SSkilnexa
PromptChiến lược và tối ưu bán hàng55 câu lệnh

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.

33. Giảm tác động môi trường của chuỗi cung ứng

Improving Supply Chain Sustainability

Giúp bạn: Hướng dẫn dùng học máy để giảm tác động môi trường của chuỗi cung ứng, kèm chỉ số đo.

33/55
Bạn cần chuẩn bị:
  • Quy trình vận chuyển và kho bãi hiện tại
  • Số liệu tiêu thụ năng lượng hoặc nhiên liệu
  • Nhà cung cấp chính và khoảng cách vận chuyển

Cách dùng: Dán câu lệnh và gửi số liệu vận chuyển của ba tháng gần nhất. Đặt một chỉ số cụ thể để theo dõi và đối chiếu kết quả với hóa đơn thật.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia chuỗi cung ứng bền vững, giải thích cách đo tác động môi trường bằng các chỉ số dễ theo dõi.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc người quản lý vận chuyển]
- Vận chuyển: [quy trình vận chuyển và kho bãi hiện tại]
- Năng lượng: [số liệu điện hoặc nhiên liệu tiêu thụ mỗi tháng]
- Nhà cung cấp: [nhà cung cấp chính và khoảng cách vận chuyển tới bạn]

NHIỆM VỤ
Học máy có thể giúp doanh nghiệp giảm tác động môi trường và nâng tính bền vững của chuỗi cung ứng như thế nào?

DỮ LIỆU
[Dán hóa đơn điện hoặc nhiên liệu và danh sách nhà cung cấp chính]

ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn dùng học máy để giảm tác động môi trường của chuỗi cung ứng, kèm bộ chỉ số đo để theo dõi.

QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Chỉ đưa ra con số giảm phát thải sau khi có dữ liệu đo thực tế.
- 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 sustainable supply chain specialist who explains how to measure environmental impact with easy-to-track indicators.

CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or logistics manager]
- Transport: [your current delivery and warehousing process]
- Energy: [electricity or fuel use each month]
- Suppliers: [your main suppliers and how far they ship from you]

TASK
How can machine learning help businesses reduce environmental impact and enhance supply chain sustainability?

DATA
[Paste your electricity or fuel bills and your list of main suppliers]

OUTPUT FORMAT
A guide to using machine learning to reduce the environmental impact of a supply chain, with a set of metrics to track.

RULES
- If information is missing, ask me up to 3 questions before answering.
- Only state emission reduction figures after you have measured data to support them.
- 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 reduce environmental impact and enhance supply chain sustainability? (Format: Sustainability impact guide with metrics)

Học máy có thể giúp doanh nghiệp giảm tác động môi trường và nâng tính bền vững của chuỗi cung ứng như thế nào? (Định dạng: Hướng dẫn tác động bền vững kèm chỉ số đo)

34. Đẩy nhanh phát triển sản phẩm bằng học máy

Innovating Product Development with ML

Giúp bạn: Liệt kê các giai đoạn phát triển sản phẩm và ví dụ ứng dụng học máy ở từng giai đoạn.

34/55
Bạn cần chuẩn bị:
  • Sản phẩm đang phát triển và giai đoạn hiện tại
  • Phản hồi khách về sản phẩm cũ
  • Thời điểm ra mắt mục tiêu của bạn

Cách dùng: Dán câu lệnh và gửi giai đoạn phát triển sản phẩm đang làm. Chọn một giai đoạn để thử trước, đo thời gian hoàn thành so với lần trước.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia đổi mới sản phẩm, mô tả từng giai đoạn phát triển và chỗ học máy có thể giúp rút ngắn thời gian.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc người phát triển sản phẩm]
- Sản phẩm: [sản phẩm đang phát triển và giai đoạn hiện tại]
- Phản hồi cũ: [ý kiến khách về sản phẩm cũ bạn đã thu thập]
- Thời điểm: [ngày ra mắt mục tiêu bạn đã đặt ra]

NHIỆM VỤ
Doanh nghiệp có thể dùng học máy thế nào để đẩy nhanh phát triển sản phẩm và tìm cơ hội đổi mới?

DỮ LIỆU
[Dán phản hồi khách về sản phẩm cũ và kế hoạch ra mắt hiện tại]

ĐỊNH DẠNG KẾT QUẢ
Liệt kê các giai đoạn phát triển sản phẩm và ví dụ ứng dụng học máy ở từng giai đoạn, theo thứ tự thực hiện.

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 product innovation specialist who describes each development stage and where machine learning can shorten the timeline.

CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or product developer]
- Product: [the product in development and its current stage]
- Past feedback: [customer opinions about your earlier products]
- Launch date: [the target launch date you have set]

TASK
How can businesses use machine learning to accelerate product development and uncover innovation opportunities?

DATA
[Paste customer feedback on earlier products and your current launch plan]

OUTPUT FORMAT
A list of product development stages with machine learning examples at each stage, in the order you would carry them out.

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 use machine learning to accelerate product development and uncover innovation opportunities? (Format: Process stages with ML application examples)

Doanh nghiệp có thể dùng học máy thế nào để đẩy nhanh phát triển sản phẩm và tìm cơ hội đổi mới? (Định dạng: Các giai đoạn quy trình kèm ví dụ ứng dụng học máy)

35. Tích hợp AI cho nhiều bộ phận trong công ty

Integrating AI Across Business Units

Giúp bạn: Hướng dẫn khung tích hợp AI qua nhiều phòng ban, kèm ví dụ phối hợp giữa các bộ phận.

35/55
Bạn cần chuẩn bị:
  • Các phòng ban bạn muốn đưa AI vào
  • Người phụ trách chung cho dự án AI
  • Dữ liệu đang bị chia tách giữa các phòng

Cách dùng: Dán câu lệnh và gửi danh sách phòng ban cùng việc họ đang làm. Bắt đầu với một phòng có nhiều việc lặp lại, rồi mở rộng sau khi đo được kết quả.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia chuyển đổi số cho doanh nghiệp nhiều phòng ban, giải thích cách phối hợp AI giữa các bộ phận một cách rõ ràng.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc giám đốc vận hành]
- Phòng ban: [các phòng ban bạn muốn đưa AI vào]
- Người phụ trách: [người chịu trách nhiệm chung cho dự án AI]
- Dữ liệu: [dữ liệu đang bị chia tách giữa các phòng]

NHIỆM VỤ
Cách tốt nhất để tích hợp năng lực AI vào nhiều phòng ban trong một công ty là gì?

DỮ LIỆU
[Dán sơ đồ tổ chức và danh sách dữ liệu đang nằm ở từng phòng]

ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn khung tích hợp AI qua nhiều phòng ban, kèm ví dụ phối hợp giữa các bộ phận trong công việc hằng ngày.

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 transformation specialist for multi-department businesses who explains how to coordinate AI across teams clearly.

CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or operations director]
- Departments: [the departments where you want to add AI]
- Project lead: [who is responsible overall for the AI project]
- Data: [information that is currently split between departments]

TASK
What’s the best way to integrate AI capabilities across multiple departments within a company?

DATA
[Paste your organization chart and a list of data held by each department]

OUTPUT FORMAT
A framework for integrating AI across several departments, with examples of daily cooperation between teams.

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’s the best way to integrate AI capabilities across multiple departments within a company? (Format: Integration framework with cross-functional examples)

Cách tốt nhất để tích hợp năng lực AI vào nhiều phòng ban trong một công ty là gì? (Định dạng: Khung tích hợp kèm ví dụ liên phòng ban)

36. Quản lý danh tiếng thương hiệu bằng học máy

Managing Brand Reputation with ML

Giúp bạn: Hướng dẫn quy trình phân tích cảm xúc và quản lý danh tiếng bằng công cụ học máy.

36/55
Bạn cần chuẩn bị:
  • Các nền tảng có bình luận về thương hiệu bạn
  • Số lượng bình luận và lượt nhắc đến mỗi tuần
  • Người phụ trách trả lời khi có khủng hoảng

Cách dùng: Dán câu lệnh và gửi vài bình luận thật đã ẩn thông tin cá nhân. Kiểm lại nhãn cảm xúc máy gán bằng cách tự đọc một mẫu nhỏ trước khi báo cáo.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia truyền thông và danh tiếng thương hiệu, giải thích cách theo dõi cảm xúc khách và phản ứng kịp thời.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ thương hiệu hoặc người làm truyền thông]
- Nền tảng: [các nơi có bình luận về thương hiệu của bạn]
- Lượt nhắc: [số bình luận và lượt nhắc đến mỗi tuần]
- Xử lý khủng hoảng: [người trả lời khi có tình huống khó]

NHIỆM VỤ
Doanh nghiệp có thể dùng học máy để phân tích cảm xúc và chủ động quản lý danh tiếng như thế nào?

DỮ LIỆU
[Dán 20 bình luận gần nhất về thương hiệu, đã ẩn tên người viết]

ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn quy trình phân tích cảm xúc và quản lý danh tiếng bằng công cụ học máy, kèm mẫu trả lời nhanh.

QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Không tự động trả lời khi có khiếu nại nghiêm trọng, cần người thật xử lý.
- 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 brand communication and reputation specialist who explains how to track customer sentiment and respond in time.

CONTEXT (fill in the square brackets)
- I am: [your role, for example brand owner or communications staff]
- Platforms: [places where people comment about your brand]
- Mentions: [number of comments and mentions each week]
- Crisis response: [who replies when a difficult situation appears]

TASK
How can companies apply machine learning for sentiment analysis and proactive reputation management?

DATA
[Paste the 20 most recent comments about your brand, with commenters' names hidden]

OUTPUT FORMAT
A workflow for sentiment analysis and reputation management with machine learning tools, including quick reply templates.

RULES
- If information is missing, ask me up to 3 questions before answering.
- Never reply automatically to serious complaints, a real person must handle them.
- 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 apply machine learning for sentiment analysis and proactive reputation management? (Format: Sentiment analysis workflows with ML tools)

Doanh nghiệp có thể dùng học máy để phân tích cảm xúc và chủ động quản lý danh tiếng như thế nào? (Định dạng: Quy trình phân tích cảm xúc kèm công cụ học máy)

37. Quản lý rủi ro và tuân thủ bằng công cụ AI

Managing Risk with AI Tools

Giúp bạn: Liệt kê các kiểm soát rủi ro và phương pháp học máy hỗ trợ tuân thủ quy định nội bộ.

37/55
Bạn cần chuẩn bị:
  • Lĩnh vực hoạt động và quy định bạn phải tuân theo
  • Danh sách rủi ro hiện bạn đang theo dõi
  • Quy trình kiểm tra nội bộ đang có

Cách dùng: Dán câu lệnh và gửi lĩnh vực hoạt động cùng rủi ro bạn lo nhất. Đây là thông tin tham khảo, cần người có chuyên môn pháp lý hoặc tuân thủ kiểm lại trước khi áp dụng.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia quản trị rủi ro cho doanh nghiệp nhỏ, giải thích các kiểm soát rủi ro bằng danh sách dễ làm theo.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc người phụ trách tuân thủ]
- Lĩnh vực: [ngành hoạt động và quy định bạn phải tuân theo]
- Rủi ro: [danh sách rủi ro bạn đang theo dõi hiện nay]
- Kiểm tra: [quy trình kiểm tra nội bộ bạn đang có]

NHIỆM VỤ
Học máy có thể hỗ trợ quản lý rủi ro và tuân thủ quy định trong môi trường doanh nghiệp như thế nào?

DỮ LIỆU
[Dán danh sách rủi ro hiện có và quy trình kiểm tra nội bộ]

ĐỊNH DẠNG KẾT QUẢ
Liệt kê các kiểm soát rủi ro và phương pháp học máy hỗ trợ tuân thủ quy định nội bộ, kèm bảng kiểm tra đơn giản.

QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Đây là thông tin tham khảo, không thay thế tư vấn pháp lý hoặc người có chuyên môn.
- 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 risk management specialist for small businesses who explains risk controls with an easy checklist.

CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or compliance officer]
- Industry: [your field and the rules you must follow]
- Risks: [the risks you are tracking now]
- Internal checks: [the internal review process you already have]

TASK
How can machine learning support risk management and regulatory compliance in enterprise settings?

DATA
[Paste your current risk list and internal review process]

OUTPUT FORMAT
A list of risk controls and machine learning methods that support internal compliance, with a simple checklist.

RULES
- If information is missing, ask me up to 3 questions before answering.
- This is reference information only and does not replace legal advice or a qualified professional.
- 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 support risk management and regulatory compliance in enterprise settings? (Format: Risk control checklist with ML methods)

Học máy có thể hỗ trợ quản lý rủi ro và tuân thủ quy định trong môi trường doanh nghiệp như thế nào? (Định dạng: Danh sách kiểm soát rủi ro kèm phương pháp học máy)

38. Chấm điểm khách tiềm năng chính xác hơn với AI

Optimizing Lead Scoring with AI

Giúp bạn: Hướng dẫn xây mô hình chấm điểm khách tiềm năng bằng học máy, kèm ví dụ và công cụ.

38/55
Bạn cần chuẩn bị:
  • Nguồn khách tiềm năng hiện có như form hay sự kiện
  • Dữ liệu khách đã mua và chưa mua
  • Quy trình chăm khách của đội bán hàng

Cách dùng: Dán câu lệnh và gửi nguồn khách tiềm năng cùng số đơn đã chốt. Thử mô hình chấm điểm trên danh sách cũ rồi kiểm tra xem khách điểm cao có thật sự mua không.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia bán hàng và dữ liệu khách, giải thích cách chấm điểm khách tiềm năng dễ hiểu cho đội bán hàng nhỏ.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ doanh nghiệp hoặc trưởng nhóm bán hàng]
- Nguồn khách: [form, sự kiện hoặc kênh tạo ra khách tiềm năng]
- Dữ liệu: [số khách đã mua và chưa mua bạn đang có]
- Quy trình: [cách đội bán hàng đang chăm khách tiềm năng]

NHIỆM VỤ
Doanh nghiệp có thể dùng học máy thế nào để cải thiện việc tìm khách tiềm năng và độ chính xác khi chấm điểm?

DỮ LIỆU
[Dán danh sách khách tiềm năng gần đây kèm kết quả mua hay không]

ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn xây mô hình chấm điểm khách tiềm năng bằng học máy, kèm ví dụ và công cụ phù hợp với đội nhỏ.

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 and customer data specialist who explains lead scoring in simple terms for small sales teams.

CONTEXT (fill in the square brackets)
- I am: [your role, for example business owner or sales team lead]
- Lead sources: [forms, events or channels that bring in potential customers]
- Data: [how many leads have bought and how many have not]
- Process: [how your sales team follows up with leads today]

TASK
How can businesses use machine learning to improve lead generation and scoring accuracy?

DATA
[Paste recent leads with whether each one bought or not]

OUTPUT FORMAT
A guide to building a lead scoring model with machine learning, with examples and tools suited to a small team.

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 use machine learning to improve lead generation and scoring accuracy? (Format: Lead scoring models with examples and tools)

Doanh nghiệp có thể dùng học máy thế nào để cải thiện việc tìm khách tiềm năng và độ chính xác khi chấm điểm? (Định dạng: Mô hình chấm điểm khách tiềm năng kèm ví dụ và công cụ)

39. Tối ưu logistics bằng học máy

Optimizing Logistics with Machine Learning

Giúp bạn: Hướng dẫn cách dùng học máy để tối ưu logistics và vận chuyển, kèm bản đồ mô hình dự đoán.

39/55
Bạn cần chuẩn bị:
  • Các tuyến giao hàng và số chuyến mỗi ngày
  • Đơn vị vận chuyển hoặc đội xe đang dùng
  • Chi phí và thời gian giao hàng hiện tại

Cách dùng: Dán câu lệnh và gửi các tuyến giao hàng cùng chi phí hiện tại. Thử gợi ý trên một tuyến trong một tháng và so sánh thời gian giao với trước.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia logistics cho doanh nghiệp giao hàng, giải thích cách lập tuyến và lịch giao bằng dự đoán đơn giản.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop giao hàng hoặc quản lý vận chuyển]
- Tuyến giao: [các tuyến giao hàng và số chuyến mỗi ngày]
- Đơn vị vận chuyển: [đơn vị giao hàng hoặc đội xe bạn đang dùng]
- Chi phí: [chi phí và thời gian giao hàng hiện tại]

NHIỆM VỤ
Doanh nghiệp có thể dùng học máy như thế nào để cải thiện logistics và làm gọn các hoạt động vận chuyển?

DỮ LIỆU
[Dán bảng chuyến giao hàng theo ngày kèm chi phí và thời gian giao]

ĐỊNH DẠNG KẾT QUẢ
Hướng dẫn dùng học máy để tối ưu logistics và vận chuyển, kèm bản đồ các mô hình dự đoán theo từng việc.

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 logistics specialist for delivery businesses who explains route and schedule planning with simple predictions.

CONTEXT (fill in the square brackets)
- I am: [your role, for example delivery shop owner or logistics manager]
- Routes: [your delivery routes and how many trips each day]
- Carrier: [the delivery company or fleet you use]
- Cost and time: [current delivery cost and how long deliveries take]

TASK
How can businesses use machine learning to improve logistics and streamline transportation operations?

DATA
[Paste a daily delivery trip table with cost and delivery time]

OUTPUT FORMAT
A guide to using machine learning to optimize logistics and transport, with a map of prediction models for each task.

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 use machine learning to improve logistics and streamline transportation operations? (Format: Logistics optimization map with predictive models)

Doanh nghiệp có thể dùng học máy như thế nào để cải thiện logistics và làm gọn các hoạt động vận chuyển? (Định dạng: Bản đồ tối ưu logistics kèm mô hình dự đoán)

40. Định giá động bằng học máy

Optimizing Pricing with AI

Giúp bạn: So sánh các mô hình định giá linh hoạt bằng học máy, kèm trường hợp dùng cụ thể.

40/55
Bạn cần chuẩn bị:
  • Bảng giá hiện tại và biên lợi nhuận từng sản phẩm
  • Mức độ dao động nhu cầu theo mùa hoặc theo ngày
  • Đối thủ và giá họ đang bán

Cách dùng: Dán câu lệnh và gửi bảng giá cùng biên lợi nhuận hiện tại. Thử giá linh hoạt trên một nhóm sản phẩm nhỏ và theo dõi cả doanh số lẫn phản hồi của khách.

Mẫu tiếng Việt (điền chỗ trong [ ] rồi dán vào chat)

VAI TRÒ
Bạn là chuyên gia định giá cho doanh nghiệp bán lẻ, so sánh các mô hình định giá linh hoạt bằng ví dụ về mức giá cụ thể.

BỐI CẢNH (bạn điền vào chỗ trong ngoặc vuông)
- Tôi là: [vai trò của bạn, ví dụ chủ shop hoặc người quản lý giá]
- Bảng giá: [giá hiện tại và biên lợi nhuận của từng sản phẩm]
- Dao động nhu cầu: [mức nhu cầu thay đổi theo mùa hoặc theo ngày]
- Đối thủ: [đối thủ và giá họ đang bán]

NHIỆM VỤ
Doanh nghiệp có thể dùng học máy thế nào để xây chiến lược định giá linh hoạt và cải thiện lợi nhuận?

DỮ LIỆU
[Dán bảng giá hiện tại và doanh số theo mùa hoặc theo ngày]

ĐỊNH DẠNG KẾT QUẢ
So sánh các mô hình định giá linh hoạt bằng học máy, kèm trường hợp dùng cụ thể cho từng mô hình.

QUY TẮC
- Nếu thiếu thông tin, hỏi tôi tối đa 3 câu trước khi trả lời.
- Kiểm tra giá với khách trước khi áp dụng, tránh để khách cảm thấy bị đối xử không công bằng.
- 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 retail pricing specialist who compares flexible pricing models using examples with specific price levels.

CONTEXT (fill in the square brackets)
- I am: [your role, for example shop owner or pricing manager]
- Price list: [current prices and profit margin for each product]
- Demand swings: [how much demand changes by season or by day]
- Competitors: [rivals and the prices they charge]

TASK
How can businesses use machine learning to develop dynamic pricing strategies and improve profitability?

DATA
[Paste your current price list and sales by season or by day]

OUTPUT FORMAT
A comparison of flexible pricing models built with machine learning, with a specific use case for each model.

RULES
- If information is missing, ask me up to 3 questions before answering.
- Test prices before applying them so customers do not feel treated unfairly.
- 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 develop dynamic pricing strategies and improve profitability? (Format: Pricing models comparison with use cases)

Doanh nghiệp có thể dùng học máy thế nào để xây chiến lược định giá linh hoạt và cải thiện lợi nhuận? (Định dạng: So sánh mô hình định giá kèm trường hợp dùng)

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.

Nút theo dõi đang được chuẩn bị.
Link tải đang được chuẩn bị.

Cùng nhóm Chiến lược và tối ưu bán hàng

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.