Câu lệnh đưa công nghệ vào bán hàng
Sales Funnel AI
Giúp dùng công nghệ thông minh cho tuyển dụng, dịch vụ khách, mua quảng cáo, nội dung và đánh giá mức sẵn sàng. Cho ra danh sách tình huống và lưu ý đạo đức. 55 câu lệnh mẫu, mỗi câu có bản tiếng Việt, bản tiếng Anh và hướng dẫn dùng.
Bạn đang cân nhắc đưa công nghệ tự động vào công ty và muốn biết nên bắt đầu từ đâu.
17. Phát hiện gian lận bằng học máy
Detecting Fraud with Machine Learning
Giúp bạn: Liệt kê cách dùng học máy để phát hiện gian lận theo thời gian thực, kèm ví dụ thuật toán.
17/55
- Loại giao dịch hoặc đơn hàng bạn muốn kiểm soát
- Số lượng giao dịch mỗi ngày và lịch sử gian lận
- Hệ thống thanh toán hoặc bán hàng đang dùng
Cách dùng: Dán câu lệnh và gửi mô tả loại giao dịch bạn xử lý. Thử thuật toán trên dữ liệu cũ đã biết kết quả, và đây là thông tin tham khảo, cần người chuyên môn kiểm lại trước khi áp dụng.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia an toàn giao dịch cho doanh nghiệp bán lẻ, giải thích cách phát hiện gian lận bằng ngôn ngữ dễ hiểu.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop hoặc người quản lý thanh toán]
- Giao dịch: [loại đơn hàng hoặc giao dịch bạn muốn kiểm soát]
- Khối lượng: [số giao dịch mỗi ngày và số ca gian lận đã gặp]
- Hệ thống: [cổng thanh toán hoặc phần mềm bán hàng bạn đang dùng]
NHIỆM VỤ
Những cách hiệu quả nhất để áp dụng học máy trong phát hiện và ngăn chặn gian lận theo thời gian thực là gì?
DỮ LIỆU
[Dán số giao dịch theo ngày và danh sách đơn bị hủy vì nghi gian lận]
ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn chiến lược dùng học máy để phát hiện gian lận gần thời gian thực, kèm ví dụ thuật toán dễ áp dụng.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Luôn để người thật xem lại đơn bị chặn trước khi từ chối khách.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a transaction safety specialist for retail businesses who explains fraud detection in plain language.
CONTEXT (fill in the square brackets)
- I am: [your role, for example shop owner or payments manager]
- Transactions: [the type of orders or payments you want to monitor]
- Volume: [number of transactions per day and past fraud cases]
- System: [payment gateway or sales software you currently use]
TASK
What are the most effective ways to apply machine learning for real-time fraud detection and prevention?
DATA
[Paste daily transaction counts and the list of orders cancelled for suspected fraud]
OUTPUT FORMAT
A strategy guide to using machine learning for near real-time fraud detection, with easy-to-apply algorithm examples.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Always have a person review blocked orders before refusing a customer.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
What are the most effective ways to apply machine learning for real-time fraud detection and prevention? (Format: Strategy guide with algorithm examples)
Những cách hiệu quả nhất để áp dụng học máy trong phát hiện và ngăn chặn gian lận theo thời gian thực là gì? (Định dạng: Hướng dẫn chiến lược kèm ví dụ thuật toán)
18. Tìm xu hướng mới trong dữ liệu lớn
Detecting Trends in Big Data
Giúp bạn: Liệt kê cách dùng học máy để tìm mẫu và xu hướng mới trong dữ liệu lớn, kèm phương pháp kỹ thuật.
18/55
- Nguồn dữ liệu lớn bạn có như đơn hàng hoặc bình luận
- Khoảng thời gian bạn muốn phân tích
- Kỹ năng phân tích dữ liệu của đội bạn
Cách dùng: Dán câu lệnh và gửi mô tả nguồn dữ liệu cùng câu hỏi bạn muốn trả lời. Kiểm lại xu hướng AI tìm ra bằng cách xem thử vài mẫu dữ liệu gốc trước khi tin.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia phân tích dữ liệu lớn cho doanh nghiệp vừa và nhỏ, giải thích phương pháp bằng ví dụ thực tế.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc trưởng phòng phân tích]
- Nguồn dữ liệu: [đơn hàng, bình luận hoặc ghi chép khách bạn đang có]
- Khoảng thời gian: [giai đoạn bạn muốn phân tích, ví dụ hai năm gần nhất]
- Năng lực: [kỹ năng phân tích dữ liệu hiện có trong đội]
NHIỆM VỤ
Học máy có thể giúp doanh nghiệp nhận diện các mẫu và xu hướng mới nổi trong tập dữ liệu quy mô lớn như thế nào?
DỮ LIỆU
[Dán mẫu 100 dòng đơn hàng hoặc bình luận đã ẩn thông tin cá nhân]
ĐỊNH DẠNG KẾT QUẢ
Liệt kê cách dùng học máy để tìm mẫu và xu hướng mới trong dữ liệu lớn, kèm từng phương pháp kỹ thuật và ví dụ.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a big data analysis specialist for small and mid-sized businesses who explains methods with real-world examples.
CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or analytics lead]
- Data sources: [orders, comments or customer notes you already store]
- Time period: [the period you want to analyze, for example the last two years]
- Capacity: [data analysis skills your team has today]
TASK
How can machine learning help businesses identify patterns and emerging trends in large-scale datasets?
DATA
[Paste a sample of 100 order or comment rows with personal details removed]
OUTPUT FORMAT
A list of ways to use machine learning to find new patterns and trends in large data, with each technical method and an example.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can machine learning help businesses identify patterns and emerging trends in large-scale datasets? (Format: Use case examples with technical methods)
Học máy có thể giúp doanh nghiệp nhận diện các mẫu và xu hướng mới nổi trong tập dữ liệu quy mô lớn như thế nào? (Định dạng: Ví dụ trường hợp dùng kèm phương pháp kỹ thuật)
19. Xây trợ lý ảo hỗ trợ khách hàng bằng AI
Developing AI-Powered Assistants
Giúp bạn: Hướng dẫn lộ trình xây trợ lý ảo hỗ trợ khách, kèm danh sách chức năng cần kiểm tra.
19/55
- Các tình huống khách cần hỗ trợ thường gặp
- Kho tài liệu sản phẩm hoặc chính sách hiện có
- Số nhân viên chăm sóc khách hiện tại
Cách dùng: Dán câu lệnh và gửi các tình huống khách thường gặp cùng tài liệu bạn có. Chạy thử trợ lý với năm câu hỏi thật do nhân viên đặt, rồi kiểm tra từng câu trả lời.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia thiết kế trợ lý ảo chăm sóc khách, mô tả lộ trình xây dựng theo từng giai đoạn dễ kiểm tra.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc trưởng nhóm chăm sóc khách]
- Tình huống khách: [các tình huống khách cần hỗ trợ thường gặp]
- Tài liệu: [tài liệu sản phẩm hoặc chính sách bạn đã có sẵn]
- Nhân sự: [số nhân viên chăm sóc khách hiện tại và giờ làm việc]
NHIỆM VỤ
Doanh nghiệp có thể dùng học máy thế nào để xây trợ lý ảo thông minh hỗ trợ khách hàng?
DỮ LIỆU
[Dán các tài liệu sản phẩm và chính sách hiện có, hoặc đường dẫn tới chúng]
ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn lộ trình xây trợ lý ảo hỗ trợ khách theo giai đoạn, kèm danh sách chức năng cần kiểm tra trước khi ra mắt.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Khi trợ lý không chắc chắn, phải chuyển khách sang nhân viên thật.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a customer support virtual assistant designer who describes a build roadmap in stages that are easy to check.
CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or customer care head]
- Customer situations: [common situations where customers need help]
- Documents: [product documents or policies you already have]
- Staff: [number of customer care staff now and their working hours]
TASK
How can businesses use machine learning to build intelligent virtual assistants for customer support?
DATA
[Paste your product documents and policies, or links to where they are stored]
OUTPUT FORMAT
A roadmap for building a customer support assistant in stages, with a checklist of functions to test before launch.
RULES
- If information is missing, ask me up to 3 questions before answering.
- When the assistant is unsure, it should hand the customer over to a real staff member.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can businesses use machine learning to build intelligent virtual assistants for customer support? (Format: Development roadmap with functionality checklist)
Doanh nghiệp có thể dùng học máy thế nào để xây trợ lý ảo thông minh hỗ trợ khách hàng? (Định dạng: Lộ trình phát triển kèm danh sách chức năng)
20. Giữ chân khách hàng nhờ học máy
Enhancing Customer Retention via ML
Giúp bạn: Hướng dẫn dùng học máy để giữ chân khách, kèm ví dụ dự đoán khách có nguy cơ rời bỏ.
20/55
- Số khách ngừng mua trong sáu tháng gần đây
- Lịch sử mua hàng và tần suất quay lại
- Chương trình chăm sóc khách hiện đang chạy
Cách dùng: Dán câu lệnh và gửi số liệu khách ngừng mua trong vài tháng gần nhất. Thử danh sách khách có nguy cơ trên một nhóm nhỏ và so sánh tỷ lệ quay lại với nhóm còn lại.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia chăm sóc khách lâu dài, giải thích cách nhận biết khách có nguy cơ rời bỏ và cách giữ họ lại.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop hoặc người quản lý chăm sóc khách]
- Khách ngừng mua: [số khách đã ngừng mua trong sáu tháng gần đây]
- Lịch sử: [lịch sử mua hàng và tần suất khách quay lại]
- Chương trình: [chương trình chăm sóc khách bạn đang chạy]
NHIỆM VỤ
Doanh nghiệp có thể dùng học máy thế nào để củng cố việc giữ chân khách hàng và tăng sự trung thành?
DỮ LIỆU
[Dán danh sách khách với ngày mua gần nhất và số lần đã mua]
ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn dùng học máy để dự đoán khách có nguy cơ rời bỏ, kèm khung chiến lược giữ chân và ví dụ cụ thể.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a long-term customer care specialist who explains how to spot customers at risk of leaving and how to keep them.
CONTEXT (fill in the square brackets)
- I am: [your role, for example shop owner or customer care manager]
- Stopped buying: [how many customers stopped buying in the last six months]
- History: [purchase history and how often customers return]
- Programs: [customer care programs you are running now]
TASK
How can businesses apply machine learning to strengthen customer retention and increase loyalty?
DATA
[Paste a customer list with last purchase date and number of purchases]
OUTPUT FORMAT
A guide to using machine learning to predict customers at risk of leaving, with a retention strategy framework and examples.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can businesses apply machine learning to strengthen customer retention and increase loyalty? (Format: Strategy framework with churn prediction examples)
Doanh nghiệp có thể dùng học máy thế nào để củng cố việc giữ chân khách hàng và tăng sự trung thành? (Định dạng: Khung chiến lược kèm ví dụ dự đoán khách rời bỏ)
21. Nâng độ chính xác dự báo
Enhancing Forecasting Accuracy
Giúp bạn: So sánh các mô hình dự báo bằng học máy và xem từng loại hợp với trường hợp nào.
21/55
- Dữ liệu doanh số hoặc tồn kho theo tháng
- Khoảng thời gian bạn cần dự báo
- Công cụ lập kế hoạch đang dùng
Cách dùng: Dán câu lệnh và gửi chuỗi dữ liệu lịch sử bạn có. Chạy hai mô hình trên cùng một đoạn dữ liệu và so sánh sai số với số thực trước khi chọn.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia lập kế hoạch bán hàng, so sánh các mô hình dự báo bằng bảng dễ đọc và ví dụ đơn giản.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop hoặc người lập kế hoạch]
- Dữ liệu: [doanh số hoặc tồn kho theo tháng bạn đã có]
- Thời gian cần dự báo: [khoảng thời gian bạn cần dự báo phía trước]
- Công cụ: [công cụ lập kế hoạch bạn đang dùng hiện nay]
NHIỆM VỤ
Doanh nghiệp có thể cải thiện quy trình dự báo và lập kế hoạch bằng các mô hình học máy dự đoán như thế nào?
DỮ LIỆU
[Dán doanh số và tồn kho theo tháng trong 12 đến 24 tháng]
ĐỊNH DẠNG KẾT QUẢ
So sánh các mô hình dự báo bằng học máy theo bảng, kèm từng loại phù hợp với trường hợp nào.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a sales planning specialist who compares forecasting models with easy-to-read tables and simple examples.
CONTEXT (fill in the square brackets)
- I am: [your role, for example shop owner or sales planner]
- Data: [monthly sales or stock records you have]
- Forecast period: [how far ahead you need to forecast]
- Tools: [the planning tools you use today]
TASK
How can businesses improve forecasting and planning processes using predictive machine learning models?
DATA
[Paste monthly sales and stock levels for the last 12 to 24 months]
OUTPUT FORMAT
A table comparing machine learning forecasting models, with the situation each one suits best.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can businesses improve forecasting and planning processes using predictive machine learning models? (Format: Forecasting model comparison with use cases)
Doanh nghiệp có thể cải thiện quy trình dự báo và lập kế hoạch bằng các mô hình học máy dự đoán như thế nào? (Định dạng: So sánh mô hình dự báo kèm trường hợp dùng)
22. Dùng học máy để tối ưu marketing và chuyển đổi
Enhancing Marketing with Machine Learning
Giúp bạn: Hướng dẫn dùng học máy để tối ưu chiến lược tiếp thị, kèm ví dụ chiến dịch cụ thể.
22/55
- Kênh tiếp thị bạn đang chạy và ngân sách mỗi kênh
- Tỷ lệ chuyển đổi hiện tại của bạn
- Đối tượng khách bạn muốn tiếp cận
Cách dùng: Dán câu lệnh và gửi số liệu chiến dịch gần nhất. Thử một gợi ý trên chiến dịch nhỏ trong hai tuần và so với kết quả cũ trước khi áp dụng rộng.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia tiếp thị số, giúp doanh nghiệp nhỏ dùng dữ liệu để chọn kênh và thông điệp hiệu quả.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ thương hiệu hoặc người làm marketing]
- Kênh đang chạy: [các kênh tiếp thị và ngân sách của từng kênh]
- Tỷ lệ chuyển đổi: [tỷ lệ mua hàng hoặc đăng ký bạn đang đạt]
- Khách mục tiêu: [nhóm khách bạn muốn tiếp cận và đặc điểm của họ]
NHIỆM VỤ
Doanh nghiệp có thể dùng học máy như thế nào để tối ưu chiến lược tiếp thị và tăng tỷ lệ chuyển đổi?
DỮ LIỆU
[Dán bảng ngân sách và kết quả từng kênh trong 3 tháng gần nhất]
ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn dùng học máy để tối ưu chiến lược tiếp thị, kèm ví dụ chiến dịch cụ thể theo từng kênh.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a digital marketing specialist who helps small businesses use data to choose effective channels and messages.
CONTEXT (fill in the square brackets)
- I am: [your role, for example brand owner or marketing staff]
- Channels: [marketing channels you run and the budget for each]
- Conversion rate: [the share of visitors who buy or sign up now]
- Target customers: [the audience you want to reach and what they are like]
TASK
How can companies use machine learning to optimize marketing strategies and increase conversion rates?
DATA
[Paste the budget and results for each channel over the last 3 months]
OUTPUT FORMAT
A guide to using machine learning to optimize marketing strategy, with specific campaign examples for each channel.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can companies use machine learning to optimize marketing strategies and increase conversion rates? (Format: Strategy guide with campaign examples)
Doanh nghiệp có thể dùng học máy như thế nào để tối ưu chiến lược tiếp thị và tăng tỷ lệ chuyển đổi? (Định dạng: Hướng dẫn chiến lược kèm ví dụ chiến dịch)
23. Cải thiện SEO bằng học máy
Enhancing SEO with Machine Learning
Giúp bạn: Liệt kê các bước tối ưu SEO website bằng công cụ học máy, kèm danh sách kiểm tra.
23/55
- Website và danh sách từ khóa bạn đang nhắm
- Thứ hạng hiện tại của các trang chính
- Công cụ SEO bạn đã trả tiền hoặc dùng miễn phí
Cách dùng: Dán câu lệnh và gửi danh sách từ khóa cùng địa chỉ website. Kiểm tra từng gợi ý trên Google Search Console sau bốn đến tám tuần để xem thứ hạng có đổi không.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia SEO cho website nhỏ, giải thích các bước tối ưu bằng việc làm cụ thể và dễ kiểm tra.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ website hoặc người viết nội dung]
- Website: [địa chỉ website và loại trang bạn đang có]
- Từ khóa: [danh sách từ khóa bạn đang nhắm tới]
- Thứ hạng: [vị trí hiện tại của các trang chính trên tìm kiếm]
NHIỆM VỤ
Những chiến thuật học máy nào có thể cải thiện SEO website và giúp tăng thứ hạng trên công cụ tìm kiếm?
DỮ LIỆU
[Dán danh sách từ khóa và vị trí hiện tại của 10 trang chính]
ĐỊNH DẠNG KẾT QUẢ
Liệt kê các bước tối ưu SEO website bằng công cụ học máy, kèm danh sách kiểm tra để làm theo từng tuần.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are an SEO specialist for small websites who explains optimization steps through concrete, easy-to-check actions.
CONTEXT (fill in the square brackets)
- I am: [your role, for example website owner or content writer]
- Website: [your site address and the types of pages you have]
- Keywords: [the list of keywords you are targeting]
- Rankings: [current positions of your main pages in search results]
TASK
What machine learning tactics can improve website SEO and boost search engine rankings?
DATA
[Paste your keyword list and current positions for your 10 main pages]
OUTPUT FORMAT
A list of SEO steps for a website using machine learning tools, with a checklist to work through week by week.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
What machine learning tactics can improve website SEO and boost search engine rankings? (Format: SEO optimization checklist using ML tools)
Những chiến thuật học máy nào có thể cải thiện SEO website và giúp tăng thứ hạng trên công cụ tìm kiếm? (Định dạng: Danh sách kiểm tra tối ưu SEO dùng công cụ học máy)
24. Nâng độ chính xác dịch thuật bằng học máy
Enhancing Translation Accuracy with ML
Giúp bạn: So sánh các mô hình dịch bằng học máy theo độ chính xác và tốc độ, kèm chỉ số đánh giá.
24/55
- Cặp ngôn ngữ bạn cần dịch
- Lĩnh vực nội dung như kỹ thuật hay marketing
- Mẫu văn bản đã dịch đúng để so sánh
Cách dùng: Dán câu lệnh và gửi vài câu mẫu cùng bản dịch chuẩn. Chạy từng mô hình trên mẫu đó và nhờ người biết ngôn ngữ chấm lại trước khi dùng cho nội dung thật.
Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)
VAI TRÒ
Bạn là chuyên gia bản địa hóa nội dung, so sánh công cụ dịch theo chất lượng và tốc độ bằng ví dụ đoạn văn cụ thể.
BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop hoặc người làm nội dung đa ngôn ngữ]
- Cặp ngôn ngữ: [ngôn ngữ nguồn và ngôn ngữ đích bạn cần dịch]
- Lĩnh vực: [nội dung kỹ thuật, marketing hoặc hướng dẫn sử dụng]
- Mẫu chuẩn: [đoạn văn đã dịch đúng bạn có để so sánh]
NHIỆM VỤ
Học máy có thể được dùng thế nào để cải thiện độ chính xác và tốc độ của công cụ dịch ngôn ngữ?
DỮ LIỆU
[Dán vài đoạn văn gốc kèm bản dịch chuẩn để so sánh]
ĐỊNH DẠNG KẾT QUẢ
So sánh các mô hình dịch bằng học máy theo độ chính xác và tốc độ, kèm bảng chỉ số đánh giá dễ đọc.
QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự bịa số liệu hay nguồn; chỗ nào là giả định thì ghi rõ.
- Cuối cùng, liệt kê 3 điều tôi cần kiểm tra lại.English version (fill in the [ ] then paste)
ROLE
You are a content localization specialist who compares translation tools on quality and speed using concrete text examples.
CONTEXT (fill in the square brackets)
- I am: [your role, for example shop owner or multilingual content writer]
- Language pair: [source language and target language you need]
- Field: [technical content, marketing or user guides]
- Reference sample: [a correctly translated passage you have for comparison]
TASK
How can machine learning be used to improve the accuracy and speed of language translation tools?
DATA
[Paste a few source passages with their correct translations for comparison]
OUTPUT FORMAT
A comparison of machine learning translation models by accuracy and speed, with an easy-to-read evaluation table.
RULES
- If information is missing, ask me up to 3 questions before answering.
- Do not invent figures or sources; clearly label any assumption.
- At the end, list 3 things I should double-check.Xem câu hỏi gốc một dòng
How can machine learning be used to improve the accuracy and speed of language translation tools? (Format: Translation model comparison with benchmarks)
Học máy có thể được dùng thế nào để cải thiện độ chính xác và tốc độ của công cụ dịch ngôn ngữ? (Định dạng: So sánh mô hình dịch kèm chỉ số đánh giá)
Các câu lệnh còn lại trong chủ đề này cần theo dõi Skilnexa để mở. Dùng hộp bên dưới.
Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.
Cùng nhóm Chiến lược và tối ưu bán hàng
- Câu lệnh xây lòng tin bằng uy tín56 câu lệnh
- Câu lệnh quản lý dòng tiền doanh nghiệp56 câu lệnh
- Câu lệnh tìm khách hàng giá trị cao56 câu lệnh
- Câu lệnh email tiếp thị cho khách cao cấp50 câu lệnh
- Câu lệnh lập chiến lược nội dung bán hàng55 câu lệnh
- Câu lệnh viết lời chào bán thuyết phục55 câu lệnh
- Câu lệnh giữ nhịp sáng tạo nội dung đều48 câu lệnh
- Câu lệnh tăng tương tác để bán mỗi ngày61 câu lệnh
Bản tiếng Việt do Skilnexa dịch từ câu lệnh gốc; phần hướng dẫn là gợi ý viết cho từng câu. Câu lệnh chưa được chạy thử, hãy thử bằng dữ liệu giả trước khi dùng cho việc thật, và kiểm lại kết quả với số liệu hoặc nguồn đáng tin.