యూనిట్లు
1. ఇ-కామర్స్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ప్రమాణీకరణ, గోప్యత మరియు ప్లాట్‌ఫారమ్ నియమాలు 2. ఉత్పత్తి కంటెంట్ జనరేషన్: శీర్షిక, వివరణ, బుల్లెట్లు మరియు బ్రాండ్ భద్రత 3. ఇ-కామర్స్ SEO: కీవర్డ్, ఇన్-స్టోర్ శోధన మరియు వర్గం ఆప్టిమైజేషన్ 4. సిఫార్సు సిస్టమ్స్: వ్యక్తిగతీకరణ, క్రాస్-సెల్లింగ్ మరియు హోమ్‌పేజీ లేఅవుట్ 5. ధర మరియు పోటీదారుల ట్రాకింగ్: డైనమిక్ ప్రైస్, మార్జిన్ మరియు రీప్రైసింగ్ 6. కస్టమర్ సర్వీస్ చాట్‌బాట్: ఆటోమేటిక్ రెస్పాన్స్, ఎస్కలేషన్ మరియు టోన్ మేనేజ్‌మెంట్ 7. రిటర్న్స్ మరియు మోసం: రిస్క్ స్కోరింగ్, దుర్వినియోగ గుర్తింపు మరియు సరసమైన నిర్ణయం 8. మార్కెట్‌ప్లేస్ ఆప్టిమైజేషన్: ట్రెండియోల్, హెప్సిబురాడా, అమెజాన్ మరియు బై బాక్స్ 9. ఇ-కామర్స్ అనలిటిక్స్: మార్పిడి, బాస్కెట్, కోహోర్ట్ మరియు డిమాండ్ అంచనా 10. విజువల్ కంటెంట్, కాపీరైట్ మరియు బ్రాండ్ భద్రత: ఉత్పత్తి ఫోటోగ్రఫీ, బ్యానర్ మరియు వాస్తవికత 11. ఎండ్-టు-ఎండ్ ఇంటిగ్రేషన్, డేటా గోప్యత, ప్లాట్‌ఫారమ్ రూల్స్ మరియు ఎథికల్ గవర్నెన్స్
యూనిట్ 1 / 11

ఇ-కామర్స్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ప్రమాణీకరణ, గోప్యత మరియు ప్లాట్‌ఫారమ్ నియమాలు

లాభాలు:

  • ఇ-కామర్స్ వర్క్‌ఫ్లో (కంటెంట్, సెర్చ్, రికమండేషన్, సర్వీస్, అనలిటిక్స్)లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ నిజ సమయాన్ని ఎక్కడ ఆదా చేస్తుందో మరియు టాస్క్ రిస్క్ స్థాయిని బట్టి ధర, రాబడి మరియు మోసం నిర్ణయాలు మనిషికి ఎక్కడ వదిలివేయబడతాయో గుర్తించగలగడం.
  • ప్రతి AI అవుట్‌పుట్‌ను మూలానికి లింక్ చేయడం, తిరిగి లెక్కించడం మరియు వాణిజ్యపరమైన ఫిల్టర్ చేయడం వంటి దశల ద్వారా ధృవీకరించే క్రమశిక్షణను వర్తింపజేయగల సామర్థ్యం.
  • KVKK / GDPR పరిధిలో కస్టమర్ మరియు ఆర్డర్ డేటాను రక్షించడం మరియు మార్కెట్ ప్లేస్ / ప్లాట్‌ఫారమ్ నిబంధనలకు అనుగుణంగా వాహనాలను ఎంచుకునే అలవాటును పొందడం

ఇ-కామర్స్ స్టోర్‌లో ప్రతిరోజూ వందలాది చిన్న నిర్ణయాలు నిశ్శబ్దంగా తీసుకోబడతాయి. ఈ ఉత్పత్తి యొక్క శీర్షిక ఏమిటి? ఏ కీవర్డ్ శోధించబడుతోంది; హోమ్ పేజీలో ఏ ఉత్పత్తిని ప్రదర్శించాలి; పోటీదారు దాని ధరను తగ్గించాడు, మనం ఏమి చేయాలి? మేము ఈ కస్టమర్‌కి ఎలా ప్రతిస్పందించాలి? ఈ వాపసు నిజమా లేక దుర్వినియోగమా; ఈ ఆర్డర్ మోసం కావచ్చు? ఈ నిర్ణయాలలో కొన్ని పునరుక్తి, డేటా-ఇంటెన్సివ్ మరియు సమయం తీసుకునేవి; కొన్ని నేరుగా కస్టమర్ బాటమ్ లైన్, మీ స్టోర్ లాభాలు లేదా ఖాతా మూసివేయబడిందా లేదా అనే దానిపై ప్రభావం చూపుతాయి. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI, లేదా సంక్షిప్త-కంప్యూటర్ సిస్టమ్‌ల కోసం AI, ఇది మానవుని లాంటి టెక్స్ట్‌ను రూపొందించగలదు, నమూనాలను గుర్తించగలదు, అంచనాలను రూపొందించగలదు మరియు డేటాను సంగ్రహించగలదు) ఈ చిత్రానికి సరిగ్గా సరిపోతుంది: సరిగ్గా ఉపయోగించినప్పుడు, ఇది వందల కొద్దీ ఉత్పత్తి వివరణలు, ప్రచార పాఠాలు మరియు కస్టమర్ ప్రతిస్పందనలను గంటల కంటే నిమిషాల్లో సిద్ధం చేయగలదు; తప్పుగా ఉపయోగించినప్పుడు, ఇది సురక్షితమైనదిగా అనిపించినప్పటికీ తప్పు అవుట్‌పుట్‌ను నేరుగా మీ స్టోర్, మీ కస్టమర్ లేదా మీ ధరకు తీసుకువెళుతుంది.

ఈ మాడ్యూల్ యొక్క మొదటి యూనిట్ సాఫ్ట్‌వేర్ పరిచయం కాదు. మీ వ్యాపారంలో AIని ఎక్కడ ఉంచాలి మరియు ఎక్కడ ఉంచకూడదు అనే విషయాన్ని స్పష్టం చేయడం దీని ఉద్దేశ్యం. ఇ-కామర్స్ అనేది "ఆపరేషన్స్-క్రిటికల్" మరియు "కస్టమర్ ట్రస్ట్-క్రిటికల్" స్పేస్ రెండూ అయినందున: మీరు ప్రచురించే ఉత్పత్తి కాపీ వినియోగదారు నిర్ణయాన్ని ప్రభావితం చేస్తుంది, మీరు తీసుకునే ధర నిర్ణయం మీ మార్జిన్‌ను ప్రభావితం చేస్తుంది, మోసానికి సంకేతం నిజాయితీగల కస్టమర్‌ని నిరోధించడాన్ని ప్రభావితం చేస్తుంది. మొదటి నుండి ప్రాథమిక సూత్రాన్ని లేవనెత్తండి: కృత్రిమ మేధస్సు సహాయకుడు, నిర్ణయాధికారం కాదు. ధర, ఖాతా మూసివేత, వాపసు తిరస్కరణ, మోసం మార్కింగ్ మరియు కస్టమర్‌కు పంపిన ప్రతి సందేశం యొక్క బాధ్యత మరియు తుది ఆమోదం సమర్థ నిపుణుడు మరియు స్టోర్ యజమానికి చెందుతుంది.

ఇ-కామర్స్ యొక్క పొరలు మరియు AI యొక్క స్థానం

ఇ-కామర్స్ ఆపరేషన్‌ను అర్థం చేసుకోవడానికి, వ్యాపారాన్ని మూడు లేయర్‌లుగా విభజించడం ఉపయోగపడుతుంది. కంటెంట్ మరియు స్టోర్ ఫ్రంట్ లేయర్ అనేది కస్టమర్ చూసే ముఖం: ఉత్పత్తి శీర్షికలు, వివరణలు, చిత్రాలు, వర్గం పేజీలు, శోధన ఫలితాలు. ఆపరేషన్స్ లేయర్ ఆర్డర్‌కు వెనుక భాగం: ధర, జాబితా, షిప్పింగ్, రిటర్న్‌లు, కస్టమర్ సేవ, మోసం నియంత్రణ. విశ్లేషణలు మరియు వ్యూహం పొర నిర్ణయాల దిశను నిర్ణయిస్తుంది: ఏ ఉత్పత్తి లాభాలను తెస్తుంది, ఏ ప్రచారం పని చేస్తోంది, డిమాండ్ ఎక్కడికి వెళుతోంది. AI మూడు పొరలను తాకగలదు; కానీ ఒక్కొక్కరిలో ఒక్కో అధికారం. కంటెంట్ లేయర్ వద్ద, AI వేగవంతమైన చిత్తుప్రతులను ఉత్పత్తి చేస్తుంది; వ్యూహం పొర వద్ద, ఇది ఇన్‌పుట్ మరియు దృష్టాంతాన్ని మాత్రమే అందిస్తుంది, నిర్ణయం మానవునిచే చేయబడుతుంది.

ప్రారంభం నుండి కొన్ని ప్రాథమిక పదాలను నిర్వచిద్దాం. మార్పిడి రేటు అనేది సైట్‌ను కొనుగోలు చేసే సందర్శకుల శాతం. కార్ట్ సగటు (AOV) అనేది ఆర్డర్ యొక్క సగటు మొత్తం. లక్షణం అనేది ఉత్పత్తి యొక్క నిర్మాణాత్మక లక్షణం (రంగు, పరిమాణం, పదార్థం). మార్కెట్‌ప్లేస్ అనేది చాలా మంది విక్రేతలు తమ ఉత్పత్తులను విక్రయించే ఒక సాధారణ ప్లాట్‌ఫారమ్ (Trendyol, Hepsiburada, Amazon వంటివి). రీప్రైసింగ్ అనేది పోటీదారులు మరియు నిబంధనల ప్రకారం ధరను స్వయంచాలకంగా నవీకరించడం. మేము ఈ భావనలను క్రింది యూనిట్లలో ఒక్కొక్కటిగా వివరిస్తాము; ప్రస్తుతానికి, ఇది తెలుసుకోండి: ఈ అన్ని కాన్సెప్ట్‌లలో, AI మీకు అవుట్‌లైన్ మరియు విశ్లేషణను అందిస్తుంది, కానీ నిర్ణయాలు తీసుకోదు.

కింది పట్టిక మిషన్ ద్వారా AI యొక్క పాత్ర మరియు ప్రమాద స్థాయిని సంగ్రహిస్తుంది:

తపన

AI పాత్ర

ప్రమాద స్థాయి

ఎవరు ఆమోదిస్తారు

ఉత్పత్తి వివరణ / శీర్షిక అవుట్‌లైన్

స్కెచ్ జనరేటర్

తక్కువ

కంటెంట్ ఎడిటర్

కీవర్డ్ / SEO సిఫార్సు

ఆలోచన జనరేటర్

తక్కువ

SEO బాధ్యత

కస్టమర్ ప్రతిస్పందన డ్రాఫ్ట్

స్కెచ్ జనరేటర్

మధ్యస్థ

కస్టమర్ సేవ

డిమాండ్/అమ్మకాల సూచన

భవిష్య సూచకుడు, దృశ్య జనరేటర్

మధ్యస్థ

కొనుగోలు / విశ్లేషణ

ధర/రెప్రైసింగ్ సూచన

గణాంక సూచన

అధిక

ధరల నిపుణుడు

రిటర్న్ తిరస్కరణ నిర్ణయం

సహాయక ఇన్పుట్

అధిక

కస్టమర్ సర్వీస్ అధికారి

మోసం / ఖాతా మూసివేత

రిస్క్ సిగ్నల్, చివరి పదం కాదు

చాలా ఎక్కువ

రిస్క్ టీమ్ + మేనేజర్

ఈ చార్ట్‌లోని ఒక పంక్తిని గుర్తుంచుకోండి: ప్రమాదం పెరిగేకొద్దీ, AI పాత్ర తగ్గిపోతుంది, మానవ ఆమోదం పెరుగుతుంది.

"ధృవీకరణ" ఎందుకు ఈ వ్యాపారం యొక్క గుండె

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ లాంగ్వేజ్ మోడల్‌లు తమ సమాధానంలో నమ్మకంగా కనిపిస్తున్నాయి, కానీ అవి ఖచ్చితంగా తెలియకపోవచ్చు. సాంకేతిక భాషలో, దీనిని భ్రాంతి అని పిలుస్తారు: ఇది వాస్తవమైనట్లుగా, ఒక సరళమైన వాక్యంలో ఉనికిలో లేని సమాచారాన్ని మోడల్ యొక్క కల్పన. ఇ-కామర్స్ ప్రొఫెషనల్‌కి, ఇది ఒక తీవ్రమైన ట్రాప్: మోడల్ మీకు "ఈ ఉత్పత్తి యొక్క బ్యాటరీ 5000 mAh" అని చెప్పే స్పెసిఫికేషన్‌ను అందించవచ్చు, అయినప్పటికీ అతను ఉత్పత్తిని ఎప్పుడూ చూడలేదు మరియు ఈ సంఖ్య పూర్తిగా రూపొందించబడింది. లేదా మీరు "గత నెలలో మీ మార్పిడి రేటు 4.2 శాతం" వంటి మెట్రిక్ ఇవ్వవచ్చు; అయితే, ఇది మీ డేటాను ఎప్పుడూ యాక్సెస్ చేయలేదు. అతను రెండింటినీ ఒకే పటిమతో చెప్పాడు కాబట్టి, మీ జ్ఞానం మరియు ధృవీకరించే అలవాటు మాత్రమే సరైనది మరియు తప్పులను వేరు చేస్తుంది. మీరు తప్పుడు వివరణను ప్రచురించినట్లయితే, మీరు తప్పుదారి పట్టించే ప్రకటనలు చేస్తున్నారు; రిటర్న్‌లు, ఫిర్యాదులు మరియు ప్లాట్‌ఫారమ్ ఆంక్షలు.

ధృవీకరణ క్రమశిక్షణ మూడు దశలను కలిగి ఉంటుంది:

  1. మూలానికి లింక్: సాంకేతిక వివరాల కోసం, ఉత్పత్తి యొక్క వాస్తవ స్పెక్ షీట్ మరియు సరఫరాదారు డేటాను చూడండి; కొలమానాల కోసం మీ స్వంత విశ్లేషణ డాష్‌బోర్డ్ (Google Analytics, మార్కెట్‌ప్లేస్ డ్యాష్‌బోర్డ్, ఇ-కామర్స్ ఇన్‌ఫ్రాస్ట్రక్చర్); నిబంధనల కోసం మార్కెట్‌ప్లేస్ మరియు రెగ్యులేటరీ డాక్యుమెంటేషన్‌పై ఆధారపడండి. ఆ డేటాను గుర్తుంచుకోవడానికి కాకుండా దానిపై వ్యాఖ్యానించడానికి AIని ఉపయోగించండి.
  2. తిరిగి లెక్కించండి/పోల్చండి: AI ఇచ్చే ప్రతి సంఖ్య, రేటు మరియు ధరను స్వతంత్రంగా తనిఖీ చేయండి. డిస్కౌంట్ శాతం, మార్జిన్, బాస్కెట్ యావరేజ్‌ని మీరే ధృవీకరించుకోండి.
  3. కమర్షియల్ ఫిల్టర్: అవుట్‌పుట్ గ్రౌండ్‌లోని వాస్తవాలకు (ఖర్చు, మార్జిన్, ఇన్వెంటరీ, చట్టం, బ్రాండ్ వాయిస్) విరుద్ధంగా ఉందా లేదా అని ఆపరేటర్ కోణం నుండి పరీక్షించండి.
హెచ్చరిక: ధర లేదా కస్టమర్ ప్రతిస్పందనను ధృవీకరించకుండా AI- రూపొందించిన ఉత్పత్తి స్క్రిప్ట్‌ను ప్రచురించడం అనేది చెక్ చేయని ఉత్పత్తిని షెల్ఫ్‌లో ఉంచడం లాంటిది. అవుట్‌పుట్ సరళంగా ఉన్నందున నిజం కాదు.

గోప్యత: కస్టమర్ మరియు ఆర్డర్ డేటా వ్యక్తిగత డేటా

వినియోగదారు డేటా (పేరు, టెలిఫోన్, చిరునామా, ఇ-మెయిల్, ఆర్డర్ చరిత్ర, చెల్లింపు సమాచారం) Türkiye మరియు ఐరోపాలోని GDPRలో KVKK (వ్యక్తిగత డేటా రక్షణ చట్టం) పరిధిలో వ్యక్తిగత డేటాగా రక్షించబడుతుంది. పబ్లిక్ AI సాధనంలో కస్టమర్ పేరు, ఫోన్ నంబర్, చిరునామా మరియు ఆర్డర్ జాబితాను పదజాలంగా అతికించడం తీవ్రమైన ఉల్లంఘన. అదే సున్నితత్వం మీ వాణిజ్య రహస్య డేటాకు వర్తిస్తుంది (ధర షీట్‌లు, సరఫరాదారుల ధరలు, మార్జిన్ రేట్లు). నియమం చాలా సులభం: డేటాను అనామకీకరించండి మరియు అనవసరంగా భాగస్వామ్యం చేయవద్దు. "Ayşe Yılmaz, 0532..., Kadıköy"కి బదులుగా "ఇస్తాంబుల్‌లో కస్టమర్"; "సరఫరాదారు ధర 148 TL"కి బదులుగా విశ్లేషించేటప్పుడు సంబంధిత రేట్లను ఉపయోగించండి. వీలైతే, డేటా ప్రాసెసింగ్ ఒప్పందాన్ని కలిగి ఉన్న కార్పొరేట్ సాధనాలను ఎంచుకోండి మరియు మోడల్ శిక్షణలో మీ డేటాను ఉపయోగించవద్దు.

ప్లాట్‌ఫారమ్ నియమాలు: మైదానం యొక్క పంక్తులు

ఇ-కామర్స్‌లో AIని ఉపయోగిస్తున్నప్పుడు మూడవ పరిమితి ఉంది: ప్లాట్‌ఫారమ్ నియమాలు. ప్రతి మార్కెట్ ప్లేస్ (Trendyol, Hepsiburada, Amazon) మరియు ప్రతి అడ్వర్టైజింగ్ ప్లాట్‌ఫారమ్ (Google, Meta) దాని స్వంత కంటెంట్, ధర మరియు ప్రవర్తనా నియమావళిని కలిగి ఉంటుంది. టైటిల్‌లో అనధికారిక బ్రాండ్ పేర్లను ఉపయోగించడం, తప్పుదారి పట్టించే డిస్కౌంట్‌లను చూపడం, నకిలీ సమీక్షలను రూపొందించడం, నిషేధిత ఉత్పత్తులను జాబితా చేయడం లేదా ఆటోమేటిక్ బాట్‌లతో డేటాను స్క్రాప్ చేయడం వంటివి ఈ నిబంధనలకు విరుద్ధంగా ఉండవచ్చు మరియు మీ స్టోర్ సస్పెండ్ చేయబడవచ్చు. AI మీ కోసం చాలా త్వరగా కంటెంట్‌ని ఉత్పత్తి చేయగలదు; అయితే ఆ కంటెంట్ ప్లాట్‌ఫారమ్ నియమాలకు అనుగుణంగా ఉందో లేదో తనిఖీ చేయడం మీ బాధ్యత. ఈ మాడ్యూల్ అంతటా, మేము ప్రతి యూనిట్‌లోని సంబంధిత ప్లాట్‌ఫారమ్ మరియు చట్టపరమైన సరిహద్దులను కూడా కవర్ చేస్తాము.

మూడు చిన్న కేసులు

కేసు 1 - సురక్షితమైన ఉపయోగం. ఒక కేటలాగ్ మేనేజర్ 320 ఉత్పత్తుల వివరణలను చేతితో వ్రాయడానికి వారాలు ప్లాన్ చేస్తున్నారు. అతను AIకి ఇన్‌పుట్‌గా ప్రతి ఉత్పత్తి యొక్క ధృవీకరించబడిన సాంకేతిక లక్షణాలు (స్పెక్) మరియు బ్రాండ్ టోన్ నియమాలను అందించాడు మరియు దాని డ్రాఫ్ట్ వివరణను రూపొందించాడు. AI డ్రాఫ్ట్‌లను 2 రోజుల్లో రూపొందించింది; మేనేజర్ ప్రతి క్లెయిమ్‌ను స్పెక్ షీట్‌తో పోల్చారు, 11 ఉత్పత్తులలో లోపభూయిష్ట ఫీచర్‌లను పరిష్కరించారు మరియు బ్రాండ్ వాయిస్‌ని సరిచేశారు. వ్యవధి: వారాలకు బదులుగా 3 రోజులు. AI డ్రాఫ్ట్ ఇచ్చింది, బాధ్యత మానవుడిపైనే ఉంటుంది.

కేసు 2 — ధృవీకరించబడని నంబర్ ట్రాప్. ఒక స్టోర్ యజమాని AIని అడిగాడు, "గత త్రైమాసికంలో మా మార్పిడి రేటు ఎంత?" అతనికి ఎటువంటి డేటాకు ప్రాప్యత లేనప్పటికీ AI నమ్మకంగా "4.2 శాతం" సంఖ్యను అందించింది. యజమాని తన పెట్టుబడిదారు ప్రదర్శనలో దీనిని ఉంచాడు; వాస్తవ రేటు 1.8 శాతం. వ్యత్యాసం వృద్ధి ప్రణాళికను పట్టాలు తప్పింది. తప్పు: AIకి డేటా ఇవ్వకుండా దాని నుండి కొలమానాలను ఆశించడం.

కేసు 3 - గోప్యత ఉల్లంఘన. ఒక ఉద్యోగి పబ్లిక్ AI సాధనంలోకి తిరిగి వచ్చే కస్టమర్‌ల పూర్తి పేర్లు, ఫోన్ నంబర్‌లు మరియు చిరునామాలతో కూడిన Excel పత్రాన్ని అప్‌లోడ్ చేసి, "ఈ వ్యక్తులకు క్షమాపణ ఇమెయిల్‌ను వ్రాయమని" వారికి చెప్పాడు. డేటా బాహ్య సర్వర్‌కి వెళ్లింది మరియు KVKK పరిశోధన ప్రారంభమైంది. వ్యక్తిగత ఫీల్డ్‌లను తీసివేసి, "రిటర్న్ రీజన్: లేట్ డెలివరీ" వంటి అనామక సందర్భాన్ని మాత్రమే ఇవ్వడం ద్వారా వచనాన్ని రూపొందించడం సరైన మార్గం.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

ఈ ఉత్పత్తికి వివరణను వ్రాయండి మరియు దాని సాంకేతిక వివరాలను తెలియజేయండి.

ఈ దావా లోపభూయిష్టంగా ఉంది: AIకి ఏ ఉత్పత్తి, ఏ ఫీచర్లు, ఏ ప్రేక్షకులు ఇవ్వబడలేదు; చివరికి నకిలీ స్పెసిఫికేషన్‌లను ఉత్పత్తి చేయవచ్చు.

శక్తివంతమైన ప్రాంప్ట్:

మీ పాత్ర: ఇ-కామర్స్ కంటెంట్ ఎడిటర్‌కు సహాయకుడు. ఉత్పత్తి: వైర్‌లెస్ హెడ్‌సెట్. ధృవీకరించబడిన స్పెసిఫికేషన్‌లు:- బ్లూటూత్ 5.3, 30 గంటల మొత్తం బ్యాటరీ, IPX4 వాటర్ రెసిస్టెన్స్, యాక్టివ్ నాయిస్ క్యాన్సిలేషన్ లేదు. టార్గెట్ ప్రేక్షకులు: రోజువారీ ఉపయోగం, విద్యార్థి మరియు కార్యాలయం. బ్రాండ్ వాయిస్: సరళమైనది, నిజాయితీ, తక్కువగా ఉంటుంది. టాస్క్: 3 బుల్లెట్ ప్రయోజన వాక్యాలను మరియు 60-పదాల వివరణ అవుట్‌లైన్‌ని రూపొందించండి.రూల్: పైన ఇచ్చిన ఫీచర్‌లను మాత్రమే ఉపయోగించండి. చేర్చబడని ఏ ఫీచర్లను జోడించవద్దు (ఉదా. నాయిస్ క్యాన్సిలింగ్). మీకు ఖచ్చితంగా తెలియని చోట [VERIFY] గుర్తు పెట్టండి.

ఈ ప్రాంప్ట్ ఉత్పత్తి, ఎందుకంటే ఇది పాత్ర, ధృవీకరించబడిన ఇన్‌పుట్, ప్రేక్షకులు, స్వరం మరియు ముఖ్యంగా "ఇవ్వని వాటిని తయారు చేయడం" అనే నియమాన్ని స్పష్టంగా ఏర్పాటు చేస్తుంది.

సాధారణ తప్పులు

  • AIని డేటా సోర్స్‌గా తప్పుబడుతున్నారు. మోడల్‌కు మీ అమ్మకాల గణాంకాలు, స్టాక్ స్థితి లేదా వాస్తవ ధర తెలియదు; మీరు వీటిని అతనికి ఇవ్వాలి.
  • అవుట్‌పుట్‌ని ధృవీకరించకుండా ప్రచురించడం. ద్రవ వచనం సరైన వచనం కాదు; ప్రతి సాంకేతిక దావా మరియు సంఖ్యను తనిఖీ చేయాలి.
  • వ్యక్తిగత డేటాను అలాగే అతికించడం. పేరు, టెలిఫోన్, చిరునామా మరియు చెల్లింపు సమాచారం అనామకీకరణ లేకుండా భాగస్వామ్యం చేయబడదు.
  • ప్లాట్‌ఫారమ్ నిబంధనలను దాటవేయడం. త్వరగా ఉత్పత్తి చేయబడిన కంటెంట్ బ్రాండ్/ధర/సమీక్ష నియమాలకు విరుద్ధంగా ఉంటే, స్టోర్ తాత్కాలికంగా నిలిపివేయబడవచ్చు.
  • అధిక-రిస్క్ నిర్ణయం తీసుకోవడాన్ని ఆటోమేట్ చేయడం. ధర, వాపసు తిరస్కరణ మరియు మోసం నిర్ణయాలు తప్పనిసరిగా మానవ ఆమోదానికి లోబడి ఉండాలి.
చిట్కా: ప్రతి AI సెషన్‌ను “పాత్ర + ధృవీకరించబడిన ఇన్‌పుట్ + ప్రేక్షకులు + టోన్ + నియమం + [ధృవీకరించు] సైన్” సూత్రంతో ప్రారంభించండి. ఈ ఐదు భాగాలు కలిసి అవుట్‌పుట్ నాణ్యత మరియు భద్రతను మెరుగుపరుస్తాయి.

సారాంశంలో

కృత్రిమ మేధస్సు అనేది ఇ-కామర్స్ యొక్క కంటెంట్, శోధన, సిఫార్సు, సేవ మరియు విశ్లేషణ దశలలో వేగానికి గొప్ప మూలం; కానీ అతను సహాయకుడు, నిర్ణయం తీసుకునేవాడు కాదు. ప్రమాద స్థాయిని బట్టి విధులను వేరు చేయండి: తక్కువ రిస్క్‌లో త్వరిత డ్రాఫ్ట్, ఇన్‌పుట్ మాత్రమే మరియు అధిక రిస్క్‌లో తప్పనిసరిగా మానవ ఆమోదం. ప్రతి అవుట్‌పుట్‌ను మూలానికి కనెక్ట్ చేయడం ద్వారా ధృవీకరించండి, దాన్ని మళ్లీ లెక్కించండి మరియు వాణిజ్య ఫిల్టర్ ద్వారా పంపండి. KVKK/GDPR పరిధిలో కస్టమర్ మరియు ఆర్డర్ డేటాను అనామకీకరించండి మరియు ప్లాట్‌ఫారమ్ నియమాలకు అనుగుణంగా ఉండండి. ధృవీకరించని అవుట్‌పుట్ అనేది తనిఖీ చేయని ఉత్పత్తి.

అప్లికేషన్ టాస్క్

మీ స్వంత స్టోర్ (లేదా నమూనా స్టోర్) కోసం ఒక సాధారణ వారంలో 8 విభిన్న AI వినియోగ పాయింట్‌లను జాబితా చేయండి (ఉదా. ఉత్పత్తి వివరణ, ప్రచార వచనం, కస్టమర్ ప్రతిస్పందన, ధర విశ్లేషణ, రిటర్న్ పరిశీలన). ప్రతిదానికీ: (1) AI పాత్ర ఏమిటి (డ్రాఫ్ట్ / సూచన / ఇన్‌పుట్), (2) రిస్క్ లెవెల్ (తక్కువ / మధ్యస్థం / ఎక్కువ), (3) తుది ఆమోదం ఎవరు ఇచ్చారు, (4) వ్యక్తిగత/వాణిజ్య డేటా ఏమి షేర్ చేయకూడదు. ఆపై పైన ఉన్న "బలమైన ప్రాంప్ట్" ఫార్ములాను మీ టాస్క్‌లలో ఒకదానికి మార్చండి, డ్రాఫ్ట్‌ను రూపొందించండి మరియు అవుట్‌పుట్‌లోని ప్రతి దావాను మీ ధృవీకరణ జాబితాతో గుర్తు పెట్టండి.

చెక్లిస్ట్

  • [ ] నేను ప్రమాద స్థాయిని బట్టి పనిని వర్గీకరించాను; నాకు హై రిస్క్ మానవ సమ్మతి అవసరం.
  • [] నేను AIకి డేటాను ఇచ్చాను; నేను మెట్రిక్/ఫీచర్ ఫిట్టింగ్‌ని అనుమతించలేదు.
  • [ ] నేను ప్రతి సంఖ్యను మరియు సాంకేతిక దావాను నా స్వంత మూలం నుండి ధృవీకరించాను.
  • [ ] నేను వ్యక్తిగత మరియు వాణిజ్య డేటాను అజ్ఞాతీకరించాను లేదా భాగస్వామ్యం చేయలేదు.
  • [ ] కంటెంట్ సంబంధిత ప్లాట్‌ఫారమ్ నియమాలకు అనుగుణంగా ఉందని నేను తనిఖీ చేసాను.
  • [ ] నేను ప్రాంప్ట్‌కు పాత్ర, ధృవీకరించబడిన ఇన్‌పుట్, టోన్ మరియు [VERIFY] నియమాన్ని జోడించాను.