并通过自然语言提示有效地创建结构化数据

例如的 AI 界面）在其用户界面中利用了 GPT 模型。（虽然我与供应商无关，但我一直在利用该工具并将摘录示例，因为它可用在他们的公开 alpha 版本中进行测试。） 让我们从基础知识开始 - 添加新联系人。 用户不必记住标准界面中的哪个位置来单击“添加联系人”。相反，他们将使用像这样的简单提示…… 在三个月的 alpha 测试中，HubSpot 还添加了提示模板，可以根据常见的待办事项触发操作，因此您现在可以从这样的收藏夹列表中进行选择。 2. 研究和添加有关人员和公司的数据 许多 MAP 从网站上提取基本的客户信息。人工智能正在简化这项任务，现在可以立即获得关键配置文件的摘要版本，以增强联系人角色或补充公司公司信息。



例如： 3. 融入电子表格 根据薪资和职 巴哈马 WhatsApp 号码列表 业调查，大约 70% 的营销人员每周花 10 个小时以上在电子表格上。它们是堆栈的基础。 我在 2023 年 3 Tech 会议演讲中谈到了这些工具（及其公式、VLOOKUP 功能等）如何仍然是我们跨多个数据源工作的秘密解码器。对于许多大型团队来说，全职数据分析师会支持这些工作。较小的团队通常拥有一位精通数据且具备 Excel 专业知识的营销人员。 然而，对许多人来说，编程 VLOOKUP 技术性太强。营销人员现在正在使用生成式人工智能提示来创建公式。一些人工智能插件实用程序将人工智能创建的提示直接注入到电子表格中。 这些自然语言“无代码”功能将是最强大和最常用的附加功能。它们将直接嵌入基础知识工作工具（例如 t）中。用户将要求人工智能助手从电子邮件地址中提取域名、提取名字/姓氏、公司等，







出去” 现在让我们转向光谱的另一边：人工智能将帮助数据输出的用例。 4. 用于分析的自然语言界面 我们都去过那里。有人要求您导出 幻灯片中的报告，而不是访问该平台。通过自然语言提示从应用程序获取报告将改变游戏规则。 “你能给我一份基于<填空>的报告吗”将成为一个提示，降低更多人直接访问分析的障碍。 随着时间的推移，如果用户更倾向于输入数据并看到数据得到正确反映，他们将更有可能提供高质量的条目。也许用户不会修复图表，而是会从源头修复它。 5. 注入可视化功能 创建可视化也将被注入功能。我们将能够通过插件/界面提示平台进行这些可视化。 和许多人一样，我热切地等待使用 代码解释器功能。与此同时，我一直在关注其他人的尝试，包括 Ethan Mollick，他在他 最近的新闻通讯文章中摘录的《一件有用的事情》中提供了对这些功能的一睹为快的信息。 6. 可访问的大数据 所有这些数据输入和输出的好处将不仅仅局限于 CRM/MAP 中“真实来源”的特定数据。 因为我们降低了更多数据源的进入门槛，所以一项分析的输出可能会以以前未考虑过的方式链接到其他分析的输出，因为其他数据增强和补充属性将可以通过以下方式访问：