Tập hợp một bản tóm tắt hoàn chỉnh về AI để tập hợp toàn bộ mô-đun. Trả về JSON {"data""...","questions"...","checks":","deliverable""..."}: data — ngữ cảnh (loại dữ liệu, một dòng, đơn vị); questions - 3-4 câu hỏi có thể đo lường được dẫn đến nguyên nhân gây ra sự sụt giảm (xu hướng, vết cắt, điểm bất thường); checks - cách kiểm tra độ hội tụ của số AI; deliverable - đầu ra là gì: kết luận chính cộng với 2-3 hành động ưu tiên với hiệu quả mong đợi.
Một phân tích hiệu quả không phải là một câu hỏi mà là một chuỗi: bối cảnh → các câu hỏi có thể đo lường được → xác minh → kết luận → hành động. Bạn đã biết cách làm từng phần; phần cuối dạy bạn cách ghép chúng lại với nhau. Cơ học: AI phản hồi trong phạm vi hẹp với những gì được hỏi, vì vậy một câu hỏi lớn phải được chia thành các bước, nếu không bạn sẽ nhận được câu trả lời chung chung, hợp lý. Đòn bẩy: dẫn dắt từ cái chung đến cái cụ thể. Đầu tiên, rơi ở đâu - kênh nào, danh mục, thành phố nào; thì TẠI SAO - giảm giá đã ăn hết lợi nhuận, hóa đơn trung bình đã giảm hoặc toàn bộ danh mục đã biến mất. Người trong cuộc: đưa ra các giả thuyết thành câu hỏi. “Nếu hóa đơn trung bình giảm, nguyên nhân là do giảm giá; nếu số lượng séc giảm thì đó là do tắc nghẽn giao thông.” Ngã ba hướng dẫn phân tích trước thay vì đi lang thang: bất kỳ câu trả lời nào đều dẫn đến bước tiếp theo. Thủ thuật thứ hai: luôn khép lại đường viền bằng một hành động có hiệu ứng - một phân tích không có “phải làm gì” là một cáo phó đẹp đẽ và không giúp ích gì cho việc kinh doanh. Một sai lầm điển hình của tân binh: gộp mọi thứ vào một yêu cầu khổng lồ “tìm hiểu lý do tại sao lợi nhuận lại giảm”. Chia nó thành các bước và kiểm tra các con số trên mỗi bước - khi đó kết luận sẽ chắc chắn.
Mở khóa quyền truy cập để gửi giải pháp nhằm đánh giá AI ngay lập tức.