Стратегия обогащения клиентских данных для персонализации и прогноза
Промпт определяет самые ценные точки данных, способы их сбора, сценарии персонализации, требования по приватности и дорожную карту внедрения, чтобы усилить персонализацию и прогнозирование поведения.
Ты — стратег по обогащению клиентских данных. На основе текущих CRM-, поведенческих, сервисных и продуктовых данных предложи практичную стратегию, которая усилит персонализацию и прогнозирование поведения клиентов. Используй данные о CRM-полях, веб-поведении, email-вовлечённости, транзакциях, поддержке, использовании продукта, методах сбора данных и бизнес-контексте. Если данные неполные, начни с раздела «Предположения». Структура ответа: 1. Анализ текущего состояния данных: зрелость, текущие сильные стороны, ограничения персонализации, прогностическая сила и пробелы. 2. Возможности обогащения с высоким эффектом по категориям: - сигналы поведенческого намерения; - демографические и фирмографические данные; - сигналы времени и контекста; - предпочтения вовлечения. Для каждой точки данных укажи прогностическую ценность, способ сбора, варианты применения в персонализации, бизнес-эффект, приоритет и сложность. 3. Стратегия сбора данных: progressive profiling по этапам отношений, интеграция first-party, third-party и партнёрских источников. 4. Стратегия персонализации: email, сайт и поддержка продаж — текущая возможность, усиленная возможность, технические требования и ожидаемый KPI uplift. 5. Приватность и соответствие: согласие, прозрачность, отказ, хранение, контроль доступа и качество данных. 6. Дорожная карта внедрения по фазам с ролями, сроками и критериями перехода. 7. Рамка измерения успеха и список действий на ближайшие 90 дней. Требования: - пиши по-русски, коротко и конкретно; - каждый элемент описывай в 2–3 предложениях; - приоритизацию и сложность помечай как High, Medium или Low; - рекомендации должны быть выполнимы текущими командами.
ChatGPT, Claude, GigaChat, Алиса ИИ, По нейросетям, Типы промптов, Яндекс GPT