เวลาผมไปบรรยายเรื่อง AI กับการตลาดตามองค์กรต่างๆ คำถามที่เจอบ่อยที่สุดไม่ใช่ AI ตัวไหนเก่งสุด แต่เป็นคำถามทำนองว่า “คุณหนุ่ยครับ ทำไมผมใช้ AI แล้วได้คำตอบกลางๆ เหมือนอ่านจากหนังสือเรียน เอาไปใช้กับธุรกิจตัวเองจริงไม่ได้เลย” ซึ่งไม่ต้องห่วง เราคือเพื่อนกันครับ เพราะตอนผมเริ่มใช้ AI ใหม่ๆ ก็เจอปัญหาเดียวกันเป๊ะ
ฟังดูเหมือนปัญหาอยู่ที่ AI ใช่มั้ยครับ แต่จริงๆ แล้วปัญหาส่วนใหญ่อยู่ที่วิธีสั่งงานของเราต่างหาก เพราะ AI ที่เก่งแค่ไหนก็ตอบได้ดีเท่ากับคำสั่งและข้อมูลที่เราป้อนให้มัน นี่เลยเป็นที่มาของซีรีส์ใหม่ที่ผมตั้งใจทำมากในชื่อ #การตลาดวันละPrompt ซีรีส์บทความที่ไม่ได้แค่แจก Prompt ให้คุณก๊อปไปใช้ แต่จะสอนให้คุณเข้าใจโครงสร้างของ Prompt จนแต่งเองเป็น ปรับเองได้ ให้เหมาะกับงานที่คุณทำมากที่สุด
บทความนี้ผมเลยอยากชวนเพื่อนๆ นักการตลาดและเจ้าของธุรกิจมาเริ่ม EP แรกด้วยกัน กับการใช้ Claude AI หา Customer Insight จากรีวิวและแชทลูกค้าที่กองอยู่ในมือถือคุณ โดยเราจะผ่า Prompt หลักให้เห็นโครงสร้างกันแบบละเอียด แถมท้ายด้วย Prompt Library อีก 9 ตัวให้เอาไปใช้ต่อได้ทันที รวมเป็น 10 Prompt เต็มๆ และเราจะได้รู้จักตัวละครหลักของซีรีส์นี้ที่จะเดินทางไปด้วยกันทั้ง 12 ตอนครับ
The Series กติกาของ #การตลาดวันละPrompt ซีรีส์ที่สอนคุณคิด Prompt เป็น ไม่ใช่แค่ก๊อป Prompt วาง
ก่อนเข้าเนื้อหาขอเล่ากติกาของซีรีส์นี้สั้นๆ ก่อนครับ เพราะมันต่างจากคอนเทนต์แจก Prompt ทั่วไปอยู่ 2 อย่าง
อย่างแรก ทุกตอนจะผ่า Prompt ให้ดูด้วยหลักคิดที่ผมคิดขึ้นเองสำหรับซีรีส์นี้ เรียกว่า The SPICE Framework สูตรปรุง Prompt 5 ชนิด ประกอบด้วย
Situation สถานการณ์และบริบทแบรนด์
Persona บทบาทที่ให้ AI สวม
Instruction งานที่สั่งให้ทำ
Criteria เงื่อนไขและรูปแบบของคำตอบ
Example ตัวอย่างให้ AI เทียบมาตรฐาน
ซึ่งสอดคล้องกับหลักการเขียน Prompt ที่ Anthropic ผู้สร้าง Claude แนะนำไว้ในคู่มือ Prompt Engineering อย่างเป็นทางการ ทั้งเรื่องการให้บริบทที่ชัดเจน การกำหนดบทบาท และการใส่ตัวอย่าง ผมแค่จัดเรียงใหม่ให้จำง่ายสำหรับนักการตลาดบ้านเรา เพราะ Prompt ที่ดีก็เหมือนน้ำพริกถ้วยหนึ่ง ต้องปรุงเครื่องให้ครบ ขาดเครื่องไหนรสชาติก็เพี้ยนทันที พออ่านครบทั้งซีรีส์ คุณจะมองทุก Prompt บนโลกออกว่ามันใส่เครื่องปรุงอะไรมาบ้าง และเครื่องไหนที่ต้องเปลี่ยนเป็นของธุรกิจตัวเอง
อย่างที่สอง ซีรีส์นี้มีตัวละครดำเนินเรื่องคนเดียวตลอด 12 ตอน เพื่อให้คุณเห็นภาพความเปลี่ยนแปลงจริงๆ ว่าเมื่อธุรกิจหนึ่งใช้ Claude AI อย่างเป็นระบบมากขึ้นเรื่อยๆ ชีวิตการทำงานและตัวเลขของแบรนด์จะค่อยๆ เปลี่ยนไปอย่างไร ไม่ใช่ตัวอย่างคนละเรื่องที่จบเป็นตอนๆ แล้วลืม
และขอออกตัวให้ชัดตรงนี้เลยนะครับ ตัวละครและแบรนด์ในซีรีส์นี้เป็นเรื่องสมมติที่ผมสร้างขึ้นเพื่อการสอนล้วนๆ ตัวเลขทั้งหมดคือตัวเลขจำลองที่ผมพยายามทำให้ใกล้เคียงธุรกิจไทยจริงๆ มากที่สุด แต่หลักคิดและ Prompt ทุกตัวคือของจริงที่เอาไปใช้ได้ทันที
The Stuck Brand รู้จักคุณแพรกับแพรพริก แบรนด์ที่ยอดขายนิ่งมา 8 เดือน
คุณแพร อายุ 32 อดีตพนักงานบัญชีที่ลาออกมาปั้นแบรนด์น้ำพริกของที่บ้านในชื่อ แพรพริก ขายน้ำพริกพรีเมียม 4 รสชาติ ราคากระปุกละ 89 ถึง 129 บาท ผ่าน Facebook ที่มีผู้ติดตาม 28,000 คน บวกกับ Shopee และ LINE OA ทำงานกันแค่ 3 คนคือคุณแพร น้องสาว และคุณแม่ที่คุมสูตร
ตัวเลขที่ทำให้คุณแพรนอนไม่หลับคือยอดขายเฉลี่ยเดือนละ 180,000 บาท ที่นิ่งสนิทมา 8 เดือนเต็ม ไม่โตแต่ก็ไม่ตก ลูกค้าใหม่เข้ามาเรื่อยๆ แต่เหมือนลูกค้าเก่าก็หายไปในจังหวะพอๆ กัน
แล้วถ้าถามว่าคุณแพรรู้มั้ยว่าลูกค้าซื้อแพรพริกเพราะอะไร คำตอบที่ได้คือ “ก็น่าจะเพราะอร่อยมั้งคะ” ซึ่งเอาจริงๆ นี่คือคำตอบของเจ้าของธุรกิจขนาดเล็ก SME ส่วนใหญ่ที่ผมเจอมาเลยครับ ทุกคนขยันขายมาก แต่แทบไม่มีเวลานั่งอ่านสิ่งที่ลูกค้าพิมพ์มาหาแบบจริงจัง ทั้งที่รีวิวใน Shopee ข้อความใน Inbox และคอมเมนต์ใต้โพสต์ คือขุมทรัพย์ Customer Insight ที่ดีที่สุดและฟรีที่สุดที่ธุรกิจมีอยู่แล้วในมือ
ปัญหาคือข้อความพวกนี้มีเป็นร้อยเป็นพัน มนุษย์คนเดียวอ่านแล้วจับ Pattern ไม่ไหว และนี่แหละครับคืองานแรกที่ผมจะให้คุณแพรส่งให้ Claude ทำ
The Prompt แจก Prompt หา Customer Insight จากรีวิวลูกค้า ก๊อปไปใช้ได้ทันที
วิธีเตรียมข้อมูลง่ายมาก ให้รวบรวมรีวิวจาก Shopee ข้อความถามตอบใน Inbox และคอมเมนต์ใต้โพสต์ มาแปะรวมกันสัก 100 ถึง 200 ข้อความ ไม่ต้องจัดระเบียบสวยงาม ก๊อปมาวางต่อๆ กันได้เลย แล้วใช้ Prompt นี้
[S] สถานการณ์และบริบทแบรนด์ของฉัน:
- แบรนด์น้ำพริกพรีเมียมขายออนไลน์ ราคากระปุกละ 89-129 บาท
- ขายผ่าน Facebook, Shopee และ LINE OA มา 2 ปี
- ลูกค้าส่วนใหญ่เป็นผู้หญิงวัยทำงาน ซื้อกินเองและซื้อเป็นของฝาก
- ปัญหาคือยอดขายทรงตัว และฉันไม่แน่ใจว่าลูกค้าซื้อเราเพราะอะไรกันแน่
ด้านล่างนี้คือรีวิวและข้อความแชทจากลูกค้าจริง 150 ข้อความ:
[แปะข้อความลูกค้าตรงนี้]
[P] ให้คุณสวมบทบาทเป็นนักวิจัยตลาด Market Researcher ที่เชี่ยวชาญ
การวิเคราะห์ Voice of Customer สำหรับธุรกิจอาหารขนาดเล็กในไทย
[I] ช่วยวิเคราะห์สิ่งต่อไปนี้:
1. เหตุผลหลักที่ลูกค้าตัดสินใจซื้อ จัดกลุ่มและเรียงตามความถี่
2. ความกังวลหรือข้อตำหนิที่พบบ่อยที่สุด 5 อันดับ
3. คำหรือวลีที่ลูกค้าใช้บ่อย ที่ฉันควรเอาไปใช้ในคอนเทนต์
4. Insight ที่น่าแปลกใจที่สุด 1 ข้อ ที่ฉันอาจมองข้ามไป
[C] ตอบเป็นหัวข้อชัดเจนตามข้อ 1-4 แต่ละข้อยกตัวอย่างข้อความจริง
ของลูกค้าประกอบ 2-3 ข้อความ และปิดท้ายด้วยสรุป 3 บรรทัดว่า
ถ้าทำได้แค่อย่างเดียวจากข้อมูลชุดนี้ ควรทำอะไรก่อน
ตัวอักษร [S] [P] [I] [C] ในวงเล็บใส่ไว้ให้เห็นโครงสร้างตอนเรียนเท่านั้น เวลาใช้จริงจะลบออกหรือคงไว้ก็ได้ Claude เข้าใจทั้งสองแบบ
เล่ามาถึงตรงนี้ คุณอาจสงสัยว่าแล้วทำไม Prompt นี้ถึงให้ผลลัพธ์ต่างจากการพิมพ์สั้นๆ ว่า ช่วยวิเคราะห์รีวิวลูกค้าให้หน่อย ทั้งที่ขอสิ่งเดียวกัน คำตอบอยู่ที่เครื่องปรุงแต่ละตัวที่ใส่ลงไป ลองมาผ่าดูทีละเครื่องกันครับ
The SPICE Framework ผ่าโครงสร้าง Prompt ทีละเครื่องปรุง
1. Situation ป้อนสถานการณ์และบริบท เครื่องปรุงที่คนมองข้ามมากที่สุด
นี่คือพระเอกของ EP นี้เลยครับ ส่วน [S] คือการเล่าให้ Claude ฟังว่าเราขายอะไร ราคาเท่าไหร่ ขายที่ไหน ลูกค้าเป็นใคร และกำลังกังวลเรื่องอะไร ตามด้วยข้อมูลดิบคือข้อความลูกค้า 150 ข้อความ หรือที่สาย AI ชอบเรียกรวมกันว่า Context นั่นเอง
เหตุผลที่ Situation สำคัญขนาดนี้ เพราะ AI ไม่ได้รู้จักธุรกิจของคุณมาก่อนเลยแม้แต่นิดเดียว ถ้าไม่บอกอะไร มันจะตอบจากค่าเฉลี่ยของธุรกิจทั้งโลก ซึ่งนั่นแหละครับคือที่มาของคำตอบกลางๆ ที่หลายคนบ่น ลองนึกภาพการ Brief งานให้ Agency โดยบอกแค่ว่า ช่วยทำการตลาดให้หน่อยโดยไม่บอกว่าขายอะไร งบเท่าไหร่ ต่อให้ Agency เก่งแค่ไหนก็ได้งานกลางๆ กลับมาอยู่ดี
จุดที่ต้องเปลี่ยนเป็นของคุณ: เขียนบริบทแบรนด์ 4-5 บรรทัดให้ครบ สินค้า ราคา ช่องทาง ลูกค้า และปัญหาที่อยากแก้ เก็บไว้เป็น Text ประจำตัวเลย เพราะมันจะถูกใช้ซ้ำในแทบทุก Prompt ของซีรีส์นี้
2. Persona กำหนดบทบาทให้ AI สวมหมวกที่ถูกใบ
ส่วน [P] คือการบอกว่าให้ Claude สวมบทบาทเป็นนักวิจัยตลาดที่เชี่ยวชาญ Voice of Customer สำหรับธุรกิจอาหารไทย การกำหนด Persona แบบนี้ทำให้ AI เลือกมุมมอง คลังคำศัพท์ และวิธีวิเคราะห์ที่ตรงกับงาน ลองนึกภาพว่าคุณถามเรื่องอาการปวดหลังกับหมอกระดูก กับถามเพื่อนที่ออฟฟิศ คำตอบย่อมลึกต่างกันทั้งที่เป็นคำถามเดียวกันครับ
จุดที่ต้องเปลี่ยนเป็นของคุณ: เปลี่ยนความเชี่ยวชาญให้ตรง Category ธุรกิจ เช่น ร้านเสื้อผ้าใช้ นักวิจัยตลาดที่เชี่ยวชาญพฤติกรรมผู้บริโภค Fashion Online ในไทย
3. Instruction สั่งงานเป็นข้อ ชัดเจน ไม่สั่งคำเดียวแบบเหมารวม
แทนที่จะสั่งว่า วิเคราะห์ให้หน่อย ส่วน [I] แตกงานเป็น 4 ข้อที่เจาะจง ทั้งเหตุผลการซื้อ ข้อกังวล คำที่ลูกค้าใช้ และ Insight ที่คาดไม่ถึง การสั่งแบบนี้บังคับให้ AI ไล่คิดครบทุกมุมที่เราต้องการ ไม่ใช่เลือกตอบเฉพาะมุมที่มันถนัด ลองนึกภาพการสั่งงานน้องในทีม ระหว่างบอกว่า ไปดูรีวิวหน่อย กับบอกว่า ไปดูรีวิวแล้วสรุปมา 4 ประเด็นนี้ แบบหลังได้งานที่ใช้ต่อได้มากกว่ากันเยอะ
จุดที่ต้องเปลี่ยนเป็นของคุณ: ปรับข้อ 1-4 ตามสิ่งที่อยากรู้จริง เช่น ถ้ากำลังจะทำโฆษณา อาจเพิ่มข้อ 5 ว่าให้สรุปว่าข้อความโฆษณาควรพูดเรื่องอะไรเป็นอันดับแรก
4. Criteria กำหนดเงื่อนไขและหน้าตาคำตอบ เพื่อให้เอาไปใช้ต่อได้ทันที
ส่วน [C] คือการบอกชัดว่าให้ตอบเป็นหัวข้อตามข้อ 1-4 พร้อมยกข้อความจริงของลูกค้าประกอบ และปิดด้วยสรุป 3 บรรทัดว่าควรทำอะไรก่อน การบังคับให้ AI ยกข้อความจริงประกอบ คือเทคนิคกันการมโนที่ผมใช้ประจำ เพราะมันบังคับให้ทุกข้อสรุปต้องมีหลักฐานจากข้อมูลที่เราป้อน ไม่ใช่ความรู้ลอยๆ ของ AI เอง ส่วนสรุป 3 บรรทัดท้ายคือการเปลี่ยนการวิเคราะห์ให้เป็นคำตอบที่ Actionable ว่าพรุ่งนี้เช้าควรเริ่มจากอะไร
จุดที่ต้องเปลี่ยนเป็นของคุณ: ถ้าอยากได้ไปทำต่อใน Excel ก็สั่งให้ตอบเป็นตารางได้เลย Criteria คือเครื่องปรุงที่ปรับได้อิสระที่สุดใน Prompt
ส่วนเพื่อนๆ ที่สังเกตเก่งอาจเห็นว่า Prompt นี้มีแค่ S-P-I-C แต่ยังขาด E หรือ Example ไปหนึ่งเครื่องปรุง อันนี้ผมตั้งใจครับ เพราะ Example คือเครื่องปรุงที่ทรงพลังที่สุดสำหรับงานเขียนคอนเทนต์ ซึ่งเราจะเก็บไว้เป็นพระเอกของ EP ที่ว่าด้วยการเขียนแคปชันให้มีเสียงแบรนด์ของตัวเองโดยเฉพาะ
The Output ผลลัพธ์ที่คุณแพรได้กลับมา และจุดที่ AI ทำแทนคุณไม่ได้
กลับมาที่คุณแพร หลังจากนั่งก๊อปข้อความลูกค้า 150 ข้อความลงใน Prompt นี้ สิ่งที่ Claude ตอบกลับมาใน 1 นาที ทำให้คุณแพรนิ่งไปพักใหญ่
เหตุผลการซื้ออันดับหนึ่งไม่ใช่ความอร่อยอย่างที่คุณแพรเชื่อมาตลอด แต่เป็นการซื้อเป็นของฝาก ด้วยเหตุผลที่ลูกค้าพิมพ์ซ้ำกันหลายสิบข้อความในทำนองว่า แพ็คเกจดูดี ราคาไม่แรง ให้ผู้ใหญ่แล้วดูตั้งใจ ส่วนความกังวลอันดับหนึ่งคือเรื่องวันหมดอายุและการเก็บรักษา ที่ลูกค้าถามซ้ำมากที่สุดแต่หน้าเพจไม่เคยมีคำตอบเรื่องนี้เลย และ Insight ที่น่าแปลกใจที่สุดคือมีลูกค้าหลายคนถามหาขนาดกระปุกเล็กสำหรับลองชิม เพราะไม่กล้าซื้อขนาดเต็มมาเสี่ยงว่าจะถูกปาก
เห็นไหมครับว่าข้อมูลพวกนี้อยู่ในมือคุณแพรมาตลอด 2 ปี แค่ไม่เคยมีใครนั่งอ่านทั้งหมดพร้อมกันแล้วจับ Pattern ออกมาเท่านั้นเอง
แต่จุดที่ผมอยากย้ำที่สุดคือ สิ่งที่ Claude ให้มาคือ Draft ของการวิเคราะห์ ไม่ใช่คำตัดสินสุดท้าย คุณแพรยังต้องเป็นคนเช็คว่าข้อความที่ AI ยกมาอ้างมีอยู่จริงมั้ย ตัวเลขความถี่สมเหตุสมผลหรือเปล่า และที่สำคัญที่สุดคือการตัดสินใจว่าจะทำอะไรกับ Insight นี้ ยังเป็นหน้าที่ของมนุษย์เสมอ AI วิเคราะห์เก่งแค่ไหน แต่คนที่รู้จักหน้าลูกค้าจริงๆ คือคุณ
สำหรับเพื่อนๆ ที่ยังไม่มี Claude หรืออยากเทียบว่าเครื่องมือ AI แต่ละตัวเหมาะกับงานแบบไหน ผมเคยรวมไว้แล้วในบทความ AI Tools 2026 รวมเครื่องมือ AI ที่นักการตลาดควรรู้ ลองเข้าไปอ่านประกอบกันได้ครับ
The Prompt Library แจกอีก 9 Prompt กึ่งสำเร็จรูป สายพันธุ์เดียวกับ Prompt หลัก
เล่ามาถึงตรงนี้ เราผ่า Prompt หลักกันละเอียดจนเห็นแล้วว่าเครื่องปรุงแต่ละตัวทำหน้าที่อะไร คำถามถัดมาที่หลายคนน่าจะคิดอยู่ก็คือ “แล้วถ้าอยากรู้จักลูกค้าในมุมอื่นนอกจากเหตุผลการซื้อล่ะ ต้องเขียน Prompt ยังไง ?” ข่าวดีคือไม่ต้องเริ่มจากศูนย์ครับ เพราะ Prompt ทั้ง 9 ตัวต่อไปนี้คือการบิดแค่เครื่องปรุง Persona กับ Instruction จากโครงเดิม ส่วน Situation ใช้ซ้ำได้เลย
วิธีใช้ทุกตัวเหมือนกันคือ แทนที่บรรทัด [แปะบริบทแบรนด์ของคุณ] ด้วยบริบทแบรนด์ 4-5 บรรทัดที่คุณเขียนไว้แล้วจากเครื่องปรุงตัวแรก และเตรียมข้อมูลตามที่แต่ละ Prompt ระบุ ส่วนลำดับเครื่องปรุงนั้นสลับได้อิสระนะครับ เหมือนตำน้ำพริกที่ใส่เครื่องก่อนหลังต่างกันได้ ขอแค่ใส่ครบ Claude เข้าใจเหมือนกันหมด
และเพื่อให้เห็นภาพชัดที่สุด แต่ละ Prompt ผมแถมตัวอย่างการกรอกจริงของธุรกิจสมมติคนละประเภทกัน พร้อมหน้าตาคำตอบแบบย่อที่จะได้กลับมา จงใจใช้ธุรกิจหลากหลายตั้งแต่ร้านเสื้อผ้ายันร้านที่นอน เพื่อให้เห็นว่าโครงเดียวกันนี้ปรับเข้าได้กับทุก Category ย้ำอีกครั้งว่าธุรกิจตัวอย่างทั้งหมดเป็นเรื่องสมมติเพื่อการสอนเช่นเดียวกับแพรพริกครับ
1. หา FAQ ที่เพจควรตอบล่วงหน้า จากคำถามใน Inbox
ใช้เมื่อคุณตอบคำถามเดิมซ้ำๆ ทุกวัน Prompt นี้จะเปลี่ยนคำถามที่กองอยู่ให้กลายเป็นชุดคำตอบสำเร็จรูป
คุณคือนักวิจัยตลาดที่เชี่ยวชาญ Voice of Customer
[แปะบริบทแบรนด์ของคุณ]
ด้านล่างคือคำถามจากลูกค้าใน Inbox จำนวน [ใส่จำนวน] ข้อความ:
[แปะข้อความ]
ช่วยจัดกลุ่มคำถามที่ถูกถามซ้ำบ่อยที่สุด 10 อันดับ พร้อมร่างคำตอบ
มาตรฐานของแต่ละข้อที่ฉันเอาไปตอบได้ทันที และระบุว่าคำถามไหน
ควรเอาไปใส่ไว้ในหน้าเพจหรือรายละเอียดสินค้าเลย เพื่อลดการถามซ้ำ
ตัวอย่างการใช้จริง สมมติเป็นร้านเสื้อผ้าสาวไซส์ใหญ่ที่ขายผ่าน Instagram และ LINE:
คุณคือนักวิจัยตลาดที่เชี่ยวชาญ Voice of Customer
บริบทแบรนด์: ร้านเสื้อผ้าผู้หญิงไซส์ 2XL ถึง 5XL ขายผ่าน
Instagram และ LINE ราคาตัวละ 390-690 บาท ลูกค้าส่วนใหญ่
เป็นผู้หญิงวัยทำงานที่หาเสื้อผ้าใส่ทำงานยาก
ด้านล่างคือคำถามจากลูกค้าใน Inbox จำนวน 120 ข้อความ:
[แปะข้อความ]
ช่วยจัดกลุ่มคำถามที่ถูกถามซ้ำบ่อยที่สุด 10 อันดับ พร้อมร่างคำตอบ
มาตรฐานของแต่ละข้อ และระบุว่าคำถามไหนควรใส่ไว้ในหน้าเพจ
หรือรายละเอียดสินค้าเลย เพื่อลดการถามซ้ำ
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะสรุปประมาณว่าคำถามอันดับ 1 ที่กินสัดส่วนเกือบครึ่งของ Inbox คือ น้ำหนักเท่านี้ใส่ไซส์ไหน รองลงมาคือผ้ายืดมั้ย ใส่แล้วร้อนมั้ย เก็บเงินปลายทางได้มั้ย และส่งกี่วันถึง พร้อมร่างคำตอบมาตรฐานให้ครบทุกข้อ และข้อเสนอที่มักคมเกินคาดคือ คำถามอันดับ 1 ไม่ควรแก้ด้วยการตอบแชทเร็วขึ้น แต่ควรแก้ด้วยการทำตารางเทียบน้ำหนักกับไซส์แปะไว้ในทุกโพสต์ ซึ่งจะตัดคำถามเกือบครึ่งทิ้งไปตั้งแต่ต้นทาง
2. เจาะเฉพาะรีวิวเชิงลบ หาสาเหตุและจัดลำดับความเร่งด่วน
รีวิวลบคือข้อมูลที่เจ็บแต่มีค่าที่สุด Prompt นี้ช่วยให้คุณมองมันอย่างเป็นระบบแทนการมองด้วยอารมณ์
คุณคือที่ปรึกษาด้าน Customer Experience สำหรับธุรกิจขนาดเล็ก
[แปะบริบทแบรนด์ของคุณ]
ด้านล่างคือรีวิวเชิงลบและข้อตำหนิทั้งหมดที่ฉันรวบรวมมา:
[แปะข้อความ]
ช่วยจัดกลุ่มปัญหาตามสาเหตุ เช่น ตัวสินค้า การขนส่ง การสื่อสาร
แล้วเรียงลำดับว่าปัญหาไหนควรแก้ก่อน โดยพิจารณาจากความถี่
และความรุนแรงต่อการตัดสินใจซื้อ พร้อมเสนอวิธีแก้เบื้องต้นที่
ธุรกิจเล็กทำได้จริงโดยไม่ต้องใช้งบเยอะ
ตัวอย่างการใช้จริง สมมติเป็นร้านขนมเปี๊ยะออนไลน์ที่ส่งทั่วประเทศ:
คุณคือที่ปรึกษาด้าน Customer Experience สำหรับธุรกิจขนาดเล็ก
บริบทแบรนด์: ร้านขนมเปี๊ยะสูตรโบราณ ขายกล่องละ 180-320 บาท
ส่งทั่วประเทศผ่านขนส่งเอกชน ยอดรีวิว 4.6 ดาวแต่รีวิวลบเริ่ม
ถี่ขึ้นช่วง 2 เดือนหลัง
ด้านล่างคือรีวิวเชิงลบ 35 ข้อความที่รวบรวมมา:
[แปะข้อความ]
ช่วยจัดกลุ่มปัญหาตามสาเหตุ เรียงลำดับว่าควรแก้อะไรก่อน
พร้อมวิธีแก้ที่ธุรกิจเล็กทำได้จริงโดยไม่ต้องใช้งบเยอะ
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะจัดกลุ่มให้เห็นว่ารีวิวลบราว 6 ใน 10 เป็นเรื่องขนส่ง คือขนมแตกหรือบุบระหว่างทาง อีกราว 3 ใน 10 เป็นเรื่องรสชาติที่บางคนรู้สึกหวานเกินไป ที่เหลือเป็นเรื่องส่งช้ากว่าที่แจ้ง แล้วชี้ว่าควรแก้เรื่องขนส่งก่อนเพราะรุนแรงต่อการตัดสินใจซื้อที่สุด ลูกค้ารับได้กับรสชาติไม่ถูกปาก แต่รับไม่ได้กับของพังถึงมือ พร้อมวิธีแก้แบบงบน้อย เช่น เสริมกันกระแทกที่ต้นทุนเพิ่มไม่กี่บาทต่อกล่อง และถ่ายรูปสินค้าก่อนแพ็คทุกออเดอร์ไว้เป็นหลักฐานเคลมขนส่ง
3. เทียบรีวิวเรากับรีวิวคู่แข่ง หาจุดที่เราชนะและแพ้
ก๊อปรีวิวของคู่แข่งจากหน้า Shopee หรือ Lazada มาประกอบ แล้วให้ AI หาช่องว่างให้
คุณคือนักกลยุทธ์การตลาดที่เชี่ยวชาญการวิเคราะห์คู่แข่ง
[แปะบริบทแบรนด์ของคุณ]
ชุดที่ 1 คือรีวิวสินค้าของฉัน: [แปะข้อความ]
ชุดที่ 2 คือรีวิวสินค้าของคู่แข่งใน Category เดียวกัน: [แปะข้อความ]
ช่วยเปรียบเทียบว่าลูกค้าชมเราในเรื่องที่คู่แข่งโดนตำหนิตรงไหนบ้าง
และคู่แข่งถูกชมในเรื่องที่เราโดนตำหนิตรงไหนบ้าง แล้วสรุปว่า
จุดแข็งไหนของเราที่ควรหยิบมาพูดในคอนเทนต์ให้มากขึ้น
ตัวอย่างการใช้จริง สมมติเป็นร้านกาแฟดริปคั่วเองที่ขายเมล็ดและกาแฟดริปแบบซองบน Shopee:
คุณคือนักกลยุทธ์การตลาดที่เชี่ยวชาญการวิเคราะห์คู่แข่ง
บริบทแบรนด์: ร้านกาแฟคั่วเองขนาดเล็ก ขายเมล็ดและกาแฟดริป
แบบซองบน Shopee ราคาสูงกว่าค่าเฉลี่ยตลาดราว 20%
เพราะคั่วใหม่ทุกสัปดาห์
ชุดที่ 1 คือรีวิวสินค้าของฉัน 60 ข้อความ: [แปะข้อความ]
ชุดที่ 2 คือรีวิวของคู่แข่งเจ้าใหญ่ใน Category 60 ข้อความ:
[แปะข้อความ]
ช่วยเปรียบเทียบว่าเราถูกชมในเรื่องที่คู่แข่งโดนตำหนิตรงไหน
และคู่แข่งถูกชมในเรื่องที่เราโดนตำหนิตรงไหน แล้วสรุปว่าจุดแข็ง
ไหนของเราที่ควรหยิบมาพูดในคอนเทนต์ให้มากขึ้น
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะชี้ให้เห็นภาพแบบที่นั่งอ่านเองหลายชั่วโมงก็อาจมองไม่ออก เช่น รีวิวของเราถูกชมเรื่องความหอมและความสดบ่อยมาก ในขณะที่คู่แข่งโดนตำหนิซ้ำๆ ว่าเมล็ดเหมือนเก็บมานาน แปลว่าความสดคืออาวุธที่เรามีแต่คู่แข่งไม่มี กลับกันคู่แข่งถูกชมเรื่องส่งไวได้ของใน 1-2 วัน ส่วนเราโดนบ่นเรื่องรอนานเพราะรอรอบคั่ว ข้อสรุปที่ได้คือคอนเทนต์ของเราควรเลิกพูดเรื่องราคา แล้วหันมาเล่าเรื่องวันคั่วบนหน้าซองให้หนักขึ้น พร้อมเปลี่ยนจุดอ่อนเรื่องรอนานให้เป็นจุดขายว่าที่ต้องรอเพราะคั่วหลังสั่งเท่านั้น
4. หาสัญญาณของลูกค้าที่ซื้อซ้ำ ว่าต่างจากลูกค้าซื้อครั้งเดียวยังไง
ถ้าแยกข้อมูลได้ว่าข้อความไหนมาจากลูกค้าเก่า Prompt นี้จะบอกเบาะแสว่าอะไรทำให้คนกลับมา
คุณคือนักวิจัยตลาดที่เชี่ยวชาญพฤติกรรมการซื้อซ้ำ Repeat Purchase
[แปะบริบทแบรนด์ของคุณ]
ชุดที่ 1 คือข้อความจากลูกค้าที่ซื้อซ้ำมากกว่า 1 ครั้ง: [แปะข้อความ]
ชุดที่ 2 คือข้อความจากลูกค้าที่ซื้อครั้งเดียว: [แปะข้อความ]
ช่วยวิเคราะห์ว่าสองกลุ่มนี้พูดถึงสินค้าและแบรนด์ต่างกันอย่างไร
อะไรคือสิ่งที่กลุ่มซื้อซ้ำให้คุณค่ามากเป็นพิเศษ และมีสัญญาณอะไร
ในข้อความของกลุ่มซื้อครั้งเดียวที่บอกว่าทำไมเขาไม่กลับมา
ตัวอย่างการใช้จริง สมมติเป็นร้านอาหารคลีนเดลิเวอรี่แบบสั่งรายสัปดาห์:
คุณคือนักวิจัยตลาดที่เชี่ยวชาญพฤติกรรมการซื้อซ้ำ Repeat Purchase
บริบทแบรนด์: ร้านอาหารคลีนเดลิเวอรี่ ขายเป็นเซ็ต 5 มื้อต่อ
สัปดาห์ ราคาเซ็ตละ 450 บาท ส่งเฉพาะในกรุงเทพ
ชุดที่ 1 คือข้อความจากลูกค้าที่สั่งต่อเนื่องเกิน 1 เดือน:
[แปะข้อความ]
ชุดที่ 2 คือข้อความจากลูกค้าที่สั่งครั้งเดียวแล้วหายไป:
[แปะข้อความ]
ช่วยวิเคราะห์ว่าสองกลุ่มนี้พูดถึงแบรนด์ต่างกันอย่างไร อะไรคือ
สิ่งที่กลุ่มสั่งต่อเนื่องให้คุณค่าเป็นพิเศษ และมีสัญญาณอะไร
ในข้อความของกลุ่มสั่งครั้งเดียวที่บอกว่าทำไมเขาไม่กลับมา
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะเทียบให้เห็นว่ากลุ่มขาประจำมักพิมพ์ถามว่าสัปดาห์หน้ามีเมนูอะไรใหม่ และชมเรื่องไม่ต้องคิดเองว่าจะกินอะไร แปลว่าสิ่งที่เขาซื้อจริงๆ คือความสะดวกและความหลากหลาย ไม่ใช่แค่ความคลีน ส่วนกลุ่มสั่งครั้งเดียวเกือบทั้งหมดเข้ามาพร้อมคำว่าโค้ดส่วนลดหรือโปรลูกค้าใหม่ และหายไปเงียบๆ โดยไม่มีคำตำหนิเลย สัญญาณที่ได้คือคนที่มาเพราะส่วนลดมักไม่ใช่ว่าที่ขาประจำ ส่วนคนที่ถามถึงเมนูสัปดาห์หน้าตั้งแต่ครั้งแรกคือกลุ่มที่ควรรีบดูแลเป็นพิเศษที่สุด
5. ถอดคลังคำศัพท์ของลูกค้า ไปใช้เป็น Keyword คอนเทนต์
ลูกค้าไม่ได้เรียกสินค้าด้วยคำเดียวกับที่เราใช้เสมอไป และคำของลูกค้าคือคำที่คนค้นหาจริง
คุณคือนักการตลาดสาย SEO และ Content ที่เชี่ยวชาญ Customer Language
[แปะบริบทแบรนด์ของคุณ]
ด้านล่างคือข้อความจากลูกค้าจริง: [แปะข้อความ]
ช่วยถอดคำ วลี และสำนวนที่ลูกค้าใช้เรียกสินค้า อาการ ปัญหา
และโอกาสในการใช้งาน เรียงตามความถี่ แล้วจับคู่ว่าคำไหนเหมาะ
เอาไปใช้เป็นหัวข้อคอนเทนต์ คำในแคปชัน หรือ Keyword บนหน้า
สินค้า พร้อมเหตุผลสั้นๆ ของแต่ละคำ
ตัวอย่างการใช้จริง สมมติเป็นแบรนด์สกินแคร์สมุนไพรไทย:
คุณคือนักการตลาดสาย SEO และ Content ที่เชี่ยวชาญ Customer Language
บริบทแบรนด์: แบรนด์สกินแคร์สมุนไพรไทย สินค้าหลักคือเซรั่ม
สารสกัดใบบัวบก ราคา 290 บาท ขายผ่าน TikTok และ Shopee
ด้านล่างคือคอมเมนต์และข้อความลูกค้า 200 ข้อความ:
[แปะข้อความ]
ช่วยถอดคำ วลี และสำนวนที่ลูกค้าใช้เรียกสินค้า อาการ และปัญหา
ผิว เรียงตามความถี่ แล้วจับคู่ว่าคำไหนเหมาะใช้เป็นหัวข้อคอนเทนต์
แคปชัน หรือ Keyword หน้าสินค้า พร้อมเหตุผลสั้นๆ
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะชี้ช่องว่างระหว่างภาษาแบรนด์กับภาษาลูกค้าให้เห็นชัดๆ เช่น แบรนด์เขียนหน้าสินค้าว่าเซรั่มฟื้นบำรุงผิว แต่ลูกค้าแทบทั้งหมดเรียกมันว่าตัวลดรอยสิว และใช้คำว่ารอยสิวบ่อยกว่าคำว่าจุดด่างดำหลายเท่า รวมถึงคำถามถี่สูงอย่างคนท้องใช้ได้มั้ย ที่ควรกลายเป็นทั้ง FAQ และหัวข้อคอนเทนต์ ข้อแนะนำปิดท้ายมักเป็นว่าให้ย้ายคำของลูกค้าขึ้นไปไว้ในชื่อสินค้าและแคปชัน เพราะคำที่ลูกค้าใช้พูด คือคำเดียวกับที่เขาใช้ค้นหา
6. แยกความรู้สึกลูกค้ารายสินค้า ว่าตัวไหนคือพระเอกตัวจริง
เหมาะกับแบรนด์ที่มีสินค้าหลายตัวแล้วอยากรู้ว่าตัวไหนควรดันเป็นตัวชูโรง
คุณคือนักวิเคราะห์ข้อมูลความคิดเห็นลูกค้า Sentiment Analysis
[แปะบริบทแบรนด์ของคุณ พร้อมรายชื่อสินค้าทุกตัว]
ด้านล่างคือรีวิวและข้อความลูกค้า: [แปะข้อความ]
ช่วยแยกความคิดเห็นตามสินค้าแต่ละตัว แล้วสรุปว่าแต่ละตัวถูกพูดถึง
ในแง่บวกและแง่ลบเรื่องอะไรบ้าง สินค้าตัวไหนมีเสียงตอบรับดีที่สุด
เทียบกับสัดส่วนที่ถูกพูดถึง และตัวไหนมีปัญหาซ้ำๆ ที่ควรรีบแก้
ตัวอย่างการใช้จริง สมมติเป็นร้านเทียนหอมแฮนด์เมดที่มี 6 กลิ่น:
คุณคือนักวิเคราะห์ข้อมูลความคิดเห็นลูกค้า Sentiment Analysis
บริบทแบรนด์: ร้านเทียนหอมแฮนด์เมด มี 6 กลิ่นคือ ลาเวนเดอร์
มะลิ ตะไคร้ วานิลลา ซีบรีซ และกาแฟ ราคา 250-390 บาท
ขายผ่าน Instagram และออกตลาดนัดงานคราฟต์
ด้านล่างคือรีวิวและคอมเมนต์ลูกค้า 150 ข้อความ:
[แปะข้อความ]
ช่วยแยกความคิดเห็นตามกลิ่นแต่ละตัว สรุปว่าแต่ละกลิ่นถูกพูดถึง
แง่บวกแง่ลบเรื่องอะไร กลิ่นไหนเสียงตอบรับดีที่สุดเทียบกับสัดส่วน
ที่ถูกพูดถึง และกลิ่นไหนมีปัญหาซ้ำที่ควรรีบแก้
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะกางให้เห็นว่ากลิ่นลาเวนเดอร์คือพระเอกตัวจริง เพราะถูกพูดถึงมากที่สุดและเกือบทั้งหมดเป็นแง่บวก โดยเฉพาะการซื้อซ้ำเพื่อช่วยเรื่องการนอน ขณะที่กลิ่นวานิลลาถูกพูดถึงน้อยแต่สัดส่วนแง่บวกสูงมากในกลุ่มที่ซื้อเป็นของขวัญ แปลว่าเป็นม้ามืดที่น่าดันในซีซันของขวัญ ส่วนกลิ่นมะลิมีปัญหาซ้ำชัดเจนคือลูกค้าหลายคนบอกว่ากลิ่นแรงเหมือนดอกไม้จันทน์ ซึ่งเป็นเรื่องที่ควรรีบตัดสินใจว่าจะปรับสูตรหรือตัดออกจากไลน์สินค้า ก่อนที่มันจะฉุดภาพรวมของแบรนด์
7. รวมข้อลังเลก่อนซื้อ เพื่ออุดรูรั่วบนหน้าสินค้า
คำถามก่อนตัดสินใจซื้อทุกข้อ คือเหตุผลที่บางคนกดออกไปโดยไม่ซื้อ
คุณคือที่ปรึกษาด้าน Conversion สำหรับร้านค้าออนไลน์
[แปะบริบทแบรนด์ของคุณ]
ด้านล่างคือคำถามและข้อความจากคนที่สนใจแต่ยังไม่ซื้อ: [แปะข้อความ]
ช่วยสรุปว่าอะไรคือข้อลังเลหรือความกังวลก่อนตัดสินใจซื้อที่พบบ่อย
ที่สุด เรียงตามความถี่ แล้วเสนอว่าแต่ละข้อควรถูกตอบไว้ล่วงหน้า
ตรงไหน เช่น บนรูปสินค้า ในรายละเอียดสินค้า หรือในคอนเทนต์
พร้อมร่างข้อความตอบของแต่ละจุดให้ด้วย
ตัวอย่างการใช้จริง สมมติเป็นร้านขายที่นอนยางพาราออนไลน์ สินค้าชิ้นใหญ่ราคาสูงที่ลูกค้าคิดนาน:
คุณคือที่ปรึกษาด้าน Conversion สำหรับร้านค้าออนไลน์
บริบทแบรนด์: ร้านที่นอนยางพาราแท้ ราคา 8,900-15,900 บาท
ขายออนไลน์ล้วน ไม่มีหน้าร้านให้ลองนอน คนทักเยอะแต่ปิดการขาย
ได้ราว 1 ใน 10
ด้านล่างคือข้อความจากคนที่ทักมาสอบถามแต่ยังไม่ซื้อ 90 ข้อความ:
[แปะข้อความ]
ช่วยสรุปข้อลังเลก่อนตัดสินใจซื้อที่พบบ่อยที่สุด เรียงตามความถี่
เสนอว่าแต่ละข้อควรถูกตอบไว้ล่วงหน้าตรงไหน พร้อมร่างข้อความ
ตอบของแต่ละจุด
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะเรียงข้อลังเลให้เห็นว่าอันดับ 1 ไม่ใช่เรื่องราคาอย่างที่ร้านคิด แต่คือความกลัวว่าซื้อมาแล้วนอนไม่ถูกใจจะทำยังไง เพราะไม่มีที่ให้ลองนอนก่อน อันดับ 2 คือกังวลเรื่องการขนส่งของชิ้นใหญ่ว่าใครยกขึ้นคอนโดให้ และอันดับ 3 ถึงเป็นเรื่องของแท้หรือเปล่า พร้อมข้อเสนอว่าข้อแรกควรแก้ด้วยนโยบายทดลองนอนพร้อมเงื่อนไขคืนที่ชัดเจน และต้องขึ้นเป็นข้อความบนรูปแรกของสินค้าเลย ไม่ใช่ซ่อนอยู่ในรายละเอียดที่ไม่มีใครเลื่อนไปถึง เพราะข้อลังเลที่ไม่ถูกตอบตั้งแต่วินาทีแรก คือยอดขายที่หายไปแบบเงียบที่สุด
8. ขุดไอเดียสินค้าใหม่ จากคำขอที่ลูกค้าพิมพ์มาเอง
แบบเดียวกับที่คุณแพรเจอเรื่องกระปุกเล็กสำหรับลองชิม คำขอพวกนี้มักซ่อนอยู่ในแชทแบบผ่านๆ
คุณคือนักพัฒนาสินค้า Product Development ที่ทำงานจากข้อมูลลูกค้า
[แปะบริบทแบรนด์ของคุณ]
ด้านล่างคือข้อความจากลูกค้า: [แปะข้อความ]
ช่วยหาทุกข้อความที่ลูกค้าขอ ถามหา หรือบ่นถึงสิ่งที่เรายังไม่มีขาย
เช่น ขนาดใหม่ รสชาติใหม่ แพ็คเกจแบบใหม่ หรือวิธีซื้อแบบใหม่
จัดกลุ่มคำขอเหล่านี้ เรียงตามความถี่ และประเมินเบื้องต้นว่า
คำขอไหนน่าจะทำได้ง่ายที่สุดสำหรับธุรกิจขนาดเล็ก
ตัวอย่างการใช้จริง สมมติเป็นคาเฟ่ที่ขายเค้กโฮมเมดออนไลน์เป็นรายได้เสริม:
คุณคือนักพัฒนาสินค้า Product Development ที่ทำงานจากข้อมูลลูกค้า
บริบทแบรนด์: คาเฟ่เล็กๆ ที่ขายเค้กโฮมเมดผ่าน LINE เป็นหลัก
ขายเป็นปอนด์ ราคา 450-650 บาท รับออเดอร์ล่วงหน้า 2 วัน
ด้านล่างคือข้อความสั่งซื้อและสอบถามจากลูกค้า 100 ข้อความ:
[แปะข้อความ]
ช่วยหาทุกข้อความที่ลูกค้าขอ ถามหา หรือบ่นถึงสิ่งที่เรายังไม่มีขาย
จัดกลุ่มคำขอ เรียงตามความถี่ และประเมินว่าคำขอไหนน่าจะทำได้
ง่ายที่สุดสำหรับธุรกิจขนาดเล็ก
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะขุดคำขอที่กระจัดกระจายอยู่ในแชทมาเรียงให้เห็นเป็นครั้งแรก เช่น คำขอถี่ที่สุดคือมีขนาดเล็กกว่านี้มั้ย กินคนเดียวปอนด์นึงไม่ไหว ตามด้วยขอหวานน้อยได้มั้ย และมีแบบไม่ใส่แป้งหรือเปล่า พร้อมประเมินว่าขนาดครึ่งปอนด์คือคำขอที่ทำได้ง่ายที่สุดเพราะใช้สูตรเดิมเป๊ะ แค่เปลี่ยนพิมพ์ ขณะที่สูตรไม่ใส่แป้งต้องลงทุนพัฒนาสูตรใหม่ จุดที่น่าสนใจคือคำขอพวกนี้มักโผล่มาคนละครั้งคนละวัน เจ้าของเลยไม่เคยรู้สึกว่ามันถี่ จนกว่าจะมีคนเอามากองรวมกันให้ดูแบบนี้แหละครับ
9. สร้างชุดคำถามสัมภาษณ์ลูกค้า เพื่อพิสูจน์ Insight ก่อนลงมือจริง
ตัวปิดท้ายที่ผมอยากให้ใช้คู่กับทุก Prompt ด้านบน เพราะ Insight จาก AI คือสมมติฐานที่ต้องพิสูจน์ ไม่ใช่ความจริงสำเร็จรูป
คุณคือนักวิจัยตลาดที่เชี่ยวชาญการสัมภาษณ์เชิงลึก
[แปะบริบทแบรนด์ของคุณ]
นี่คือ Insight ที่ฉันได้จากการวิเคราะห์ข้อความลูกค้า:
[แปะ Insight ที่ได้จาก Prompt ก่อนหน้า]
ช่วยออกแบบคำถามสัมภาษณ์ลูกค้า 10 ข้อ เพื่อพิสูจน์ว่า Insight
เหล่านี้จริงแค่ไหน โดยเป็นคำถามปลายเปิดที่ไม่ชี้นำคำตอบ
เหมาะกับการถามผ่านแชทสั้นๆ และช่วยแนะนำว่าควรถามลูกค้า
กลุ่มไหน จำนวนกี่คน ถึงจะพอเชื่อถือได้สำหรับธุรกิจขนาดเล็ก
ตัวอย่างการใช้จริง สมมติเป็นร้านอุปกรณ์แคมป์ปิ้งออนไลน์ที่เพิ่งวิเคราะห์ Insight เสร็จ:
คุณคือนักวิจัยตลาดที่เชี่ยวชาญการสัมภาษณ์เชิงลึก
บริบทแบรนด์: ร้านอุปกรณ์แคมป์ปิ้งออนไลน์ ลูกค้าหลักคือ
มือใหม่หัดแคมป์ สินค้าราคา 500-4,500 บาท
นี่คือ Insight ที่ฉันได้จากการวิเคราะห์ข้อความลูกค้า:
ลูกค้ามือใหม่ตัดสินใจช้าเพราะกลัวซื้อของผิดมากกว่ากลัวแพง
และมักถามว่ารุ่นนี้กับรุ่นนั้นต่างกันยังไงซ้ำๆ
ช่วยออกแบบคำถามสัมภาษณ์ 10 ข้อ เพื่อพิสูจน์ว่า Insight นี้
จริงแค่ไหน เป็นคำถามปลายเปิดไม่ชี้นำ เหมาะกับถามผ่านแชท
และแนะนำว่าควรถามใคร กี่คน ถึงพอเชื่อถือได้
ตัวอย่างคำตอบที่จะได้กลับมาแบบย่อ: Claude จะร่างคำถามที่ระวังการชี้นำให้เป็นตัวอย่างที่ดีมาก เช่น แทนที่จะถามว่าคุณกลัวซื้อของผิดใช่มั้ย ซึ่งเป็นคำถามชี้นำเต็มๆ มันจะเสนอคำถามแบบ เล่าให้ฟังหน่อยได้มั้ยครับว่าครั้งล่าสุดที่เลือกซื้ออุปกรณ์ชิ้นใหญ่ คุณใช้เวลาตัดสินใจนานแค่ไหน เพราะอะไร แล้วปล่อยให้ความกลัวโผล่มาเองถ้ามันมีจริง พร้อมคำแนะนำเชิงวิธีวิจัยว่าควรถามลูกค้าที่เพิ่งซื้อภายใน 1 เดือนราว 8-10 คน เพราะความทรงจำยังสด และถ้า 7 ใน 10 คนพูดถึงความกังวลเรื่องเลือกผิดโดยที่เราไม่ได้ถามนำ ก็พอจะเชื่อ Insight นี้ได้แล้วสำหรับการตัดสินใจระดับธุรกิจเล็ก
สังเกตไหมครับว่าทั้ง 9 ตัวนี้ใช้สูตรเดียวกับ Prompt หลักเป๊ะ สิ่งที่เปลี่ยนมีแค่หมวก Persona ที่สวมให้ AI กับ Instruction ที่สั่ง นี่แหละครับคือความหมายของคำว่าเข้าใจโครงสร้างแล้วแต่งเองเป็น ที่ผมอยากให้คุณได้จากซีรีส์นี้มากกว่าการก๊อป Prompt ไปใช้เฉยๆ
Context สรุปบทเรียน EP.1 ของแพรพริก ที่นักการตลาดจำเป็นต้องรู้
จาก EP แรกนี้ สิ่งที่เปลี่ยนไปของคุณแพรยังไม่ใช่ยอดขาย แต่คือการเปลี่ยนจากการขายแบบเดาใจ มาเป็นการมีเอกสาร Customer Insight ฉบับแรกของแบรนด์ และคำถามใหม่ในหัวว่า ถ้าลูกค้าซื้อเราเพราะเป็นของฝาก แล้วที่ผ่านมาเราโพสต์แต่รูปน้ำพริกคู่ข้าวสวยร้อนๆ มาตลอด เรากำลังคุยถูกเรื่องอยู่หรือเปล่า ซึ่งคำถามนี้แหละครับที่จะพาไปสู่ EP.2 เรื่องการสร้าง Customer Persona ฉบับใช้งานได้จริง
และถ้าให้ผมรวบทั้งบทความนี้ให้เหลือเพียงคำเดียว คำนั้นคือ Context หรือบริบท ที่อยู่ในเครื่องปรุงตัวแรกอย่าง Situation นั่นเอง เพราะความต่างระหว่างคำตอบกลางๆ กับคำตอบที่ใช้ได้จริงกับธุรกิจคุณ ไม่ได้อยู่ที่ AI ตัวไหนเก่งกว่า แต่อยู่ที่ใครป้อนบริบทของธุรกิจตัวเองให้ AI ได้ดีกว่ากัน
การบ้านของ EP นี้ใช้เวลาแค่ 15 นาที คือเปิดมือถือ ก๊อปรีวิวกับข้อความลูกค้าของคุณมาให้ได้สัก 100 ข้อความ แล้วลองรัน Prompt หลักของตอนนี้ดู เสร็จแล้วลองเช็คตัวเองเล่นๆ ว่า Prompt ที่คุณใช้อยู่ทุกวันนี้ปรุงครบ 5 เครื่องหรือยัง จากที่ผมสังเกตจากคนที่มาเรียน Workshop กับผม เกือบทุกคนจะเจอ Insight อย่างน้อย 1 ข้อที่ทำให้อุทานว่า เฮ้ย ไม่เคยรู้มาก่อนเลย
และถ้าลองทำแล้วเจอ Insight ที่ทำให้อุทานแบบนั้นจริงๆ หรือลองแล้วติดตรงไหน Prompt ไม่เวิร์คกับธุรกิจแบบไหน มาเล่าสู่กันฟังในคอมเมนต์ได้เลยนะครับ ผมตั้งใจอ่านทุกเคส เพราะปัญหาจริงจากหน้างานของเพื่อนๆ นี่แหละคือวัตถุดิบชั้นดีที่จะทำให้ EP ถัดๆ ไปของซีรีส์นี้ตอบโจทย์คนทำงานมากขึ้นเรื่อยๆ และใครที่อ่านแล้วนึกถึงเพื่อนร่วมงานหรือคนในทีมที่กำลังปวดหัวกับการใช้ AI อยู่ ฝากส่งต่อบทความนี้ให้เขาสักคนครับ ชวนกันลองรัน Prompt คนละชุดข้อมูล แล้วเอา Insight ที่ได้มาเทียบกันในที่ประชุม รับรองว่าสนุกกว่าทำคนเดียวเยอะ
ดังนั้นคำถามทิ้งท้ายคือ ข้อความลูกค้าเป็นร้อยเป็นพันที่นอนนิ่งอยู่ใน Inbox ของคุณตอนนี้ กำลังซ่อน Insight อะไรที่คุณมองข้ามมาตลอดอยู่หรือเปล่า อย่าปล่อยให้ขุมทรัพย์ที่ฟรีที่สุดของธุรกิจคุณถูกทิ้งไว้เฉยๆ อย่างน่าเสียดายครับ
