มองหา "จุดบอด" ของตัวเอง

คุณกำลังสนับสนุนงานของ LumaHome บริษัทสินค้าอุปโภคบริโภคที่เตรียมรีเฟรชกลยุทธ์แบรนด์ CMO เชื่อว่าสัญญาณสำคัญเกี่ยวกับแบรนด์หลายอย่างซ่อนอยู่ในรีวิวสินค้าบนเว็บไซต์ค้าปลีกและคอมเมนต์ที่ผู้ใช้โพสต์เองบนโซเชียลมีเดีย

ทีมการตลาดส่งชุดรีวิวและโพสต์ล่าสุดมาให้เป็นไฟล์ Excel งานของคุณคือใช้ AI เพื่อทำความเข้าใจอย่างรวดเร็วว่าลูกค้าพูดถึงแบรนด์อย่างไร และดูว่าแพลตฟอร์มที่มีการให้ข้อเสนอแนะนั้นอาจทำให้มุมมองโดยรวมต่อภาพลักษณ์แบรนด์เอนเอียงหรือไม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

AI สำหรับงานที่ปรึกษา

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง

เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา

เริ่มแบบฝึกหัด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

AI สำหรับงานที่ปรึกษา

SkillTag.level.beginnerSkillTag.label

4.8+

เริ่มคอร์สฟรี

เริ่มต้นเส้นทางที่ปรึกษาขับเคลื่อนด้วย AI ด้วย Microsoft Copilot เชี่ยวชาญกรอบการตั้งพรอมต์ GSCE เพื่อสร้างพรอมต์ที่มีประสิทธิภาพ สังเคราะห์อินไซต์จากเว็บเพจ ไฟล์ PDF และอินโฟกราฟิก และแปลงงานวิจัยดิบให้เป็นเนื้อหาที่ลื่นไหลด้วยกรอบ SCR และ Pyramid Principle

Exercise 1: ทำไมงานที่ปรึกษาถึงอัปเกรดด้วย AI แล้ว Exercise 2: สนทนาครั้งแรกกับ Copilot Exercise 3: GSCE: สูตรการสร้างพรอมป์ตที่ได้ผล Exercise 4: ความจริงหนึ่งเดียวจากหลายแหล่งข้อมูล Exercise 5: รวมหลายแหล่งให้เป็นเรื่องเดียว Exercise 6: จากโน้ตยาวเหยียดสู่เรื่องเล่า Exercise 7: SCR และ Pyramid: จัดโครงเรื่องของคุณ

เปลี่ยนข้อมูลดิบให้เป็นอินไซต์ที่นำไปใช้ได้จริงโดยไม่ต้องเขียนโค้ดสักบรรทัด วิเคราะห์ชุดข้อมูล Excel เพื่อหาแนวโน้มผลการดำเนินงาน ดึงอารมณ์ความรู้สึกจากรีวิวลูกค้า สร้างภาพข้อมูลที่น่าสนใจ และสร้างข้อเสนอเชิงกลยุทธ์และสมมติฐาน—ทั้งหมดนี้ทำได้ผ่านการสนทนาด้วยพรอมต์ AI

Exercise 1: เมื่อสเปรดชีตพบกับ AI Exercise 2: จับแนวโน้มในข้อมูลของคุณ Exercise 3: เชื่อมั่นในข้อมูล: หาให้เจอว่ามีปัญหาตรงไหน Exercise 4: เมื่อข้อมูลไม่ได้มาเป็นแถว Exercise 5: ก้าวเล็ก ๆ แต่ได้อินไซต์ใหญ่Exercise 6: ลูกค้ากำลังพูดอะไรกันแน่?Exercise 7: มองหา "จุดบอด" ของตัวเอง

แบบฝึกหัดปัจจุบัน

Exercise 8: แปลงตัวเลขเป็นกราฟในไม่กี่นาที Exercise 9: กราฟที่เล่าเรื่องได้Exercise 10: เห็นแนวโน้มที่คนอื่นมองข้าม Exercise 11: จาก "แล้วไงต่อ?" สู่ "ทำอะไรต่อดี?"Exercise 12: จาก "So What?" สู่ "Now What?" แบบเป็นขั้นเป็นตอน Exercise 13: แล้วจะเกิดอะไรขึ้น? สร้างสมมติฐาน Exercise 14: สำรวจสถานการณ์ What-If

ทำให้การวิเคราะห์ของคุณพร้อมใช้งานกับลูกค้า สร้างเรื่องราวการลงทุนด้วยกรอบ SCQA ปรับข้อความให้เหมาะกับผู้บริหารเทียบกับผู้ชมสายเทคนิค สร้างภาพข้อมูลที่พร้อมนำเสนอในบอร์ด และเชื่อมทุกอย่างเข้าด้วยกันด้วยกรณีศึกษา churn แบบ end-to-end

Exercise 1: เล่าเรื่องให้ติดใจและจำได้Exercise 2: เล่าเรื่องการลงทุนให้ชนะใจกรรมการ Exercise 3: สารหนึ่งเรื่อง แต่หลายกลุ่มผู้อ่าน Exercise 4: ทำให้เรื่องเล่ามีชีวิต!Exercise 5: อะไรควรอยู่บนสไลด์สำหรับบอร์ด?Exercise 6: จากร่างสู่เรื่องเล่าพร้อมนำเสนอต่อบอร์ด Exercise 7: กรณีศึกษา: งานที่ปรึกษาแบบ End-to-End ด้วย AI Exercise 8: วิเคราะห์ Churn แบบครบวงจรด้วย AI Exercise 9: ยืนยันการวิเคราะห์ด้วยข้อมูลเชิงคุณภาพ Exercise 10: ขอแสดงความยินดี!