Results Grow是一家营销公司，为家居服务行业（包括暖通空调安装、新屋顶、厨房装修等）提供支持。作为该公司的运营经理，Ryan 经常听说有利可图的销售线索在实现之前就失败了。
每当潜在客户表现出对房屋升级的兴趣，但没有预约咨询时，Ryan 的客户就会发现这一差距。这是一个关键阶段，因为它通常会导致达成价格协议，并有助于交易进展。
无论您从事哪个行业，手动跟进新线索都是一件困难的事情。如果您大部分时间都在屋顶或地下室工作，那么快速跟进就更加困难了。
瑞安和他的客户需要弄清楚如何在不对公司运营进行重大改变的情况下缩小外展和咨询之间的差距。
问题：错失 300 多条线索
经过一番挖掘，Ryan 发现一个客户经常对线索的回应很慢，因为跟进线索的人也在该领域工作。
工作性质意味着潜在客户可能要等上两三天才会有人联系。等到有人联系时，潜在客户往往已经转向其他服务提供商。人手不足导致 300 条潜在客户流失。
显而易见的解决方案是雇佣更多员工、延长办公时间或要求员工减少完成服务的时间，增加预约时间。但这些答案对客户来说都不起作用。因此，Ryan 必须发挥创造力。
利用 Zapier 的ChatGPT 集成和 Zapier Tables产品，Ryan 创建了一个 AI 机器人，可以自动 海外印度数据 回复潜在客户、回答请求并引导潜在客户预约上门咨询。该机器人立即就运行良好，但他想找到一种方法让它变得更好。
Ryan 发现，设计良好的 AI 机器人需要两个组件：周到的提示和提供准确响应的背景。两者都是让领导和机器人之间的对话自然流畅的必要条件。
提示会向 ChatGPT 发出指令，并提供有关机器人将进行哪些类型的对话的信息。如果没有提供明确指令的提示，响应将不一致，而且通常效果不佳。“好的提示应切中主题、包含准确信息，并以客户自己的个人语气编写，”Ryan 说道。
上下文提供了对正确信息（包括过去的回应）的访问，以帮助创建最准确的回应。
这张屏幕截图显示了如何将以前客户对话中的上下文作为 Results Grow 聊天机器人的上下文提供。
为了保持上下文的更新，Ryan 使用表格为 ChatGPT 提供常见问题以及客户自己的话的相应回答。这使得 ChatGPT 能够使用公司的品牌声音创建有凝聚力的回应。
为 ChatGPT 提供上下文的另一个重要部分是对话流。为了存储和发送过去的回复给机器人，Ryan 还使用了表格。他在表格中创建了一个数据库来保存潜在客户的信息、他们之前的消息以及来自 ChatGPT 的回复。