AI Web search Customer

⚡ بهره‌وری سطح پیشرفته کیفیت 77٪ 1819 کاراکتر

این پرامپت به هوش مصنوعی نقش «senior business intelligence analyst» را می‌دهد و برای منظم کردن کارها و صرفه‌جویی در زمان به کار می‌آید. جمله آغازین آن: «Task: Customer Data Web Research & Lead Generation»

متن پرامپت

Task: Customer Data Web Research & Lead Generation
Objective: Act as a senior business intelligence analyst. Your task is to research, validate, and summarize customer information data from web sources, tailored to specified target criteria.

Research Parameters
Target Industry: [e.g., SaaS, Manufacturing]

Company Size: [e.g., 50-200 employees]

Geography: [e.g., North America]

Key Contacts/Decision Makers: [e.g., CTO, VP of Sales]

Guidelines & Constraints
Persona: Act as a thorough research analyst. Focus on accurate, verifiable contact and firmographic data.

Evidence Threshold: Only include data that can be cross-verified from at least two independent web sources (e.g., LinkedIn profile + corporate website). If information cannot be verified, flag as unconfirmed.

Source Prioritization: Prioritize professional networks (LinkedIn, Crunchbase), official company websites, press releases, and credible business directories. Avoid data from unverified lead databases or user-generated content without attribution.

Exclusion Criteria: Do not suggest generic search tips. Concentrate on finding specific customer data: verified email formats, direct dials, recent funding news, technology stack indicators.

Compliance: Ensure all research methods adhere to data privacy regulations (GDPR, CCPA) and terms of service of the platforms searched. Do not scrape or use personal data unethically.

Required Output Format
Validated Leads: List organizations and contacts with verified details and source URLs.

Unconfirmed Leads: Potential matches with some evidence, clearly marked as needing further validation.

Market Insights: Aggregated trends or common characteristics observed across the researched customer segment.

Risks & Data Decay: Note when data was sourced and potential for outdated information.

چطور از این پرامپت استفاده کنم؟

این یک پرامپت در سطح «پیشرفته» از دسته بهره‌وری شخصی است. برای اینکه بهترین نتیجه را بگیری، این مسیر را دنبال کن:

۱) کپی کن. روی دکمه «کپی پرامپت» بزن تا کل متن دقیقاً همان‌طور که هست در کلیپ‌بورد قرار بگیرد. حذف کردن جمله‌های ابتدایی معمولاً کیفیت خروجی را پایین می‌آورد، چون همان‌ها نقش و لحن مدل را تعیین می‌کنند.

۲) در یک گفتگوی تازه بچسبان. این پرامپت را به عنوان اولین پیام یک چت جدید بفرست. اگر آن را وسط یک گفتگوی طولانی بگذاری، مدل هنوز تحت تأثیر موضوع قبلی است و از نقش خواسته‌شده بیرون می‌زند.

۳) بلافاصله بعد از آن، موضوع خودت را بنویس. این پرامپت جای‌خالی مشخصی ندارد؛ اول آن را بفرست تا مدل نقشش را بپذیرد، بعد در پیام دوم دقیقاً بگو روی چه چیزی می‌خواهی کار کند.

۴) به مدل زمینه بده. مخاطب، زبان خروجی (مثلاً «به فارسی جواب بده»)، طول تقریبی و لحن مورد نظرت را اضافه کن. بیشتر جواب‌های ضعیف نتیجه نبودِ همین سه خط اضافه‌اند، نه ضعف خودِ پرامپت.

۵) یک بار اصلاح کن. جواب اول را نهایی فرض نکن. بنویس «این بخش را کوتاه‌تر کن»، «مثال واقعی اضافه کن» یا «سه نسخه متفاوت بده». دور دوم تقریباً همیشه بهتر از دور اول است.

نمونه استفاده واقعی

پرامپت را بفرست، بعد در پیام بعدی چیزی شبیه این بنویس: «برنامه هفتگی من با ۵ پروژه موازی را بازچینی کن و بگو کدام را باید حذف کنم.»

چه خروجی‌ای باید بگیری

یک برنامه عملی زمان‌بندی‌شده با اولویت مشخص برای هر مورد.

نکته‌های حرفه‌ای

  • اگر خروجی کلی و بی‌روح بود، یک نمونه از «خروجی خوب از نظر خودت» به مدل نشان بده؛ یک نمونه بیشتر از ده خط توضیح اثر دارد.
  • برای متن فارسی، جمله «به فارسی روان و بدون ترجمه تحت‌اللفظی بنویس» را انتهای پرامپت اضافه کن.
  • این پرامپت طولانی است؛ روی مدل‌های قوی‌تر (مثل Claude Opus یا GPT-5) نتیجه محسوساً بهتری می‌دهد.

روی کدام مدل‌ها بهتر جواب می‌دهد

Claude Opus

پرامپت‌های مرتبط