡು ವಿಭಿನ್ನ ದಿನಗಳಲ್ಲಿ ಒಂದೇ ವರ್ಗಕ್ಕೆ ಬರದಿದ್ದರೆ, ಯಾವುದೇ ವರದಿ ಮತ್ತು ಯಾಂತ್ರೀಕೃತಗೊಂಡವು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುವುದಿಲ್ಲ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಗೌಪ್ಯ ವಿಮರ್ಶಕ. SaaS (ಇಂಟರ್ನೆಟ್ ಬಾಡಿಗೆಗೆ ಪಡೆದ ಸಾಫ್ಟ್‌ವೇರ್) ಕಂಪನಿಯಲ್ಲಿ, "ನಾನು ಲಾಗ್ ಇನ್ ಆಗಲು ಸಾಧ್ಯವಿಲ್ಲ, ಇಡೀ ತಂಡವು 40 ಜನರಿಗಾಗಿ ಕಾಯುತ್ತಿದೆ" ಎಂಬ ಸಂದೇಶವು ಉದ್ದ ಕಡಿಮೆಯಾದ ಕಾರಣ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರದ ಪ್ರಾಂಪ್ಟ್ ತುರ್ತು ನಿಯಮಕ್ಕೆ ಧನ್ಯವಾದಗಳು ("ಸೇವೆ ಸಂಪೂರ್ಣವಾಗಿ ಲಭ್ಯವಿಲ್ಲ" ಮಾನದಂಡ) "ನಿರ್ಣಾಯಕ" ಎಂದು ಗುರುತಿಸಿದೆ. ಸರದಿಯಲ್ಲಿ 2 ಗಂಟೆಗಳ ಕಾಲ ಕಾಯುವ ಬದಲು ವಿನಂತಿಯನ್ನು 6 ನಿಮಿಷಗಳಲ್ಲಿ ನಿರ್ವಹಿಸಲಾಗಿದೆ; ಒಂದು SLA (ಸೇವಾ ಮಟ್ಟದ ಒಪ್ಪಂದ, ಅಂದರೆ ಭರವಸೆಯ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯ) ಉಲ್ಲಂಘನೆಯನ್ನು ತಡೆಯಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಕೋಪದ ಆದ್ಯತೆ. ಒಂದು ದಿನ, 180 ವಿನಂತಿಗಳ AI ಟ್ಯಾಗ್‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿದಾಗ, "ಆಂಗ್ರಿ" ಎಂಬ ಭಾವನೆಯೊಂದಿಗೆ 14 ವಿನಂತಿಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಸರತಿಯಲ್ಲಿ ಹಾಕಿರುವುದು ಕಂಡುಬಂದಿದೆ. ಈ ವಿನಂತಿಗಳನ್ನು ಅನುಭವಿ ಪ್ರತಿನಿಧಿಗಳಿಗೆ ನಿರ್ದೇಶಿಸಲಾಗಿದೆ ಮತ್ತು ಹಿಂದಿನ ವಾರಕ್ಕೆ ಹೋಲಿಸಿದರೆ ಆ ವಾರದ ಋಣಾತ್ಮಕ ಸಮೀಕ್ಷೆ ಸ್ಕೋರ್ (CSAT, ಅಂದರೆ ಗ್ರಾಹಕರ ತೃಪ್ತಿ ಸ್ಕೋರ್) ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಿದೆ.

ಪ್ರಕರಣ 3 - ಬೆಂಬಲದಿಂದ ಮಾರಾಟಕ್ಕೆ ಸೇತುವೆ. "ನನ್ನ ಪ್ರಸ್ತುತ ಪ್ಯಾಕೇಜ್ 5 ಬಳಕೆದಾರರಿಗೆ, ನಾನು ಅದನ್ನು 20 ಜನರಿಗೆ ಹೆಚ್ಚಿಸಬೇಕಾಗಿದೆ, ಇದು ಸಾಧ್ಯವೇ?" AI ಸಂದೇಶವನ್ನು "ಮಾರಾಟದ ಅವಕಾಶ" ಎಂದು ಟ್ಯಾಗ್ ಮಾಡಿದೆ ಮತ್ತು ಮಾರಾಟದ ಟಿಪ್ಪಣಿಯನ್ನು ಸೇರಿಸಿದೆ. ವಿನಂತಿಯು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮಾರಾಟ ತಂಡಕ್ಕೆ ಬಿದ್ದಿತು; ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಸಪೋರ್ಟ್ ಕ್ಯೂನಲ್ಲಿ ಕಳೆದು ಹೋದರೆ ಗಮನಕ್ಕೆ ಬರದ ಅಪ್‌ಸೆಲ್ ಅವಕಾಶವು ಲಾಭವಾಗಿದೆ.

ಸಲಹೆ: ನಿಮ್ಮ ವರ್ಗ ಪಟ್ಟಿಯನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ಚಿಕ್ಕದಾಗಿ ಮತ್ತು ಪ್ರತ್ಯೇಕಿಸಿ. 20 ವಿಭಾಗಗಳು ಮಾದರಿಯನ್ನು ಗೊಂದಲಗೊಳಿಸುತ್ತವೆ (ಮತ್ತು ನಿಮ್ಮ ತಂಡ); 6-8 ಸ್ಪಷ್ಟ ವರ್ಗಗಳನ್ನು ಹೆಚ್ಚು ಸ್ಥಿರವಾಗಿ ಲೇಬಲ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ವರದಿಗಳಲ್ಲಿ ಅರ್ಥಪೂರ್ಣವಾಗಿವೆ. ಆಗಾಗ್ಗೆ ಗೊಂದಲಕ್ಕೊಳಗಾದ ಎರಡು ವರ್ಗಗಳನ್ನು ಸಂಯೋಜಿಸಿ.

ಆಟೊಮೇಷನ್‌ಗೆ ಸಂಪರ್ಕಿಸಲಾಗುತ್ತಿದೆ

ರಚನಾತ್ಮಕ JSON ಔಟ್‌ಪುಟ್‌ನ ನೈಜ ಶಕ್ತಿಯೆಂದರೆ ಅದು ಮುಂದಿನ ಹಂತಕ್ಕೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹರಿಯುತ್ತದೆ: "ಕ್ರಿಟಿಕಲ್" ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾದ ವಿನಂತಿಯು ತಕ್ಷಣವೇ ಮ್ಯಾನೇಜರ್‌ಗೆ ತಿಳಿಸುತ್ತದೆ, "ಮಾರಾಟದ ಅವಕಾಶ" CRM (ಗ್ರಾಹಕ ಸಂಬಂಧ ನಿರ್ವಹಣೆ ಸಾಫ್ಟ್‌ವೇರ್) ಗೆ ಬರುತ್ತದೆ, "ರಿಟರ್ನ್" ಸ್ವಯಂ ಸೇವಾ ಹರಿವಿಗೆ ಹೋಗುತ್ತದೆ. ಆದರೆ ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಮೊದಲ ನಿಯಮ: ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ಕ್ರಿಯೆಗಳು (ಮರುಪಾವತಿ, ಖಾತೆ ಮುಚ್ಚುವಿಕೆ) AI ಟ್ಯಾಗ್ ಅನ್ನು ಆಧರಿಸಿ ಎಂದಿಗೂ ಪ್ರಚೋದಿಸುವುದಿಲ್ಲ; ಕೆಲವೊಮ್ಮೆ ಮಾನವ ಅನುಮೋದನೆ ಇರುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ: ಭಾವನೆಯ ವಿಶ್ಲೇಷಣೆಯು ಒಂದು ಮುನ್ಸೂಚನೆಯಾಗಿದೆ, ನಿಖರವಾದ ಮಾಪನವಲ್ಲ. ಮಾಡೆಲ್ "ತಟಸ್ಥ" ಎಂದು ಕರೆಯುವ ಗ್ರಾಹಕರು ವಾಸ್ತವವಾಗಿ ಸದ್ದಿಲ್ಲದೆ ತುಂಬಾ ಕೋಪಗೊಳ್ಳಬಹುದು. ಆದ್ಯತೆ ನೀಡಲು ಭಾವನೆಯ ಟ್ಯಾಗ್ ಬಳಸಿ; ಆದರೆ "ಈ ಗ್ರಾಹಕರು ಈಗಾಗಲೇ ತೃಪ್ತರಾಗಿದ್ದಾರೆ" ಎಂಬಂತಹ ನಿರ್ಣಾಯಕ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಅದರ ಮೇಲೆ ಮಾತ್ರ ಅವಲಂಬಿಸಬೇಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ವರ್ಗ ಪಟ್ಟಿಯನ್ನು ಮಾದರಿಗೆ ಬಿಡುವುದು; ಪ್ರತಿ ಬಾರಿಯೂ ವಿಭಿನ್ನ, ಹೊಂದಾಣಿಕೆಯಾಗದ ಲೇಬಲ್‌ಗಳನ್ನು ಪಡೆಯುವುದು.
• "ತುರ್ತು" ನಂತಹ ಸಂಬಂಧಿತ ಪದವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸದೆ ಬಿಡುವುದು; ಎಲ್ಲರ ಮನವಿ ತುರ್ತು.
• ಔಟ್ಪುಟ್ ಸ್ವರೂಪವನ್ನು ಸರಿಪಡಿಸುತ್ತಿಲ್ಲ; ಕೆಲವೊಮ್ಮೆ ಪ್ಯಾರಾಗ್ರಾಫ್, ಕೆಲವೊಮ್ಮೆ JSON ಬದಲಿಗೆ ಪಟ್ಟಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ.
• ಅನಿಶ್ಚಿತತೆಗಾಗಿ ನಿರ್ಗಮನದ ಬಾಗಿಲನ್ನು ಒದಗಿಸುತ್ತಿಲ್ಲ (ನನಗೆ ಖಚಿತವಿಲ್ಲ).
• ಮಾನವ ಅನುಮೋದನೆಯಿಲ್ಲದೆ AI ಟ್ಯಾಗ್‌ಗೆ ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ವಹಿವಾಟುಗಳನ್ನು (ಮರುಪಾವತಿ, ಖಾತೆ ಮುಚ್ಚುವಿಕೆ) ಲಿಂಕ್ ಮಾಡುವುದು.
• ಮೊದಲ ಬ್ಯಾಚ್ ಅನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸದೆ ಸಂಪೂರ್ಣ ಹರಿವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

• ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರವು ವರ್ಗ, ತುರ್ತು ಮತ್ತು ಭಾವನೆಗಳ ಮೂಲಕ ಒಳಬರುವ ವಿನಂತಿಗಳ ರಾಶಿಯ ಮೂಲಕ ತ್ವರಿತವಾಗಿ ವಿಂಗಡಿಸುತ್ತದೆ.
• ಸ್ಥಿರತೆಗೆ ಕೀ: ಮುಚ್ಚಿದ ವರ್ಗ ಪಟ್ಟಿ, ಕಾಂಕ್ರೀಟ್ ತುರ್ತು ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಸ್ಥಿರ ಔಟ್‌ಪುಟ್ ಫಾರ್ಮ್ಯಾಟ್ (JSON).
• ತುರ್ತು ಮತ್ತು ಭಾವನೆಯ ಲೇಬಲ್‌ಗಳು ಆದ್ಯತೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತವೆ; ಇದು ವಿಮರ್ಶಾತ್ಮಕ ಮತ್ತು ಕೋಪದ ಬೇಡಿಕೆಗಳನ್ನು ಮುಂದಿಡುತ್ತದೆ.
• ರಚನಾತ್ಮಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನೇರವಾಗಿ ಲಿಂಕ್ ಮಾಡಬಹುದು (ಅಧಿಸೂಚನೆ, ರೂಟಿಂಗ್, CRM).
• ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ಕ್ರಿಯೆಗಳು ಮತ್ತು ಅಸ್ಪಷ್ಟ ಲೇಬಲ್‌ಗಳು ಯಾವಾಗಲೂ ಮಾನವ ಪರಿಶೀಲನೆಗೆ ಒಳಗಾಗಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಮೇಲಿನ JSON ಅರೇ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ನೀವು ಹೊಂದಿರುವ 5 ವಿಭಿನ್ನ ಗ್ರಾಹಕ ವಿನಂತಿಗಳನ್ನು (ಅಥವಾ ಮಾದರಿಗಳನ್ನು) ಬ್ಯಾಚ್ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ. ನಂತರ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ: (1) ಪ್ರತಿ ವರ್ಗವು ಸರಿಯಾಗಿದೆಯೇ? (2) "ನಿರ್ಣಾಯಕ" ಎಂದು ಗುರುತಿಸಿದವರು ನಿಜವಾಗಿಯೂ ಸೇವೆಯನ್ನು ನಿಲ್ಲಿಸುತ್ತಾರೆಯೇ? (3) ನಾನು ಸರಿಯಾದ ಸ್ಥಳಗಳಲ್ಲಿ "ಹೌದು" ಎಂದು ಹೇಳಿದ್ದೇನೆಯೇ? ಹೊಂದಿಕೆಯಾಗದ ಯಾವುದೇ ಟ್ಯಾಗ್‌ಗಳನ್ನು ಸರಿಪಡಿಸಿ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ನವೀಕರಿಸಿ (ವಿಶೇಷವಾಗಿ ವರ್ಗದ ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ತುರ್ತು ನಿಯಮ). ಈ ವ್ಯಾಯಾಮವು ನಿಮ್ಮ ಸ್ವಂತ ವಾಸ್ತವಕ್ಕೆ ಸ್ಕೀಮಾವನ್ನು ಮಾಪನಾಂಕ ಮಾಡುವ ಅಭ್ಯಾಸವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ವರ್ಗಗಳ ಮುಚ್ಚಿದ ಮತ್ತು ಪ್ರತ್ಯೇಕ ಪಟ್ಟಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಕಾಂಕ್ರೀಟ್ ಕ್ರಮಗಳೊಂದಿಗೆ ತುರ್ತು ಮಟ್ಟವನ್ನು ವಿವರಿಸಿದೆ.
• [ ] ನಾನು ಔಟ್‌ಪುಟ್ ಸ್ವರೂಪವನ್ನು (JSON/ಟೇಬಲ್) ಸರಿಪಡಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅನಿಶ್ಚಿತತೆಗಾಗಿ ನಿರ್ಗಮನ ಬಾಗಿಲನ್ನು ಸೇರಿಸಿದ್ದೇನೆ (I'm_unsure).
• [ ] ನಾನು ಮೊದಲ ಬ್ಯಾಚ್ ಅನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ ಮತ್ತು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಮಾಪನಾಂಕ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ಕ್ರಿಯೆಗಳ ಮೇಲೆ ಮಾನವ ಅನುಮೋದನೆಯ ಪದರವನ್ನು ಹಾಕಿದ್ದೇನೆ.