เวลาผมเข้าไปคุยกับทีมการตลาดของหลายแบรนด์ ผมเจอภาพเดิมซ้ำๆ คือทุกบริษัทมีข้อมูลเต็มไปหมด ทั้ง Dashboard ใน GA4 รายงานยิงแอดจาก Facebook ไฟล์ยอดขายเป็น Excel ยาวเหยียด แต่พอถามว่าแล้วเดือนนี้ตัดสินใจอะไรจากตัวเลขพวกนี้บ้าง คำตอบที่ได้บ่อยที่สุดคือเงียบ ไม่ก็ตอบแบบจับใจความไม่ได้ สรุปได้ว่าต่างคนต่างตัดสินใจจากตัวเลขที่ตัวเองคิดว่าดี ก็ไม่ต่างอะไรจากการเดาเหมือนเดิมนั่นเองครับ
ปัญหาของนักการตลาดยุคนี้ไม่ใช่ไม่มี Data แต่คือมี Data มากเกินกว่าจะจัดการไหว ไม่ก็ไม่มีเวลาหรือทักษะมานั่งวิเคราะห์ดาต้าเอง ดาต้าเลยกองอยู่เฉยๆ ในขณะที่การตัดสินใจสำคัญยังใช้ความรู้สึก เพราะการจะจ้าง Data Analyst ก็แพง จะเรียนเขียนโค้ดเองก็ไม่มีเวลา ตัวเลขที่ควรเป็นเข็มทิศเลยกลายเป็นแค่ของประดับรายงานให้ผ่านแต่ละสัปดาห์ไป
แต่ตรงนี้แหละที่ ChatGPT เข้ามาเปลี่ยนเกมได้จริงครับ เพราะมันมีความสามารถที่ให้เราอัปโหลดไฟล์ข้อมูลเข้าไป แล้วถามเป็นภาษาคนได้เลยว่าอยากรู้อะไร โดยมันจะเขียนโค้ดวิเคราะห์และทำกราฟให้เองเหมือนมี Data Analyst มานั่งทำงานให้ในบทความตอนนี้ของซีรีส์สอนใช้ ChatGPT สำหรับนักการตลาด เราจะเข้าสู่หมวด Data Analysis พร้อมแจก 20 Prompt ที่ทำให้คุณอ่าน Marketing Data เองได้ และเปลี่ยนตัวเลขให้กลายเป็นการตัดสินใจได้จริง
ในสามตอนแรกผมแนะนำสูตร SPICE ไปแล้ว ซึ่งย่อมาจาก Situation บริบท, Persona บทบาท, Instruction คำสั่ง, Criteria เงื่อนไข และ Example ตัวอย่าง สำหรับงานวิเคราะห์ข้อมูล พระเอกกลับมาเป็น Situation กับ Criteria เพราะ Situation คือการป้อนข้อมูลดิบและบริบทของมันให้ครบ ส่วน Criteria คือการกำหนดว่าอยากได้คำตอบแบบไหนและบังคับให้ ChatGPT บอกว่ามันคิดมายังไง เพื่อให้เราตรวจสอบได้
Advanced Data Analysis ฟีเจอร์ที่เปลี่ยนนักการตลาดให้อ่านข้อมูลเองได้
ถ้าตอนก่อนๆ เราใช้โหมด Thinking, Deep Research และ Projects งานวิเคราะห์ข้อมูลก็มีเครื่องมือเฉพาะของมัน นั่นคือความสามารถที่เรียกกันว่า Advanced Data Analysis
วิธีใช้ง่ายมาก แค่กดปุ่มแนบไฟล์แล้วอัปโหลดไฟล์ CSV หรือ Excel เข้าไปในแชต จากนั้นถามเป็นภาษาคนว่าอยากรู้อะไร ChatGPT จะเขียนโค้ด Python รันวิเคราะห์ข้อมูลนั้นจริงๆ ทั้งสรุปตัวเลข ทำกราฟ และคำนวณทางสถิติเบื้องต้นอย่างหาความสัมพันธ์ของตัวแปรต่างๆ ความสามารถนี้อยู่ในโมเดลรุ่นใหม่บนแพลนแบบเสียเงินโดยไม่ต้องเปิดอะไรเพิ่ม พออัปโหลดไฟล์ มันจะโชว์ตัวอย่างข้อมูลให้เราเช็กก่อนว่าคอลัมน์อ่านถูกไหม
แต่มีเรื่องต้องระวังสามข้อก่อนใช้จริง ข้อแรกคือไฟล์ใหญ่หรือซับซ้อนหลายชีต มันอาจอ่านไม่ครบหรือรันพลาดได้ ทางที่ปลอดภัยคือแปลงเป็น CSV และตัดคอลัมน์ที่ไม่ใช้ออกก่อน ข้อสองคือมันเขียนโค้ดเองก็จริง แต่บางครั้งตีความโจทย์ผิดหรือจัดการค่าที่หายไปในแบบที่เราไม่ได้ตั้งใจ เราจึงควรกดดูที่ลิงก์ View Analysis เพื่อเช็กว่ามันคำนวณมายังไง ข้อสามที่สำคัญที่สุดคือเรื่องความเป็นส่วนตัวของข้อมูล
อย่าอัปโหลดข้อมูลลูกค้าที่มีข้อมูลส่วนบุคคลอย่างชื่อ เบอร์โทร หรืออีเมลขึ้นไปตรงๆ ควรลบหรือปิดบังคอลัมน์เหล่านั้นก่อนเสมอ นี่คือเหตุผลที่เครื่องปรุง Criteria สำคัญมากในงานนี้ เพราะเราต้องสั่งให้มันบอกสมมติฐานและวิธีจัดการข้อมูลทุกครั้ง เพื่อให้เราจับได้ว่าตรงไหนเชื่อได้และตรงไหนต้องตรวจซ้ำ
Data Prep and Exploration รวม Prompt เตรียมและสำรวจข้อมูล
กลุ่มแรกคือก้าวแรกหลังอัปโหลดไฟล์ คือทำความเข้าใจว่าในมือเรามีข้อมูลอะไรและสะอาดพอจะวิเคราะห์ไหม เครื่องปรุง Situation ทำงานหนักที่สุดในกลุ่มนี้ เพราะยิ่งบอกบริบทของข้อมูลละเอียด ผลลัพธ์การวิเคราะห์ที่ได้ยิ่งแม่นครับ
1. สรุปภาพรวมไฟล์ข้อมูลที่อัปโหลด
ปัญหาคือพอเปิดไฟล์ข้อมูลที่มีหลายสิบคอลัมน์ เราก็ตาลายไม่รู้จะเริ่มดูตรงไหน Prompt นี้ช่วยสรุปภาพรวมให้ก่อนว่ามีอะไรบ้าง อัปโหลดไฟล์แล้วใช้ได้เลย
Scenario สมมติคุณดูแลร้านอาหารเดลิเวอรี เพิ่งเอ็กซ์พอร์ตไฟล์ยอดขายย้อนหลังหกเดือนออกมาเป็น CSV แต่พอเปิดดูมันมีหลายสิบคอลัมน์จนไม่รู้จะเริ่มอ่านตรงไหน
(S) Situation ผมอัปโหลดไฟล์ข้อมูล [บอกว่าเป็นข้อมูลอะไร เก็บช่วงไหน] ธุรกิจของเราคือ [บริบทธุรกิจ]
(P) Persona สวมบทบาทเป็น Data Analyst ที่อธิบายข้อมูลให้คนไม่สายดาต้าเข้าใจ
(I) Instruction ช่วยสรุปภาพรวมของไฟล์นี้ให้หน่อยว่ามีข้อมูลอะไรบ้างและบอกอะไรเราได้
(C) Criteria บอกว่าแต่ละคอลัมน์คืออะไร มีกี่แถว ช่วงเวลาไหน มีข้อมูลหายหรือผิดปกติตรงไหน และสรุปตัวเลขสำคัญเบื้องต้น
(E) Example อยากได้สรุปที่อ่านแล้วเห็นภาพทันทีว่าข้อมูลชุดนี้พอจะตอบคำถามอะไรได้บ้าง
ตัวอย่างของจริง (สมมติว่าเป็นร้านอาหารเดลิเวอรี)
(S) Situation ผมอัปโหลดไฟล์ยอดขายเดลิเวอรีย้อนหลัง 6 เดือนเป็น CSV มีทั้งวันที่ เมนู ยอดต่อออเดอร์ และช่องทาง ธุรกิจของเราคือร้านอาหารตามสั่งที่ขายผ่านแอปเดลิเวอรีเป็นหลัก
(P) Persona สวมบทบาทเป็น Data Analyst ที่อธิบายข้อมูลให้คนไม่สายดาต้าเข้าใจ
(I) Instruction ช่วยสรุปภาพรวมของไฟล์นี้ให้หน่อยว่ามีข้อมูลอะไรบ้างและบอกอะไรเราได้
(C) Criteria บอกว่าแต่ละคอลัมน์คืออะไร มีกี่แถว ช่วงเวลาไหน มีข้อมูลหายหรือผิดปกติตรงไหน และสรุปตัวเลขสำคัญเบื้องต้น
(E) Example อยากได้สรุปที่อ่านแล้วเห็นภาพทันทีว่าข้อมูลชุดนี้พอจะตอบคำถามอะไรได้บ้าง
ผลลัพธ์คือภาพรวมข้อมูลในหน้าเดียวที่ทำให้รู้ว่ามีอะไรในมือและควรเริ่มเจาะตรงไหน จากที่เคยเปิดไฟล์แล้วตาลายไม่กล้าแตะ ก็มีจุดตั้งต้นให้ถามต่อได้ทันที
2. ทำความสะอาดข้อมูลที่รก
ปัญหาคือข้อมูลจริงมักรก ทั้งแถวซ้ำ วันที่คนละรูปแบบ และช่องว่างที่หายไป ถ้าวิเคราะห์ทั้งที่ยังรกอยู่ ผลก็เพี้ยน Prompt นี้ช่วยจัดข้อมูลให้สะอาดก่อน
Scenario สมมติคุณทำอีคอมเมิร์ซเสื้อผ้า ดึงไฟล์ออเดอร์จากหลายแพลตฟอร์มมารวมกัน แต่ละที่เขียนวันที่และชื่อสินค้าคนละแบบ มีทั้งแถวซ้ำและช่องที่เว้นว่าง จนเอาไปวิเคราะห์ตรงๆ ไม่ได้
(S) Situation ผมอัปโหลดไฟล์ [ข้อมูลอะไร] ที่รู้ว่ายังรกอยู่ ปัญหาที่เห็นคือ [เช่น แถวซ้ำ วันที่หลายรูปแบบ]
(P) Persona สวมบทบาทเป็น Data Analyst ที่พิถีพิถันเรื่องความสะอาดของข้อมูล
(I) Instruction ช่วยทำความสะอาดข้อมูลนี้ให้พร้อมวิเคราะห์ และอธิบายว่าทำอะไรไปบ้าง
(C) Criteria บอกทุกขั้นที่จัดการ ทั้งลบซ้ำ แก้รูปแบบ และจัดการค่าที่หายไป พร้อมเหตุผล และส่งไฟล์ที่สะอาดแล้วกลับมาให้ดาวน์โหลด
(E) Example อยากให้ระวังเรื่องการจัดการค่าที่หายไป บอกผมก่อนว่าจะเติมหรือจะตัดทิ้ง อย่าตัดสินใจเองเงียบๆ
ตัวอย่างของจริง (สมมติว่าเป็นอีคอมเมิร์ซเสื้อผ้า)
(S) Situation ผมอัปโหลดไฟล์ออเดอร์ที่รวมจาก Shopee, Lazada และเว็บตัวเอง ที่รู้ว่ายังรกอยู่ ปัญหาที่เห็นคือวันที่คนละรูปแบบ ชื่อสินค้าเขียนไม่ตรงกัน และมีออเดอร์ซ้ำ
(P) Persona สวมบทบาทเป็น Data Analyst ที่พิถีพิถันเรื่องความสะอาดของข้อมูล
(I) Instruction ช่วยทำความสะอาดข้อมูลนี้ให้พร้อมวิเคราะห์ และอธิบายว่าทำอะไรไปบ้าง
(C) Criteria บอกทุกขั้นที่จัดการ ทั้งลบซ้ำ แก้รูปแบบ และจัดการค่าที่หายไป พร้อมเหตุผล และส่งไฟล์ที่สะอาดแล้วกลับมาให้ดาวน์โหลด
(E) Example อยากให้ระวังเรื่องการจัดการค่าที่หายไป บอกผมก่อนว่าจะเติมหรือจะตัดทิ้ง อย่าตัดสินใจเองเงียบๆ
ผลลัพธ์คือไฟล์ข้อมูลที่สะอาดพร้อมวิเคราะห์ พร้อมบันทึกว่าทำอะไรไปบ้าง ช่วยให้ผลวิเคราะห์ที่ตามมาเชื่อถือได้ เพราะเริ่มจากข้อมูลที่ถูกต้อง ไม่ใช่ขยะเข้าขยะออก
3. หาความผิดปกติและตัวเลขที่น่าสงสัยในข้อมูล
ปัญหาคือบางทีในข้อมูลมีตัวเลขแปลกๆ ที่ถ้าไม่เจอก่อนจะทำให้สรุปผิดทั้งกระบิ Prompt นี้ช่วยสแกนหาจุดที่ผิดปกติก่อนวิเคราะห์จริง
Scenario สมมติคุณทำแบรนด์เครื่องสำอาง กำลังจะสรุปยอดขายรายเดือนเสนอทีม แต่แอบกังวลว่าจะมียอดที่กรอกผิดหรือออเดอร์คืนสินค้าก้อนใหญ่ปนอยู่ จนทำให้ค่าเฉลี่ยเพี้ยนโดยไม่รู้ตัว
(S) Situation ผมอัปโหลดไฟล์ [ข้อมูลอะไร] ก่อนวิเคราะห์อยากเช็กว่ามีอะไรผิดปกติที่อาจทำให้สรุปเพี้ยน
(P) Persona สวมบทบาทเป็น Data Analyst ที่ช่างสังเกตเรื่องความผิดปกติของข้อมูล
(I) Instruction ช่วยสแกนหาค่าผิดปกติ ค่าที่สูงหรือต่ำผิดกว่าปกติ และจุดที่น่าสงสัยว่าอาจกรอกผิด
(C) Criteria เรียงจุดที่พบจากที่น่ากังวลมากไปน้อย บอกว่าทำไมถึงน่าสงสัย และเสนอว่าควรจัดการแต่ละจุดยังไง แต่ยังไม่ต้องลบให้
(E) Example อยากได้การชี้จุดที่ให้ผมตัดสินใจเอง ไม่ใช่ลบหรือแก้ข้อมูลให้เองโดยไม่ถาม
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์เครื่องสำอาง)
(S) Situation ผมอัปโหลดไฟล์ยอดขายรายวันย้อนหลัง 1 ปี ก่อนวิเคราะห์อยากเช็กว่ามีอะไรผิดปกติที่อาจทำให้สรุปเพี้ยน เช่นยอดที่กรอกผิดหรือออเดอร์คืนสินค้าก้อนใหญ่
(P) Persona สวมบทบาทเป็น Data Analyst ที่ช่างสังเกตเรื่องความผิดปกติของข้อมูล
(I) Instruction ช่วยสแกนหาค่าผิดปกติ ค่าที่สูงหรือต่ำผิดกว่าปกติ และจุดที่น่าสงสัยว่าอาจกรอกผิด
(C) Criteria เรียงจุดที่พบจากที่น่ากังวลมากไปน้อย บอกว่าทำไมถึงน่าสงสัย และเสนอว่าควรจัดการแต่ละจุดยังไง แต่ยังไม่ต้องลบให้
(E) Example อยากได้การชี้จุดที่ให้ผมตัดสินใจเอง ไม่ใช่ลบหรือแก้ข้อมูลให้เองโดยไม่ถาม
ผลลัพธ์คือรายการจุดผิดปกติที่อาจทำให้สรุปเพี้ยน ช่วยให้เราจัดการก่อนวิเคราะห์จริง กันการเอาตัวเลขที่ผิดไปเสนอจนตัดสินใจพลาด ซึ่งเป็นความเสียหายที่ตามแก้ทีหลังยาก
4. ตั้งคำถามที่ควรถามกับชุดข้อมูลนี้
ปัญหาคือมีข้อมูลอยู่ในมือแต่นึกไม่ออกว่าจะถามอะไรกับมันดี เลยได้แต่ดูตัวเลขรวมๆ ไม่เกิดประโยชน์ Prompt นี้ช่วยจุดประกายว่าข้อมูลชุดนี้ตอบคำถามอะไรได้บ้าง
Scenario สมมติคุณดูแลร้านกาแฟเชนเล็กๆ มีข้อมูลการขายจากระบบ POS ทุกสาขาอยู่ในมือ แต่นึกไม่ออกว่านอกจากดูยอดรวมแล้ว ข้อมูลนี้จะช่วยตอบคำถามทางธุรกิจอะไรได้อีก
(S) Situation ผมอัปโหลดไฟล์ [ข้อมูลอะไร] ธุรกิจของเราคือ [บริบท] โจทย์ที่เราสนใจตอนนี้คือ [เป้าหมายธุรกิจ]
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เก่งเรื่องการตั้งคำถามที่ดึงคุณค่าจากข้อมูล
(I) Instruction เสนอชุดคำถามที่ข้อมูลนี้ตอบได้และเป็นประโยชน์ต่อการตัดสินใจทางการตลาด
(C) Criteria จัดกลุ่มคำถามตามเป้าหมาย เรียงจากคำถามที่น่าจะให้ Insight มากไปน้อย และบอกว่าแต่ละคำถามต้องดูคอลัมน์ไหน
(E) Example อยากได้คำถามที่นำไปสู่การตัดสินใจได้จริง ไม่ใช่คำถามที่ตอบแล้วก็รู้ไว้เฉยๆ
ตัวอย่างของจริง (สมมติว่าเป็นร้านกาแฟเชนเล็ก)
(S) Situation ผมอัปโหลดไฟล์ข้อมูลการขายจากระบบ POS ทุกสาขา มีทั้งเวลา เมนู สาขา และยอด ธุรกิจของเราคือร้านกาแฟเชนเล็ก 5 สาขา โจทย์ที่เราสนใจตอนนี้คือจะเพิ่มยอดต่อบิลได้ยังไง
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เก่งเรื่องการตั้งคำถามที่ดึงคุณค่าจากข้อมูล
(I) Instruction เสนอชุดคำถามที่ข้อมูลนี้ตอบได้และเป็นประโยชน์ต่อการตัดสินใจทางการตลาด
(C) Criteria จัดกลุ่มคำถามตามเป้าหมาย เรียงจากคำถามที่น่าจะให้ Insight มากไปน้อย และบอกว่าแต่ละคำถามต้องดูคอลัมน์ไหน
(E) Example อยากได้คำถามที่นำไปสู่การตัดสินใจได้จริง เช่นช่วงเวลาไหนคนซื้อเบเกอรีคู่กาแฟมากที่สุด ไม่ใช่คำถามที่ตอบแล้วก็รู้ไว้เฉยๆ
ผลลัพธ์คือชุดคำถามที่ปลดล็อกว่าข้อมูลในมือทำอะไรได้บ้าง เพราะหัวใจของการวิเคราะห์ที่ดีไม่ได้อยู่ที่เครื่องมือ แต่อยู่ที่การตั้งคำถามที่ใช่ เมื่อมีคำถามที่ดีแล้ว Prompt ที่เหลือในตอนนี้จะช่วยหาคำตอบให้คุณได้
กลุ่มที่สองคือการวัดว่าสิ่งที่เราทำไปได้ผลแค่ไหน ทั้งแอด คอนเทนต์ และยอดขาย เครื่องปรุง Criteria สำคัญมากในกลุ่มนี้ เพราะเราต้องสั่งให้มันบอกที่มาของตัวเลขและแยกข้อเท็จจริงออกจากการตีความ
5. วิเคราะห์ผลแคมเปญโฆษณา
ปัญหาคือรายงานแอดมีตัวเลขเต็มไปหมด ทั้งยอดใช้จ่าย คลิก และคอนเวอร์ชัน แต่เราดูไม่ออกว่าตกลงแคมเปญไหนคุ้มและควรเทงบต่อ Prompt นี้ช่วยสรุปว่าอันไหนเวิร์ก อัปโหลดไฟล์รายงานแอดก่อนใช้
Scenario สมมติคุณทำแบรนด์อาหารเสริม ยิงแอด Facebook หลายแคมเปญพร้อมกัน พอเอ็กซ์พอร์ตรายงานออกมาเป็นตารางยาว คุณดูไม่ออกว่าแคมเปญไหนคุ้มจริง เพราะบางอันยอดใช้จ่ายสูงแต่ก็ได้ยอดขายเยอะตามด้วย
(S) Situation ผมอัปโหลดรายงานแอดจาก [แพลตฟอร์ม] ช่วง [ช่วงเวลา] เป้าหมายแคมเปญคือ [เป้าหมาย]
(P) Persona สวมบทบาทเป็น Performance Marketer ที่อ่านรายงานแอดทะลุว่าเงินไปจมตรงไหน
(I) Instruction วิเคราะห์ว่าแคมเปญไหนคุ้มที่สุดและแคมเปญไหนควรหยุดหรือปรับ
(C) Criteria จัดอันดับแคมเปญด้วยตัวชี้วัดที่สำคัญต่อเป้าหมาย เช่น ต้นทุนต่อผลลัพธ์ บอกที่มาของการคำนวณ และแยกข้อเท็จจริงออกจากข้อเสนอแนะ
(E) Example อยากได้คำตอบที่บอกชัดว่าควรทำอะไรต่อ ไม่ใช่แค่สรุปตัวเลขซ้ำสิ่งที่อยู่ในรายงานอยู่แล้ว
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์อาหารเสริม)
(S) Situation ผมอัปโหลดรายงานแอดจาก Facebook ช่วง 30 วันที่ผ่านมา มีทั้งยอดใช้จ่าย คลิก และยอดสั่งซื้อแยกตามแคมเปญ เป้าหมายแคมเปญคือยอดขายคุ้มค่าโฆษณา
(P) Persona สวมบทบาทเป็น Performance Marketer ที่อ่านรายงานแอดทะลุว่าเงินไปจมตรงไหน
(I) Instruction วิเคราะห์ว่าแคมเปญไหนคุ้มที่สุดและแคมเปญไหนควรหยุดหรือปรับ
(C) Criteria จัดอันดับแคมเปญด้วยตัวชี้วัดที่สำคัญต่อเป้าหมาย เช่น ต้นทุนต่อผลลัพธ์ บอกที่มาของการคำนวณ และแยกข้อเท็จจริงออกจากข้อเสนอแนะ
(E) Example อยากได้คำตอบที่บอกชัดว่าควรทำอะไรต่อ ไม่ใช่แค่สรุปตัวเลขซ้ำสิ่งที่อยู่ในรายงานอยู่แล้ว
ผลลัพธ์คือการจัดอันดับแคมเปญที่บอกชัดว่าควรเทงบไปไหนและหยุดอันไหน ช่วยให้ตัดสินใจเรื่องงบแอดได้ด้วยตัวเลข ไม่ใช่ความรู้สึก และเพราะบังคับให้บอกที่มาการคำนวณ เราจึงตรวจสอบก่อนเชื่อได้
6. วิเคราะห์คอนเทนต์ว่าแบบไหนเวิร์ก
ปัญหาคือเราโพสต์คอนเทนต์ไปเยอะ แต่ไม่รู้ว่าแบบไหนได้ผลจริง เลยทำมั่วไปเรื่อยตามความรู้สึก Prompt นี้ช่วยหาแพตเทิร์นว่าคอนเทนต์แบบไหนเวิร์ก
Scenario สมมติคุณดูแลเพจคอนเทนต์การตลาด เอ็กซ์พอร์ต Insight โพสต์ย้อนหลังออกมา อยากรู้ว่าคอนเทนต์แบบไหนคนมีส่วนร่วมมากที่สุด แต่ข้อมูลกระจัดกระจายจนมองแพตเทิร์นไม่ออก
(S) Situation ผมอัปโหลดข้อมูล Insight โพสต์ย้อนหลังจาก [แพลตฟอร์ม] มีคอลัมน์ [บอกคอลัมน์ เช่น ประเภทโพสต์ ยอดเข้าถึง การมีส่วนร่วม]
(P) Persona สวมบทบาทเป็น Content Analyst ที่หาแพตเทิร์นว่าอะไรทำให้คอนเทนต์เวิร์ก
(I) Instruction วิเคราะห์ว่าคอนเทนต์แบบไหน ช่วงเวลาไหน หรือรูปแบบไหนได้ผลดีกว่าแบบอื่น
(C) Criteria สรุปเป็นแพตเทิร์นที่เอาไปทำต่อได้ บอกด้วยว่าข้อมูลมากพอจะสรุปได้แค่ไหน และอะไรที่ยังสรุปไม่ได้
(E) Example อยากได้แพตเทิร์นที่นำไปวางแผนคอนเทนต์ต่อได้ ไม่ใช่แค่บอกว่าโพสต์ไหนยอดสูงสุด
ตัวอย่างของจริง (สมมติว่าเป็นเพจคอนเทนต์การตลาด)
(S) Situation ผมอัปโหลดข้อมูล Insight โพสต์ย้อนหลัง 6 เดือนจาก Facebook มีคอลัมน์ประเภทโพสต์ เวลาโพสต์ ยอดเข้าถึง และยอดมีส่วนร่วม
(P) Persona สวมบทบาทเป็น Content Analyst ที่หาแพตเทิร์นว่าอะไรทำให้คอนเทนต์เวิร์ก
(I) Instruction วิเคราะห์ว่าคอนเทนต์แบบไหน ช่วงเวลาไหน หรือรูปแบบไหนได้ผลดีกว่าแบบอื่น
(C) Criteria สรุปเป็นแพตเทิร์นที่เอาไปทำต่อได้ บอกด้วยว่าข้อมูลมากพอจะสรุปได้แค่ไหน และอะไรที่ยังสรุปไม่ได้
(E) Example อยากได้แพตเทิร์นที่นำไปวางแผนคอนเทนต์ต่อได้ ไม่ใช่แค่บอกว่าโพสต์ไหนยอดสูงสุด
ผลลัพธ์คือแพตเทิร์นคอนเทนต์ที่ได้ผลซึ่งเอาไปวางแผนต่อได้จริง เปลี่ยนการทำคอนเทนต์จากการเดาเป็นการทำตามสิ่งที่ข้อมูลบอกว่าเวิร์ก ต่อยอดได้ดีกับการเก็บ Behavioral Data ที่ควรเก็บ ที่ผมเคยเขียนไว้
7. วิเคราะห์ยอดขายหาแพตเทิร์นและฤดูกาล
ปัญหาคือยอดขายขึ้นๆ ลงๆ แต่เราไม่รู้ว่าทำไม เลยวางแผนสต๊อกและโปรโมชันแบบเดาเอา Prompt นี้ช่วยหาจังหวะและแพตเทิร์นของยอดขาย
Scenario สมมติคุณขายของออนไลน์ ยอดขายบางสัปดาห์พุ่งบางสัปดาห์เงียบจนงงว่าเกิดจากอะไร ทำให้สั่งสต๊อกผิดประจำ บางทีของขาดตอนคนอยากซื้อ บางทีของล้นตอนเงียบ
(S) Situation ผมอัปโหลดข้อมูลยอดขาย [ช่วงเวลา] ธุรกิจคือ [บริบท] อยากเข้าใจว่ายอดขายมีจังหวะหรือแพตเทิร์นยังไง
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการหาแพตเทิร์นตามเวลาและฤดูกาล
(I) Instruction วิเคราะห์ว่ายอดขายมีแพตเทิร์นตามวัน สัปดาห์ เดือน หรือฤดูกาลไหม และมีช่วงพีคหรือช่วงตกตรงไหน
(C) Criteria ทำกราฟประกอบ ชี้จุดพีคและจุดตกพร้อมเดาสาเหตุที่เป็นไปได้ และบอกว่าข้อมูลยาวพอจะสรุปเรื่องฤดูกาลได้จริงไหม
(E) Example อยากได้แพตเทิร์นที่เอาไปวางแผนสต๊อกและโปรโมชันล่วงหน้าได้
ตัวอย่างของจริง (สมมติว่าเป็นร้านขายของออนไลน์)
(S) Situation ผมอัปโหลดข้อมูลยอดขายรายวันย้อนหลัง 2 ปี ธุรกิจคือร้านขายของแต่งบ้านออนไลน์ อยากเข้าใจว่ายอดขายมีจังหวะหรือแพตเทิร์นยังไง
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการหาแพตเทิร์นตามเวลาและฤดูกาล
(I) Instruction วิเคราะห์ว่ายอดขายมีแพตเทิร์นตามวัน สัปดาห์ เดือน หรือฤดูกาลไหม และมีช่วงพีคหรือช่วงตกตรงไหน
(C) Criteria ทำกราฟประกอบ ชี้จุดพีคและจุดตกพร้อมเดาสาเหตุที่เป็นไปได้ และบอกว่าข้อมูลยาวพอจะสรุปเรื่องฤดูกาลได้จริงไหม
(E) Example อยากได้แพตเทิร์นที่เอาไปวางแผนสต๊อกและโปรโมชันล่วงหน้าได้
ผลลัพธ์คือภาพจังหวะยอดขายพร้อมกราฟที่ทำให้วางแผนสต๊อกและโปรโมชันล่วงหน้าได้ แทนที่จะสั่งของแบบเดาจนของขาดตอนพีคหรือของล้นตอนเงียบ ซึ่งทั้งสองอย่างคือต้นทุนที่เลี่ยงได้
8. เทียบผลสองช่วงเวลาหรือสองแคมเปญ
ปัญหาคือเราอยากรู้ว่าสิ่งที่เปลี่ยนไปทำให้ดีขึ้นหรือแย่ลง แต่เทียบเองด้วยตาแล้วสรุปไม่ได้ชัด Prompt นี้ช่วยเทียบสองชุดให้เห็นความต่างที่มีนัยสำคัญ
Scenario สมมติคุณทำแบรนด์สกินแคร์ เพิ่งเปลี่ยนสไตล์คอนเทนต์และวิธียิงแอดเมื่อสองเดือนก่อน อยากรู้ว่าที่เปลี่ยนไปทำให้ผลดีขึ้นจริงไหม หรือเป็นแค่ความรู้สึกว่าน่าจะดีขึ้น
(S) Situation ผมอัปโหลดข้อมูลสองช่วง คือ [ช่วง A] กับ [ช่วง B] สิ่งที่เปลี่ยนระหว่างสองช่วงคือ [สิ่งที่เปลี่ยน]
(P) Persona สวมบทบาทเป็น Data Analyst ที่เปรียบเทียบข้อมูลอย่างเป็นกลางและระวังการสรุปเกินจริง
(I) Instruction เปรียบเทียบผลของสองช่วงนี้ว่าต่างกันยังไงในตัวชี้วัดสำคัญ
(C) Criteria ทำตารางและกราฟเทียบ บอกว่าความต่างมากพอจะถือว่ามีนัยสำคัญไหม และเตือนปัจจัยอื่นที่อาจมีผลนอกจากสิ่งที่เราเปลี่ยน
(E) Example อยากได้คำตอบที่ไม่รีบสรุปว่าดีขึ้นเพราะสิ่งที่เราทำ ทั้งที่อาจมีปัจจัยอื่นปน
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์สกินแคร์)
(S) Situation ผมอัปโหลดข้อมูลสองช่วง คือ 2 เดือนก่อนเปลี่ยนกับ 2 เดือนหลังเปลี่ยน สิ่งที่เปลี่ยนระหว่างสองช่วงคือสไตล์คอนเทนต์และวิธีตั้งกลุ่มเป้าหมายในการยิงแอด
(P) Persona สวมบทบาทเป็น Data Analyst ที่เปรียบเทียบข้อมูลอย่างเป็นกลางและระวังการสรุปเกินจริง
(I) Instruction เปรียบเทียบผลของสองช่วงนี้ว่าต่างกันยังไงในตัวชี้วัดสำคัญ
(C) Criteria ทำตารางและกราฟเทียบ บอกว่าความต่างมากพอจะถือว่ามีนัยสำคัญไหม และเตือนปัจจัยอื่นที่อาจมีผลนอกจากสิ่งที่เราเปลี่ยน
(E) Example อยากได้คำตอบที่ไม่รีบสรุปว่าดีขึ้นเพราะสิ่งที่เราทำ ทั้งที่อาจมีปัจจัยอื่นปน
ผลลัพธ์คือการเปรียบเทียบที่บอกได้ว่าสิ่งที่เปลี่ยนไปได้ผลจริงไหม พร้อมเตือนปัจจัยอื่นที่อาจปน ช่วยให้เราเรียนรู้จากสิ่งที่ทำอย่างมีหลักการ ไม่ใช่หลอกตัวเองว่าทุกอย่างที่ทำได้ผลดีหมด
Customer and Segment Analysis รวม Prompt วิเคราะห์ลูกค้าและเซกเมนต์
กลุ่มที่สามคือการเจาะลงไปที่ตัวลูกค้า ว่าใครคือลูกค้าที่มีค่า และเราเสียลูกค้าตรงไหน เครื่องปรุง Situation สำคัญมาก เพราะต้องป้อนข้อมูลลูกค้าให้ครบและบอกบริบทให้ชัด พร้อมระวังเรื่องข้อมูลส่วนบุคคล
9. แบ่งกลุ่มลูกค้าจากข้อมูลจริง
ปัญหาคือเราปฏิบัติกับลูกค้าทุกคนเหมือนกันหมด ทั้งที่จริงลูกค้ามีหลายแบบและต้องการต่างกัน Prompt นี้ช่วยแบ่งกลุ่มลูกค้าจากพฤติกรรมจริง
Scenario สมมติคุณดูแลร้านค้าปลีกที่มีระบบสมาชิก มีข้อมูลการซื้อของสมาชิกอยู่เต็มมือ แต่ที่ผ่านมาส่งโปรโมชันเดียวกันหาทุกคน ทั้งที่ลูกค้าขาประจำกับคนที่ซื้อปีละครั้งไม่ควรได้ข้อความแบบเดียวกัน
(S) Situation ผมอัปโหลดข้อมูลลูกค้าที่ลบข้อมูลส่วนบุคคลออกแล้ว มีคอลัมน์ [เช่น ความถี่ซื้อ ยอดซื้อ ประเภทสินค้า] ธุรกิจคือ [บริบท]
(P) Persona สวมบทบาทเป็น Customer Analyst ที่เก่งเรื่องการแบ่งกลุ่มลูกค้าให้เอาไปใช้ได้จริง
(I) Instruction แบ่งลูกค้าเป็นกลุ่มตามพฤติกรรม แล้วอธิบายว่าแต่ละกลุ่มคือใครและควรสื่อสารต่างกันยังไง
(C) Criteria บอกจำนวนกลุ่มที่เหมาะสมพร้อมเหตุผล อธิบายลักษณะเด่นของแต่ละกลุ่ม และเสนอแนวการตลาดต่อกลุ่ม
(E) Example อยากได้กลุ่มที่เอาไปทำการตลาดต่างกันได้จริง ไม่ใช่แบ่งกลุ่มสวยๆ ที่ทำอะไรต่อไม่ได้
ตัวอย่างของจริง (สมมติว่าเป็นร้านค้าปลีกมีระบบสมาชิก)
(S) Situation ผมอัปโหลดข้อมูลลูกค้าที่ลบชื่อและเบอร์โทรออกแล้ว เหลือรหัสสมาชิก ความถี่ซื้อ ยอดซื้อรวม และหมวดสินค้าที่ซื้อ ธุรกิจคือร้านค้าปลีกสินค้าไลฟ์สไตล์ที่มีสมาชิกหมื่นกว่าคน
(P) Persona สวมบทบาทเป็น Customer Analyst ที่เก่งเรื่องการแบ่งกลุ่มลูกค้าให้เอาไปใช้ได้จริง
(I) Instruction แบ่งลูกค้าเป็นกลุ่มตามพฤติกรรม แล้วอธิบายว่าแต่ละกลุ่มคือใครและควรสื่อสารต่างกันยังไง
(C) Criteria บอกจำนวนกลุ่มที่เหมาะสมพร้อมเหตุผล อธิบายลักษณะเด่นของแต่ละกลุ่ม และเสนอแนวการตลาดต่อกลุ่ม
(E) Example อยากได้กลุ่มที่เอาไปทำการตลาดต่างกันได้จริง ไม่ใช่แบ่งกลุ่มสวยๆ ที่ทำอะไรต่อไม่ได้
ผลลัพธ์คือกลุ่มลูกค้าที่แบ่งจากพฤติกรรมจริงพร้อมแนวการตลาดของแต่ละกลุ่ม ช่วยให้เลิกส่งสารเดียวหาทุกคน ไปสู่การสื่อสารที่ตรงใจแต่ละกลุ่ม ซึ่งเพิ่มผลได้โดยไม่ต้องเพิ่มงบ
10. หาลูกค้าที่มีค่าที่สุดด้วย RFM
ปัญหาคือเราไม่รู้ว่าใครคือลูกค้าที่ควรดูแลเป็นพิเศษ เลยทุ่มเทเท่ากันหมดจนเสียแรงกับคนที่ไม่กลับมา Prompt นี้ช่วยหาลูกค้าที่มีค่าที่สุดด้วยหลัก RFM
Scenario สมมติคุณทำอีคอมเมิร์ซ อยากรู้ว่าใครคือลูกค้ากลุ่มที่ทำเงินให้เรามากที่สุดและควรดูแลก่อนใคร แต่มีฐานลูกค้าหลายพันคนจนดูเองไม่ไหว
(S) Situation ผมอัปโหลดข้อมูลการซื้อของลูกค้าที่ลบข้อมูลส่วนบุคคลแล้ว มีวันที่ซื้อ ความถี่ และยอดซื้อ ธุรกิจคือ [บริบท]
(P) Persona สวมบทบาทเป็น CRM Analyst ที่เชี่ยวชาญการวิเคราะห์คุณค่าลูกค้าด้วย RFM
(I) Instruction วิเคราะห์ลูกค้าด้วยหลัก RFM คือความใหม่ของการซื้อ ความถี่ และมูลค่า แล้วแบ่งเป็นกลุ่มตามคุณค่า
(C) Criteria อธิบายแต่ละกลุ่มว่าหมายถึงลูกค้าแบบไหน เรียงตามคุณค่า และเสนอว่าควรทำอะไรกับแต่ละกลุ่ม บอกวิธีให้คะแนนที่ใช้ด้วย
(E) Example อยากได้กลุ่มลูกค้าที่บอกได้ว่าควรทุ่มดูแลใครก่อน และใครที่กำลังจะหายไปต้องรีบดึงกลับ
ตัวอย่างของจริง (สมมติว่าเป็นอีคอมเมิร์ซ)
(S) Situation ผมอัปโหลดข้อมูลการซื้อของลูกค้าที่ลบชื่อและอีเมลแล้ว เหลือรหัสลูกค้า วันที่ซื้อล่าสุด จำนวนครั้งที่ซื้อ และยอดซื้อรวม ธุรกิจคืออีคอมเมิร์ซขายของใช้ในบ้าน
(P) Persona สวมบทบาทเป็น CRM Analyst ที่เชี่ยวชาญการวิเคราะห์คุณค่าลูกค้าด้วย RFM
(I) Instruction วิเคราะห์ลูกค้าด้วยหลัก RFM คือความใหม่ของการซื้อ ความถี่ และมูลค่า แล้วแบ่งเป็นกลุ่มตามคุณค่า
(C) Criteria อธิบายแต่ละกลุ่มว่าหมายถึงลูกค้าแบบไหน เรียงตามคุณค่า และเสนอว่าควรทำอะไรกับแต่ละกลุ่ม บอกวิธีให้คะแนนที่ใช้ด้วย
(E) Example อยากได้กลุ่มลูกค้าที่บอกได้ว่าควรทุ่มดูแลใครก่อน และใครที่กำลังจะหายไปต้องรีบดึงกลับ
ผลลัพธ์คือการจัดกลุ่มลูกค้าตามคุณค่าที่ทำให้รู้ว่าควรดูแลใครก่อนและใครกำลังจะหลุดมือ ช่วยให้ทุ่มทรัพยากรไปที่ลูกค้าที่สร้างผลตอบแทนสูงสุด แทนที่จะหว่านเท่ากันหมดจนเหนื่อยฟรี
11. หาว่าลูกค้าหลุดหายตรงไหนใน Funnel
ปัญหาคือมีคนเข้ามาเยอะแต่ซื้อจริงน้อย เรารู้ว่าหลุดกลางทางแต่ไม่รู้ว่าตรงไหน Prompt นี้ช่วยหาจุดรั่วใน Funnel จากข้อมูล
Scenario สมมติคุณดูแลแอปบริการแบบสมัครสมาชิก มีคนสมัครทดลองใช้เยอะแต่จ่ายเงินต่อจริงน้อย คุณอยากรู้ว่าคนหายไปช่วงไหนของการใช้งาน แต่ดูจากข้อมูลดิบเองแล้วจับไม่ได้
(S) Situation ผมอัปโหลดข้อมูล [ข้อมูลพฤติกรรมลูกค้าตามขั้น] ขั้นตอนของเราคือ [อธิบาย Funnel ตั้งแต่ต้นจนจบ]
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการวิเคราะห์ Funnel และจุดที่คนหลุดหาย
(I) Instruction วิเคราะห์ว่าลูกค้าหลุดหายมากที่สุดในขั้นไหน และเดาว่าทำไม
(C) Criteria ทำเป็นภาพ Funnel บอกอัตราการหลุดในแต่ละขั้น ชี้ขั้นที่เป็นปัญหาที่สุด และเสนอสมมติฐานว่าทำไมคนหลุดตรงนั้น
(E) Example อยากได้จุดรั่วที่ชัดพอจะไปแก้ต่อได้ พร้อมสมมติฐานที่เอาไปทดสอบได้จริง
ตัวอย่างของจริง (สมมติว่าเป็นแอปบริการสมัครสมาชิก)
(S) Situation ผมอัปโหลดข้อมูลพฤติกรรมผู้ใช้ตามขั้นตอน ขั้นตอนของเราคือสมัครทดลองใช้ เปิดใช้ครั้งแรก ใช้ครบสัปดาห์แรก และจ่ายเงินสมัครต่อ
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการวิเคราะห์ Funnel และจุดที่คนหลุดหาย
(I) Instruction วิเคราะห์ว่าลูกค้าหลุดหายมากที่สุดในขั้นไหน และเดาว่าทำไม
(C) Criteria ทำเป็นภาพ Funnel บอกอัตราการหลุดในแต่ละขั้น ชี้ขั้นที่เป็นปัญหาที่สุด และเสนอสมมติฐานว่าทำไมคนหลุดตรงนั้น
(E) Example อยากได้จุดรั่วที่ชัดพอจะไปแก้ต่อได้ พร้อมสมมติฐานที่เอาไปทดสอบได้จริง
ผลลัพธ์คือภาพ Funnel ที่ชี้ชัดว่าคนหลุดมากที่สุดตรงไหน พร้อมสมมติฐานว่าทำไม ช่วยให้เราไปอุดรูที่ใหญ่ที่สุดก่อน ซึ่งมักได้ผลคุ้มกว่าการทุ่มหาคนเข้ามาใหม่เพิ่มเรื่อยๆ
12. วิเคราะห์ว่าลูกค้าซื้ออะไรคู่กันบ่อย
ปัญหาคือเราไม่รู้ว่าสินค้าไหนมักถูกซื้อคู่กัน เลยพลาดโอกาสจัดเซ็ตหรือแนะนำของเพิ่ม Prompt นี้ช่วยหาคู่สินค้าที่ขายดีไปด้วยกัน
Scenario สมมติคุณดูแลร้านสะดวกซื้อออนไลน์ อยากรู้ว่าลูกค้ามักซื้ออะไรพร้อมกัน เพื่อจัดเซ็ตหรือแนะนำสินค้าเพิ่มตอนเช็กเอาต์ แต่ข้อมูลตะกร้าซื้อมีเป็นหมื่นบิลจนดูเองไม่ไหว
(S) Situation ผมอัปโหลดข้อมูลรายการสั่งซื้อที่มีว่าแต่ละบิลมีสินค้าอะไรบ้าง ธุรกิจคือ [บริบท]
(P) Persona สวมบทบาทเป็น Data Analyst ที่เชี่ยวชาญการวิเคราะห์ตะกร้าสินค้า
(I) Instruction วิเคราะห์ว่าสินค้าคู่ไหนหรือกลุ่มไหนมักถูกซื้อไปด้วยกันบ่อย
(C) Criteria เรียงคู่สินค้าที่ซื้อคู่กันบ่อยจากมากไปน้อย บอกว่าบ่อยแค่ไหน และเสนอว่าจะเอาไปจัดเซ็ตหรือแนะนำเพิ่มยังไง
(E) Example อยากได้คู่สินค้าที่เอาไปทำโปรหรือจัดเซ็ตได้จริง ไม่ใช่คู่ที่ซื้อคู่กันเพราะบังเอิญ
ตัวอย่างของจริง (สมมติว่าเป็นร้านสะดวกซื้อออนไลน์)
(S) Situation ผมอัปโหลดข้อมูลรายการสั่งซื้อที่มีว่าแต่ละบิลมีสินค้าอะไรบ้าง รวมหมื่นกว่าบิล ธุรกิจคือร้านสะดวกซื้อออนไลน์ส่งภายในวัน
(P) Persona สวมบทบาทเป็น Data Analyst ที่เชี่ยวชาญการวิเคราะห์ตะกร้าสินค้า
(I) Instruction วิเคราะห์ว่าสินค้าคู่ไหนหรือกลุ่มไหนมักถูกซื้อไปด้วยกันบ่อย
(C) Criteria เรียงคู่สินค้าที่ซื้อคู่กันบ่อยจากมากไปน้อย บอกว่าบ่อยแค่ไหน และเสนอว่าจะเอาไปจัดเซ็ตหรือแนะนำเพิ่มยังไง
(E) Example อยากได้คู่สินค้าที่เอาไปทำโปรหรือจัดเซ็ตได้จริง ไม่ใช่คู่ที่ซื้อคู่กันเพราะบังเอิญ
ผลลัพธ์คือรายการคู่สินค้าที่ขายดีไปด้วยกัน ซึ่งเอาไปจัดเซ็ต ทำโปรพ่วง หรือแนะนำของเพิ่มตอนเช็กเอาต์ได้ ช่วยเพิ่มยอดต่อบิลจากลูกค้าที่มีอยู่แล้ว โดยไม่ต้องหาลูกค้าใหม่
Visualization and Reporting รวม Prompt ทำกราฟและรายงาน
กลุ่มที่สี่คือการเปลี่ยนตัวเลขให้เป็นภาพและรายงานที่คนอื่นเข้าใจ เพราะการวิเคราะห์ที่เก่งแค่ไหนถ้าสื่อสารไม่ได้ก็ไม่มีใครเอาไปใช้ เครื่องปรุง Criteria กำหนดว่าอยากได้ภาพและรายงานหน้าตาแบบไหน
13. ทำกราฟจากข้อมูลให้เล่าเรื่อง
ปัญหาคือเรามีตัวเลขแต่พอเอาไปใส่กราฟเองกลับออกมาอ่านยากหรือเลือกกราฟผิดประเภท Prompt นี้ช่วยทำกราฟที่เล่าเรื่องได้ชัด
Scenario สมมติคุณทำแบรนด์เครื่องดื่ม มีข้อมูลยอดขายหลายเดือนหลายรสชาติ อยากทำกราฟให้ทีมเห็นภาพว่ารสไหนกำลังมาแรงรสไหนกำลังตก แต่ทำเองทีไรกราฟก็รกจนอ่านไม่รู้เรื่อง
(S) Situation ผมอัปโหลดข้อมูล [ข้อมูลอะไร] อยากทำกราฟเพื่อสื่อสารเรื่อง [ประเด็นที่อยากให้เห็น] ให้ [คนดูคือใคร]
(P) Persona สวมบทบาทเป็น Data Visualization Specialist ที่เลือกกราฟให้เหมาะกับเรื่องที่จะเล่า
(I) Instruction ทำกราฟที่สื่อสารประเด็นนี้ได้ชัดที่สุด พร้อมบอกว่าทำไมเลือกกราฟแบบนี้
(C) Criteria เลือกประเภทกราฟให้เหมาะกับข้อมูล ใส่หัวข้อและป้ายกำกับให้อ่านเข้าใจง่าย และสรุปสั้นๆ ว่ากราฟนี้บอกอะไร
(E) Example อยากได้กราฟที่คนดูเข้าใจใน 5 วินาที ไม่ใช่กราฟที่ต้องเพ่งนาน
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์เครื่องดื่ม)
(S) Situation ผมอัปโหลดข้อมูลยอดขายรายเดือนแยกตามรสชาติย้อนหลัง 1 ปี อยากทำกราฟเพื่อสื่อสารเรื่องว่ารสไหนกำลังมาแรงรสไหนกำลังตก ให้ทีมการตลาดและทีมผลิตดู
(P) Persona สวมบทบาทเป็น Data Visualization Specialist ที่เลือกกราฟให้เหมาะกับเรื่องที่จะเล่า
(I) Instruction ทำกราฟที่สื่อสารประเด็นนี้ได้ชัดที่สุด พร้อมบอกว่าทำไมเลือกกราฟแบบนี้
(C) Criteria เลือกประเภทกราฟให้เหมาะกับข้อมูล ใส่หัวข้อและป้ายกำกับให้อ่านเข้าใจง่าย และสรุปสั้นๆ ว่ากราฟนี้บอกอะไร
(E) Example อยากได้กราฟที่คนดูเข้าใจใน 5 วินาที ไม่ใช่กราฟที่ต้องเพ่งนาน
ผลลัพธ์คือกราฟที่เล่าเรื่องได้ชัดและเลือกประเภทถูก พร้อมคำอธิบายว่ากราฟบอกอะไร ช่วยให้สื่อสารผลกับทีมได้เร็วและตรง แทนที่จะส่งกราฟรกๆ ที่คนดูต้องเดาเองว่าจะให้มองอะไร
14. ทำ Dashboard สรุปตัวเลขสำคัญ
ปัญหาคือตัวเลขสำคัญกระจัดกระจายอยู่หลายไฟล์ ทำให้ไม่มีที่ที่เห็นภาพรวมในหน้าเดียว Prompt นี้ช่วยสรุปตัวเลขหลักให้อยู่รวมกัน
Scenario สมมติคุณดูแลทีมการตลาดในองค์กร ทุกสัปดาห์ต้องรายงานตัวเลขให้หัวหน้า แต่ข้อมูลอยู่คนละไฟล์ทั้งยอดขาย ยอดแอด และยอดโซเชียล กว่าจะรวมเป็นภาพเดียวก็เสียเวลาทุกครั้ง
(S) Situation ผมอัปโหลดข้อมูล [ข้อมูลที่มี] ตัวชี้วัดที่เราสนใจคือ [ลิสต์ KPI] คนที่จะดูคือ [ใคร]
(P) Persona สวมบทบาทเป็น Analyst ที่ออกแบบ Dashboard ให้เห็นภาพรวมในหน้าเดียว
(I) Instruction สรุปตัวเลขสำคัญเหล่านี้ให้อยู่ในมุมมองเดียวที่อ่านง่าย พร้อมกราฟประกอบที่จำเป็น
(C) Criteria จัดลำดับตัวเลขจากสำคัญมากไปน้อย เทียบกับช่วงก่อนหน้าถ้ามีข้อมูล และไฮไลต์จุดที่ควรจับตา
(E) Example อยากได้ภาพรวมที่หัวหน้าเปิดดูแล้วเข้าใจสถานการณ์ทันทีโดยไม่ต้องถามต่อ
ตัวอย่างของจริง (สมมติว่าเป็นทีมการตลาดในองค์กร)
(S) Situation ผมอัปโหลดข้อมูลยอดขาย ยอดใช้จ่ายแอด และยอดมีส่วนร่วมโซเชียลของสัปดาห์นี้ ตัวชี้วัดที่เราสนใจคือยอดขาย ต้นทุนต่อการสั่งซื้อ และการเติบโตของผู้ติดตาม คนที่จะดูคือหัวหน้าฝ่ายการตลาด
(P) Persona สวมบทบาทเป็น Analyst ที่ออกแบบ Dashboard ให้เห็นภาพรวมในหน้าเดียว
(I) Instruction สรุปตัวเลขสำคัญเหล่านี้ให้อยู่ในมุมมองเดียวที่อ่านง่าย พร้อมกราฟประกอบที่จำเป็น
(C) Criteria จัดลำดับตัวเลขจากสำคัญมากไปน้อย เทียบกับช่วงก่อนหน้าถ้ามีข้อมูล และไฮไลต์จุดที่ควรจับตา
(E) Example อยากได้ภาพรวมที่หัวหน้าเปิดดูแล้วเข้าใจสถานการณ์ทันทีโดยไม่ต้องถามต่อ
ผลลัพธ์คือภาพรวมตัวเลขสำคัญในมุมมองเดียวที่ย่นเวลาทำรายงานประจำสัปดาห์ และทำให้คนดูเข้าใจสถานการณ์ได้ทันที เปลี่ยนเวลาที่เคยเสียไปกับการรวมไฟล์ให้ไปอยู่กับการคิดว่าตัวเลขบอกอะไร
15. เขียนรายงานสรุปผลให้คนไม่สายข้อมูลอ่านรู้เรื่อง
ปัญหาคือเราวิเคราะห์ได้แล้ว แต่พอเขียนรายงานออกมามันเต็มไปด้วยศัพท์เทคนิคจนคนอ่านไม่เข้าใจ Prompt นี้ช่วยแปลผลวิเคราะห์เป็นภาษาคน
Scenario สมมติคุณทำงานเอเจนซี ต้องส่งรายงานผลการตลาดให้ลูกค้าที่เป็นเจ้าของธุรกิจซึ่งไม่ได้สายข้อมูล ถ้าเขียนด้วยศัพท์เทคนิคลูกค้าจะงงและไม่เห็นคุณค่าของงานที่ทำ
(S) Situation นี่คือผลวิเคราะห์ที่ได้ [วางผลวิเคราะห์] คนอ่านรายงานคือ [ใคร ระดับความเข้าใจข้อมูลแค่ไหน]
(P) Persona สวมบทบาทเป็นนักเขียนรายงานที่แปลเรื่องข้อมูลให้คนทั่วไปเข้าใจและเห็นคุณค่า
(I) Instruction เขียนรายงานสรุปผลนี้ให้คนอ่านที่ไม่ใช่สายข้อมูลเข้าใจและรู้ว่าต้องทำอะไรต่อ
(C) Criteria เปิดด้วยข้อสรุปสำคัญก่อน ตามด้วยรายละเอียดที่จำเป็น เลี่ยงศัพท์เทคนิค และจบด้วยข้อเสนอแนะ
(E) Example อยากได้รายงานที่ลูกค้าอ่านแล้วเข้าใจและเห็นว่างานที่เราทำมีค่า ไม่ใช่รายงานที่ดูฉลาดแต่ไม่มีใครอ่านจบ
ตัวอย่างของจริง (สมมติว่าเป็นเอเจนซีการตลาด)
(S) Situation นี่คือผลวิเคราะห์ที่ได้ [วางผลวิเคราะห์ผลแคมเปญรายเดือนของลูกค้า] คนอ่านรายงานคือเจ้าของร้านอาหารที่จ้างเราดูแลการตลาด ไม่ได้สายข้อมูล
(P) Persona สวมบทบาทเป็นนักเขียนรายงานที่แปลเรื่องข้อมูลให้คนทั่วไปเข้าใจและเห็นคุณค่า
(I) Instruction เขียนรายงานสรุปผลนี้ให้คนอ่านที่ไม่ใช่สายข้อมูลเข้าใจและรู้ว่าต้องทำอะไรต่อ
(C) Criteria เปิดด้วยข้อสรุปสำคัญก่อน ตามด้วยรายละเอียดที่จำเป็น เลี่ยงศัพท์เทคนิค และจบด้วยข้อเสนอแนะ
(E) Example อยากได้รายงานที่ลูกค้าอ่านแล้วเข้าใจและเห็นว่างานที่เราทำมีค่า ไม่ใช่รายงานที่ดูฉลาดแต่ไม่มีใครอ่านจบ
ผลลัพธ์คือรายงานที่คนไม่สายข้อมูลอ่านแล้วเข้าใจและเห็นคุณค่า ช่วยให้ผลงานวิเคราะห์ของเราถูกนำไปใช้จริงและได้รับการยอมรับ แทนที่จะถูกมองข้ามเพราะอ่านไม่รู้เรื่อง
16. แปลงตัวเลขเป็นสไลด์นำเสนอผู้บริหาร
ปัญหาคือมีผลวิเคราะห์พร้อมแล้ว แต่ต้องเสียเวลาเรียบเรียงเป็นสไลด์ให้ผู้บริหารดูอีก Prompt นี้ช่วยร่างโครงสไลด์จากตัวเลขให้
Scenario สมมติคุณทำแบรนด์ค้าปลีก มีผลวิเคราะห์ยอดขายไตรมาสพร้อมแล้ว ต้องนำเสนอผู้บริหารในที่ประชุมสัปดาห์หน้า แต่ยังไม่มีเวลาทำสไลด์ และไม่อยากเอาตัวเลขดิบไปแปะลงสไลด์ตรงๆ
(S) Situation นี่คือผลวิเคราะห์ [วางผล] จะนำเสนอ [ใคร] เวลาราว [กี่นาที] ประเด็นหลักที่อยากให้จำคือ [ประเด็น]
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เล่าเรื่องด้วยข้อมูลให้ผู้บริหารเข้าใจและตัดสินใจได้
(I) Instruction ร่างโครงสไลด์นำเสนอจากผลวิเคราะห์นี้ ที่เล่าเป็นเรื่องและจบด้วยข้อเสนอ
(C) Criteria บอกหัวข้อแต่ละสไลด์ ตัวเลขหรือกราฟที่ควรใส่ และประเด็นหลักของสไลด์นั้น เรียงให้ลื่นในเวลาที่มี
(E) Example อยากได้โครงที่เปิดด้วยข้อสรุปที่ผู้บริหารสนใจ ไม่ใช่ไล่ตัวเลขตั้งแต่ต้นจนจบ
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์ค้าปลีก)
(S) Situation นี่คือผลวิเคราะห์ยอดขายไตรมาสที่ผ่านมาแยกตามหมวดสินค้าและสาขา จะนำเสนอผู้บริหารระดับสูง เวลาราว 15 นาที ประเด็นหลักที่อยากให้จำคือหมวดสินค้าใหม่กำลังโตและควรขยาย
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เล่าเรื่องด้วยข้อมูลให้ผู้บริหารเข้าใจและตัดสินใจได้
(I) Instruction ร่างโครงสไลด์นำเสนอจากผลวิเคราะห์นี้ ที่เล่าเป็นเรื่องและจบด้วยข้อเสนอ
(C) Criteria บอกหัวข้อแต่ละสไลด์ ตัวเลขหรือกราฟที่ควรใส่ และประเด็นหลักของสไลด์นั้น เรียงให้ลื่นในเวลาที่มี
(E) Example อยากได้โครงที่เปิดด้วยข้อสรุปที่ผู้บริหารสนใจ ไม่ใช่ไล่ตัวเลขตั้งแต่ต้นจนจบ
ผลลัพธ์คือโครงสไลด์ที่พร้อมลงเนื้อหา ย่นเวลาทำพรีเซนต์ และเพราะวางให้เล่าเป็นเรื่องจบด้วยข้อเสนอ ผู้บริหารจึงเข้าใจและตัดสินใจได้เร็ว แทนที่จะงงกับตัวเลขที่ไม่รู้ว่าจะให้สรุปอะไร
Insight and Decision รวม Prompt เปลี่ยนข้อมูลเป็นการตัดสินใจ
กลุ่มสุดท้ายคือขั้นที่สำคัญที่สุด คือการเปลี่ยนผลวิเคราะห์ให้เป็นการตัดสินใจที่ลงมือได้ เพราะข้อมูลที่ไม่นำไปสู่การตัดสินใจก็ไม่มีค่า เครื่องปรุง Criteria ปิดท้ายด้วยการบังคับให้ ChatGPT แยกสิ่งที่ข้อมูลบอกได้ออกจากสิ่งที่เป็นแค่การคาดเดา
17. แปลงผลวิเคราะห์เป็นข้อเสนอที่ทำได้
ปัญหาคือวิเคราะห์เสร็จแล้วได้ตัวเลขสวยๆ แต่ไม่รู้จะทำอะไรต่อ ข้อมูลเลยจบแค่รู้ Prompt นี้ช่วยเชื่อมผลวิเคราะห์กับการกระทำ
Scenario สมมติคุณทำร้านอาหาร วิเคราะห์ยอดขายเมนูเสร็จแล้วรู้ว่าเมนูไหนขายดีเมนูไหนขายไม่ออก แต่ได้แค่รู้ ยังไม่รู้ว่าจะเอาข้อมูลนี้ไปปรับเมนูหรือโปรโมชันยังไงต่อ
(S) Situation นี่คือผลวิเคราะห์ที่ได้ [วางผล] ธุรกิจคือ [บริบท] เป้าหมายของเราคือ [เป้าหมาย]
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เก่งเรื่องการเปลี่ยนข้อมูลเป็นแผนลงมือ
(I) Instruction แปลงผลวิเคราะห์นี้เป็นข้อเสนอที่ทำได้จริง โดยเชื่อมแต่ละข้อกับข้อมูลที่มา
(C) Criteria แต่ละข้อเสนอบอกว่าอิงจากตัวเลขไหน ควรทำอะไร คาดหวังผลอะไร และวัดผลยังไง เรียงตามผลกระทบ
(E) Example อยากได้ข้อเสนอที่เริ่มทำได้เลย ไม่ใช่คำแนะนำกว้างๆ ที่ไม่รู้จะเริ่มตรงไหน
ตัวอย่างของจริง (สมมติว่าเป็นร้านอาหาร)
(S) Situation นี่คือผลวิเคราะห์ยอดขายเมนูย้อนหลัง 6 เดือน ที่บอกว่าเมนูไหนขายดี เมนูไหนขายไม่ออก และเมนูไหนกำไรดี ธุรกิจคือร้านอาหารตามสั่ง เป้าหมายของเราคือเพิ่มกำไรโดยไม่ขึ้นราคา
(P) Persona สวมบทบาทเป็นที่ปรึกษาที่เก่งเรื่องการเปลี่ยนข้อมูลเป็นแผนลงมือ
(I) Instruction แปลงผลวิเคราะห์นี้เป็นข้อเสนอที่ทำได้จริง โดยเชื่อมแต่ละข้อกับข้อมูลที่มา
(C) Criteria แต่ละข้อเสนอบอกว่าอิงจากตัวเลขไหน ควรทำอะไร คาดหวังผลอะไร และวัดผลยังไง เรียงตามผลกระทบ
(E) Example อยากได้ข้อเสนอที่เริ่มทำได้เลย เช่นดันเมนูกำไรดีขึ้นเป็นพระเอกหน้าแรก ไม่ใช่คำแนะนำกว้างๆ
ผลลัพธ์คือชุดข้อเสนอที่โยงกับตัวเลขชัดเจนและเริ่มทำได้เลย เปลี่ยนผลวิเคราะห์จากแค่รู้ให้กลายเป็นการลงมือที่วัดผลได้ ซึ่งคือคุณค่าจริงของการวิเคราะห์ข้อมูล
18. หาสาเหตุว่าทำไมตัวเลขถึงเปลี่ยน
ปัญหาคือยอดตกหรือพุ่งขึ้นมาแบบไม่รู้สาเหตุ พอตอบเจ้านายไม่ได้ก็เดามั่ว Prompt นี้ช่วยไล่หาสาเหตุที่เป็นไปได้จากข้อมูล
Scenario สมมติคุณทำอีคอมเมิร์ซ ยอดขายเดือนที่แล้วตกลงอย่างน่าตกใจ เจ้านายถามว่าเกิดอะไรขึ้น แต่คุณยังตอบไม่ได้เพราะยังไม่ได้ไล่ดูว่าตกเพราะอะไร
(S) Situation ผมอัปโหลดข้อมูล [ข้อมูลอะไร] สิ่งที่เกิดขึ้นคือ [ตัวเลขเปลี่ยนยังไง ช่วงไหน]
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการไล่หาสาเหตุของการเปลี่ยนแปลง
(I) Instruction ช่วยไล่ดูจากข้อมูลว่าอะไรน่าจะเป็นสาเหตุที่ทำให้ตัวเลขเปลี่ยนไปแบบนี้
(C) Criteria เรียงสาเหตุที่เป็นไปได้จากที่ข้อมูลสนับสนุนมากไปน้อย แยกชัดว่าอะไรที่ข้อมูลยืนยันได้กับอะไรที่เป็นแค่สมมติฐานต้องไปหาเพิ่ม
(E) Example อยากได้สาเหตุที่อิงข้อมูลจริง ไม่ใช่เดาลอยๆ ว่าน่าจะเป็นเพราะเศรษฐกิจ
ตัวอย่างของจริง (สมมติว่าเป็นอีคอมเมิร์ซ)
(S) Situation ผมอัปโหลดข้อมูลยอดขายและทราฟฟิกรายวัน 3 เดือนล่าสุด สิ่งที่เกิดขึ้นคือยอดขายเดือนล่าสุดตกลงประมาณ 25 เปอร์เซ็นต์จากเดือนก่อน
(P) Persona สวมบทบาทเป็น Data Analyst ที่เก่งเรื่องการไล่หาสาเหตุของการเปลี่ยนแปลง
(I) Instruction ช่วยไล่ดูจากข้อมูลว่าอะไรน่าจะเป็นสาเหตุที่ทำให้ตัวเลขเปลี่ยนไปแบบนี้
(C) Criteria เรียงสาเหตุที่เป็นไปได้จากที่ข้อมูลสนับสนุนมากไปน้อย แยกชัดว่าอะไรที่ข้อมูลยืนยันได้กับอะไรที่เป็นแค่สมมติฐานต้องไปหาเพิ่ม
(E) Example อยากได้สาเหตุที่อิงข้อมูลจริง ไม่ใช่เดาลอยๆ ว่าน่าจะเป็นเพราะเศรษฐกิจ
ผลลัพธ์คือรายการสาเหตุที่เป็นไปได้โดยอิงข้อมูลจริง พร้อมแยกว่าอะไรยืนยันได้และอะไรต้องหาเพิ่ม ช่วยให้ตอบคำถามว่าทำไมได้อย่างมีหลักฐาน และไปแก้ที่ต้นเหตุจริง ไม่ใช่เดาแล้วแก้ผิดจุด
19. พยากรณ์แนวโน้มและตั้งเป้าจากข้อมูลเดิม
ปัญหาคือเวลาตั้งเป้ายอดขายมักตั้งแบบหวังหรือกดดันตัวเอง ไม่ได้อิงข้อมูลจริง เป้าเลยไม่สมจริง Prompt นี้ช่วยประเมินแนวโน้มจากข้อมูลที่มี
Scenario สมมติคุณทำแบรนด์ค้าปลีก ใกล้ถึงเวลาตั้งเป้ายอดไตรมาสหน้า ที่ผ่านมาตั้งเป้าแบบบวกเปอร์เซ็นต์จากปีก่อนลอยๆ จนบางทีเป็นไปไม่ได้ตั้งแต่แรก คุณอยากตั้งเป้าที่อิงแนวโน้มจริง
(S) Situation ผมอัปโหลดข้อมูลยอดขายย้อนหลัง [ช่วงเวลา] อยากประเมินแนวโน้มเพื่อ [เช่น ตั้งเป้าไตรมาสหน้า]
(P) Persona สวมบทบาทเป็น Data Analyst ที่ระมัดระวังและไม่พยากรณ์เกินกว่าที่ข้อมูลรองรับ
(I) Instruction ประเมินแนวโน้มจากข้อมูลเดิม และเสนอช่วงตัวเลขที่สมเหตุสมผลสำหรับช่วงต่อไป
(C) Criteria บอกสมมติฐานที่ใช้ ให้เป็นช่วงตัวเลขไม่ใช่ตัวเดียว เตือนปัจจัยที่อาจทำให้คลาดเคลื่อน และย้ำว่านี่คือการประมาณไม่ใช่คำทำนายที่แน่นอน
(E) Example อยากได้การประเมินที่ซื่อตรงกับข้อมูล ไม่ใช่ตัวเลขสวยๆ ที่ฟังดูดีแต่ไม่มีฐานรองรับ
ตัวอย่างของจริง (สมมติว่าเป็นแบรนด์ค้าปลีก)
(S) Situation ผมอัปโหลดข้อมูลยอดขายรายเดือนย้อนหลัง 3 ปี อยากประเมินแนวโน้มเพื่อตั้งเป้ายอดขายไตรมาสหน้าให้สมจริง
(P) Persona สวมบทบาทเป็น Data Analyst ที่ระมัดระวังและไม่พยากรณ์เกินกว่าที่ข้อมูลรองรับ
(I) Instruction ประเมินแนวโน้มจากข้อมูลเดิม และเสนอช่วงตัวเลขที่สมเหตุสมผลสำหรับช่วงต่อไป
(C) Criteria บอกสมมติฐานที่ใช้ ให้เป็นช่วงตัวเลขไม่ใช่ตัวเดียว เตือนปัจจัยที่อาจทำให้คลาดเคลื่อน และย้ำว่านี่คือการประมาณไม่ใช่คำทำนายที่แน่นอน
(E) Example อยากได้การประเมินที่ซื่อตรงกับข้อมูล ไม่ใช่ตัวเลขสวยๆ ที่ฟังดูดีแต่ไม่มีฐานรองรับ
ผลลัพธ์คือช่วงตัวเลขแนวโน้มที่อิงข้อมูลจริงพร้อมสมมติฐานที่ใช้ ช่วยให้ตั้งเป้าได้สมจริงและอธิบายที่มาได้ แทนที่จะตั้งเป้าลอยๆ ที่ทีมรู้ตั้งแต่แรกว่าเป็นไปไม่ได้ แต่ต้องย้ำว่านี่คือการประมาณ ไม่ใช่อนาคตที่แน่นอน
20. ตรวจสอบความน่าเชื่อถือของผลวิเคราะห์ก่อนใช้
ปัญหาคือพอได้ผลวิเคราะห์จาก AI มาสวยๆ เรามักเชื่อแล้วเอาไปใช้เลย ทั้งที่มันอาจคำนวณผิดหรือตีความเกินข้อมูล Prompt นี้ช่วยตรวจทานก่อนเอาไปตัดสินใจจริง
Scenario สมมติคุณทำงานในทีมการตลาด กำลังจะเอาผลวิเคราะห์ที่ ChatGPT ทำให้ไปเสนอผู้บริหารเพื่อขออนุมัติงบ ก่อนจะเชื่อตัวเลขแล้วเอาไปเสนอ คุณอยากให้มันตรวจทานงานตัวเองอย่างมีวิจารณญาณก่อน
(S) Situation นี่คือผลวิเคราะห์ที่เพิ่งทำไป [อ้างถึงผลหรือวางผล] ผมกำลังจะเอาไปใช้ [เป้าหมาย]
(P) Persona สวมบทบาทเป็น Data Analyst รุ่นพี่ที่ตรวจงานของรุ่นน้องอย่างมีวิจารณญาณก่อนส่ง
(I) Instruction ตรวจทานผลวิเคราะห์นี้ว่ามีจุดไหนที่อาจคำนวณผิด ตีความเกินข้อมูล หรือสรุปจากข้อมูลที่น้อยเกินไป
(C) Criteria ชี้จุดเสี่ยงทีละข้อพร้อมเหตุผล บอกว่าข้อสรุปไหนเชื่อได้และข้อไหนควรตรวจซ้ำ และเสนอวิธีตรวจสอบเพิ่ม
(E) Example อยากได้การตรวจที่ตรงไปตรงมา กล้าบอกจุดอ่อนของผลวิเคราะห์ ไม่ใช่ยืนยันว่าถูกหมดเพื่อให้ผมสบายใจ
ตัวอย่างของจริง (สมมติว่าเป็นทีมการตลาด)
(S) Situation นี่คือผลวิเคราะห์ที่เพิ่งทำไป เรื่องว่าแคมเปญ A คุ้มกว่าแคมเปญ B จึงควรเทงบไป A ผมกำลังจะเอาไปเสนอผู้บริหารเพื่อขออนุมัติงบเพิ่ม
(P) Persona สวมบทบาทเป็น Data Analyst รุ่นพี่ที่ตรวจงานของรุ่นน้องอย่างมีวิจารณญาณก่อนส่ง
(I) Instruction ตรวจทานผลวิเคราะห์นี้ว่ามีจุดไหนที่อาจคำนวณผิด ตีความเกินข้อมูล หรือสรุปจากข้อมูลที่น้อยเกินไป
(C) Criteria ชี้จุดเสี่ยงทีละข้อพร้อมเหตุผล บอกว่าข้อสรุปไหนเชื่อได้และข้อไหนควรตรวจซ้ำ และเสนอวิธีตรวจสอบเพิ่ม
(E) Example อยากได้การตรวจที่ตรงไปตรงมา กล้าบอกจุดอ่อนของผลวิเคราะห์ ไม่ใช่ยืนยันว่าถูกหมดเพื่อให้ผมสบายใจ
ผลลัพธ์คือรายการจุดเสี่ยงในผลวิเคราะห์ที่ควรตรวจซ้ำก่อนเชื่อ ช่วยกันการเอาตัวเลขที่ผิดไปตัดสินใจหรือเสนอผู้บริหารจนเสียความน่าเชื่อถือ นี่คือขั้นตอนที่แยกคนที่ใช้ AI เป็นเครื่องมืออย่างมืออาชีพออกจากคนที่เชื่อทุกอย่างที่ AI บอก
Decision สรุปบทเรียนการวิเคราะห์ข้อมูลด้วย ChatGPT ที่นักการตลาดต้องรู้
ถ้าสามตอนก่อนคำสำคัญคือ Context, Evidence และ Voice ตอนนี้คำสำคัญคือ Decision หรือการตัดสินใจ เพราะการวิเคราะห์ข้อมูลที่ดีไม่ได้วัดกันที่กราฟสวยหรือตัวเลขเยอะ แต่วัดกันที่มันทำให้เราตัดสินใจได้ดีขึ้นหรือเปล่า ข้อมูลที่วิเคราะห์มาอย่างดีแต่ไม่นำไปสู่การตัดสินใจอะไร ก็ไม่ต่างจากข้อมูลที่ยังกองอยู่เฉยๆ
ลองสังเกต 20 Prompt ที่ผมแจกไป จะเห็นว่าทุกตัวมีบรรทัด Situation ที่ให้เราป้อนข้อมูลและบริบทเข้าไป และบรรทัด Criteria ที่บังคับให้ ChatGPT บอกที่มาของการคำนวณและแยกข้อเท็จจริงออกจากการคาดเดา สองเครื่องปรุงนี้คือสิ่งที่ทำให้เราเชื่อผลได้อย่างมีวิจารณญาณ ขอย้ำสิ่งที่บอกไว้ตั้งแต่ต้นว่า ChatGPT รันตัวเลขให้เร็วได้ก็จริง แต่หน้าที่ตรวจสอบก่อนเอาไปตัดสินใจยังเป็นของเราเสมอ และอย่าลืมเรื่องความเป็นส่วนตัวของข้อมูลลูกค้าที่ต้องปิดบังก่อนอัปโหลดทุกครั้ง การเรียนรู้จากเคสจริงอย่าง Data-Driven แบบ McDonald’s ก็ช่วยให้เห็นภาพว่าข้อมูลเปลี่ยนผลลัพธ์ได้จริงแค่ไหน
ในตอนหน้าซึ่งเป็นตอนสุดท้ายของซีรีส์นี้ เราจะไปเจาะหมวด Visual and Brand การใช้ ChatGPT ช่วยงานภาพและสร้างแบรนด์ ซึ่งจะเป็นตอนที่เครื่องปรุง Instruction และ Example กลับมาทำงานร่วมกันอีกครั้ง
คำถามที่ผมอยากฝากไว้ก่อนปิดตอนนี้คือ ข้อมูลชุดล่าสุดที่คุณมีอยู่ในมือตอนนี้ คุณเคยลองอัปโหลดให้ ChatGPT ช่วยอ่านดูหรือยัง ถ้ายัง ลองเริ่มจากไฟล์เดียวที่คุณอยากเข้าใจมานานแล้ว ป้อนบริบทให้ครบและสั่งให้มันบอกที่มาของทุกตัวเลข แล้วคุณจะพบว่าข้อมูลที่เคยกองอยู่เฉยๆ กลับกลายเป็นเข็มทิศที่ช่วยให้คุณตัดสินใจได้อย่างมั่นใจขึ้นกว่าเดิมมากครับ
