علی فخار

چگونه با هوش مصنوعی مصاحبه‌ها و نظرهای مشتریان را تحلیل کنیم و پیام برند را دقیق‌تر کنیم

  • سطح: مبتدی
  • راه‌اندازی در چند ساعت

پاسخ کوتاه

متن مصاحبه‌ها، نظرها و یادداشت‌های تماس را جمع کنید، اطلاعات شخصی را حذف کنید و از مدل بخواهید هر بخش را بر اساس مشکل، نتیجه دلخواه، تردید و عبارت دقیق مشتری برچسب بزند. موضوع‌ها را با نقل‌قول‌ها تطبیق بدهید و تیتر و شواهدتان را با همان کلمات مشتری بازنویسی کنید.

در این صفحه

در یک نگاه

چه مسئله‌ای را حل می‌کند؟
پیامی که از داخل شرکت نوشته می‌شود معمولاً ویژگی‌ها را توصیف می‌کند. مشتری مشکل و نتیجه را با زبان خودش می‌گوید. خواندن ده‌ها مصاحبه به‌صورت دستی وقت‌گیر است و به همین دلیل این تحلیل اغلب انجام نمی‌شود.
برای چه تیم‌هایی مناسب است؟
بازاریاب‌های محصول، مسئولان محتوا و مدیرانی که جایگاه برند، لندینگ پیج یا تبلیغ را بازنویسی می‌کنند.

چه چیزهایی لازم دارید

قبل از شروع

  • اجازه استفاده از ضبط‌ها، نظرها و یادداشت‌ها برای تحلیل
  • روشی برای حذف نام، ایمیل و اطلاعات شرکت پیش از ارسال به مدل
  • ابزار هوش مصنوعی مجاز برای داده مشتری، با تنظیمات نگهداری داده بررسی‌شده

چه اطلاعاتی لازم داریم؟

  • متن مصاحبه‌ها یا تماس‌های فروش
  • نظرهای عمومی (مثلاً G2، Capterra، Trustpilot یا فروشگاه‌های اپلیکیشن)
  • تیکت‌های پشتیبانی یا پاسخ‌های متنی نظرسنجی
  • تیتر و ارزش پیشنهادی فعلی، برای مقایسه

این فرایند چطور کار می‌کند

  1. ۰۱ · ابزارجمع‌آوری و بی‌نام‌کردن منابع
  2. ۰۲ · مرحله هوش مصنوعیبرچسب‌زدن هر بخش
  3. ۰۳ · مرحله هوش مصنوعیدسته‌بندی برچسب‌ها در موضوع‌ها
  4. ۰۴ · تصمیم با شماتطبیق موضوع‌ها با نقل‌قول‌ها
  5. ۰۵ · خروجیبازنویسی پیام با زبان مشتری
  • ابزار
  • مرحله هوش مصنوعی
  • تصمیم با شما
  • خروجی

گام‌به‌گام

  1. ۰۱ ابزار

    جمع‌آوری و بی‌نام‌کردن منابع

    مصاحبه‌ها، نظرها و یادداشت‌ها را در یک صفحه‌گسترده می‌گذاریم؛ هر بخش در یک ردیف با شناسه، منبع و تاریخ. پیش از استفاده از مدل، نام، ایمیل و نام شرکت‌ها حذف می‌شود.

  2. ۰۲ مرحله هوش مصنوعی

    برچسب‌زدن هر بخش

    از مدل می‌خواهیم همه بخش‌ها را با فیلدهای یکسان برچسب بزند و به‌جای بازنویسی، نقل‌قول کند. اگر فایل طولانی است، در چند نوبت کار می‌کنیم.

    پرامپت آماده

    تو داری تحقیق مشتری برای [محصول] را تحلیل می‌کنی. برای هر بخش زیر یک ردیف جدول برگردان با: شناسه بخش، مشکل (چه چیزی درست کار نمی‌کند)، نتیجه دلخواه، تردید یا مانع، محرک (چه چیزی باعث شد دنبال راه‌حل بگردند) و گویاترین عبارت دقیق. فقط کلمات دقیق را نقل کن. اگر فیلدی وجود ندارد، خالی بگذار. کلمات مشتری را خلاصه یا بازنویسی نکن. بخش‌ها: [ردیف‌ها را همراه با شناسه اینجا بگذارید]

  3. ۰۳ مرحله هوش مصنوعی

    دسته‌بندی برچسب‌ها در موضوع‌ها

    تعداد کمی موضوع می‌خواهیم که هر کدام پشتوانه چند بخش را داشته باشد. موضوعی که نقل‌قول پشتش نیست، نظر است، نه یافته.

    پرامپت آماده

    این‌ها بخش‌های برچسب‌خورده از حرف‌های مشتریان است. آن‌ها را حداکثر در هشت موضوع دسته‌بندی کن. برای هر موضوع بنویس: نامی با کلمات خود مشتری، شناسه بخش‌هایی که پشتیبانش هستند و سه نقل‌قول دقیق. بخش‌هایی را که در هیچ موضوعی نمی‌گنجند جداگانه فهرست کن. موضوعی نساز که کمتر از سه بخش پشتیبانش باشد. بخش‌های برچسب‌خورده: [اینجا بگذارید]

  4. ۰۴ تصمیم با شما

    تطبیق موضوع‌ها با نقل‌قول‌ها

    بخش‌های نقل‌شده برای هر موضوع را باز می‌کنیم. موضوع‌های ضعیف ادغام، تفکیک یا حذف می‌شوند و دو یا سه موضوع مهم برای پیام بعدی انتخاب می‌شود.

  5. ۰۵ خروجی

    بازنویسی پیام با زبان مشتری

    گزینه‌های تیتر و شواهد را از همان عبارت‌ها می‌سازیم، نقل‌قول پشت هر خط را نگه می‌داریم و پیش از جایگزینی، با نسخه فعلی مقایسه می‌کنیم.

    پرامپت آماده

    فقط با استفاده از این موضوع‌ها و نقل‌قول‌ها، پنج گزینه تیتر و سه جمله شاهد برای [صفحه یا تبلیغ] بنویس. هر خط باید عبارتی از نقل‌قول‌ها را به کار ببرد. نقل‌قول مربوط را کنار هر خط بیاور. ادعایی اضافه نکن که در نقل‌قول‌ها نیست. موضوع‌ها و نقل‌قول‌ها: [اینجا بگذارید]

کجا تصمیم با انسان است

بازاریاب هر موضوع را با نقل‌قول‌های اصلی تطبیق می‌دهد و تصمیم می‌گیرد کدام عبارت‌ها پیام را تغییر دهند.

چه محدودیت‌هایی دارد؟

  • مدل ممکن است موضوعی مرتب بسازد که نقل‌قول‌ها پشتیبانش نیستند؛ همیشه نقل‌قول‌ها را بخوانید.
  • در نظرهای عمومی، مشتریان خیلی راضی و خیلی ناراضی بیشتر دیده می‌شوند.
  • شمارش در نمونه کوچک جهت را نشان می‌دهد، نه نسبت را.

از کجا بفهمیم جواب می‌دهد

  • برای هر موضوع دست‌کم سه نقل‌قول هست که در متن اصلی پیدا می‌شود.
  • دو نفر که بخش‌های یکسانی را برچسب می‌زنند، به نتیجه نزدیکی می‌رسند.
  • پیام بازنویسی‌شده در یک صفحه یا تبلیغ با نسخه فعلی مقایسه می‌شود.

نمونه ورودی و خروجی

ورودی

نمونه فرضی: متن بی‌نام‌شده مصاحبه‌ها و نظرهای عمومی درباره یک ابزار فرضی برنامه‌ریزی شیفت کارکنان.

خروجی

جدولی از موضوع‌ها، مثل «جمعه شب را صرف چیدن شیفت‌ها می‌کنم»، با نقل‌قول‌های پشت هر کدام و سه پیشنهاد تیتر با همان زبان.

می‌خواهید این فرایند در تیم شما اجرا شود؟

مشاوره هوش مصنوعی در بازاریابی. مشورت درباره انتخاب ابزار، ارزیابی ایده‌ها و کاربرد هوش مصنوعی در تیم بازاریابی.

جزئیات خدمت
همه فرایندهای هوش مصنوعی در بازاریابی ↗
تنظیمات آنالیتیکس

وضعیت فعلی: غیرفعال