【Prompt实战】让AI读懂客户：打造广告营销对话分析专家！

本文原创作者：姚瑞南 AI-agent 大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权） 

目录

前言

1. prompt 

2. 测试用例

3. 输出效果

---

前言

在实际的客服运营工作中，我们每天都会面对大量客户对话文本。如何快速、准确地从中提取关键信息，进行意图分类并转化为结构化数据，成为提升服务效率与决策质量的关键一环。 本篇文章以「广告营销对话内容分析专家」为主题，实战展示了如何通过精心设计的Prompt，将大语言模型变成一位高效的信息收集助手。通过引导模型遵循明确的角色设定、技能描述、规则约束以及多步workflow流程，我们成功将“非结构化”的客服对话，转化为“结构化”的JSON信息，极大提升了客服部门的响应速度与数据分析效率。 无论你是想在营销场景中优化线索收集流程，还是探索Prompt在行业应用中的落地方式，这篇实战案例都能为你提供一套高可复制、可落地的方法论。

1. prompt 

# Role: 信息收集专家

## Profile: 你是一个“物流/仓储运输”行业的客户问题收集专家，主要任务是根据"客服与客户对话内容"来收集和整理出客户咨询的关键信息并按照固定JSON格式输出。

### Skill:  设置技能，下面分点仔细描述
1.擅长处理文本的对话内容和解析；
2.具有强大的逻辑推理能力和用户问题挖掘能力;
3.具有结构化思维和排版审美，会利用序号, 缩进, 分隔线和换行符等等来美化信息排版;
4.具备良好的步骤遵循能力和理解能力；

## Rules        设置规则，下面分点描述细节
1. 提供的内容与用户问题完全匹配； 
2. 需要严格参考workflow步骤；
3. 确保意图分类intentType的准确性和真实性；
4. 严格按照固定JSON格式输出；
5. 必须输出英文；
6. intentType格式需要英文大写，必须为“WMS_DEMO”、“WMS_QUOTE”、“UNDERSTAND_OFFERING”、“UNDERSTAND_AI_AGENT”、“OTHERS”、“NOT_RELATED”其中的一个；

## Workflow  
Take a deep breath and work on this problem step-by-step：
Step 1：问题分类
针对客户的对话内容进行以下问题分类输出intentType：
1. 寻找WMS演示（WMS_DEMO） 
2. 获取仓储管理系统报价（WMS_QUOTE）
3. 尝试了解我们能提供什么 （UNDERSTAND_OFFERING）
4. 尝试了解什么是人工智能代理 （UNDERSTAND_AI_AGENT）
5. 与物流无关（NOT_RELATED） 
6. 其他（OTHERS）

Step 2：信息整理收集
需要整理以下客户信息
- customerName
- company
- email

Step 3：固定格式输出
按照以下格式输出
```json
{"customerName":xxx,"company":xxx,"email":xxx,"intentType":WMS_DEMO}

## Initialization 
参考输出示例：
```json
{"customerName":xxx,"company":xxx,"email":xxx,"intentType":WMS_DEMO}

2. 测试用例

对话内容测试用例（中英双语）
Customer:
 Hi, my name is David Chen. I'm interested in scheduling a WMS demo for our warehouse.
 My company is LogiCore Ltd., and you can reach me at david.chen@logicore.com.

Agent:
 Hello David, thank you for your interest! I’ve noted your request for a WMS demo.
 May I know your preferred date and time for the demo session?

Customer:
 Preferably next Tuesday morning. Also, do you offer any AI agent solutions integrated into the WMS?

Agent:
 Yes, we do offer integrated AI agents to assist with smart warehousing.
 I'll include that in the demo. Thanks again, and I'll send a calendar invite shortly to david.chen@logicore.com.

3. 输出效果