Template prompt Attribution Analysis con esempio

Prompt riutilizzabile

Explain what likely drove an outcome and what cannot be proven yet.

Tipo di attività: Attribution Analysis
Obiettivo: Explain what likely drove an outcome and what cannot be proven yet.

Contesto:
- [Progetto, prodotto o tema]: [Progetto, prodotto o tema]
- [Pubblico e situazione]: [Pubblico e situazione]
- [Vincoli, requisiti e cose da evitare]: [Vincoli, requisiti e cose da evitare]

Informazioni da fornire:
[Incolla qui il materiale di partenza]

Output atteso:
1. Fatti noti
2. Ipotesi
3. Metodo
4. Limiti
5. Azioni consigliate

Criteri di qualità:
- Sii specifico ed evita consigli generici.
- Dichiara chiaramente le ipotesi.
- Preferisci prossimi passi concreti alla teoria generica.
- Se mancano informazioni importanti, fai fino a 3 domande di chiarimento prima di rispondere.
- Per affermazioni fattuali o sensibili al tempo, distingui fatti noti, inferenze e punti da verificare.

Esempio guidato

L’esempio sotto compila lo stesso prompt per uno scenario Dati e BI realistico. È volutamente sobrio: mostra come funziona il template, non promette di risolvere tutto.

Tipo di attività: Attribution Analysis
Obiettivo: Explain what likely drove an outcome and what cannot be proven yet.

Contesto:
- [Progetto, prodotto o tema]: Un’attività reale di Dati e BI con il prompt Attribution Analysis
- [Pubblico e situazione]: Un collega che ha bisogno di una risposta utile e prossimi passi chiari
- [Vincoli, requisiti e cose da evitare]: Essere specifici, dichiarare ipotesi, evitare affermazioni senza prove e rendere l’output operativo.

Informazioni da fornire:
Materiale esempio: il team ha bisogno di aiuto con Attribution Analysis. La situazione è disordinata, ma l’obiettivo è abbastanza chiaro per separare fatti, ipotesi, rischi e prossime azioni.

Output atteso:
1. Fatti noti
2. Ipotesi
3. Metodo
4. Limiti
5. Azioni consigliate

Criteri di qualità:
- Sii specifico ed evita consigli generici.
- Dichiara chiaramente le ipotesi.
- Preferisci prossimi passi concreti alla teoria generica.
- Se mancano informazioni importanti, fai fino a 3 domande di chiarimento prima di rispondere.
- Per affermazioni fattuali o sensibili al tempo, distingui fatti noti, inferenze e punti da verificare.

Come usare questo prompt

1. Sostituisci i placeholder con l’attività reale Attribution Analysis, pubblico, materiale sorgente e vincoli.
2. Mantieni la struttura dell’output quando possibile; rende la risposta più facile da valutare.
3. Incolla il prompt finito nel tuo assistente AI, poi fai una domanda di follow-up su ipotesi o prove mancanti.

Cosa deve contenere una buona risposta

• 1. Fatti notiRendi concreta questa sezione: Fatti noti.
• 2. IpotesiRendi concreta questa sezione: Ipotesi.
• 3. MetodoRendi concreta questa sezione: Metodo.
• 4. LimitiRendi concreta questa sezione: Limiti.
• 5. Azioni consigliateRendi concreta questa sezione: Azioni consigliate.

Perché questo prompt funziona

• Attribution Analysis chiarisce subito tipo di attività e obiettivo, riducendo risposte vaghe.
• Il prompt chiede contesto, materiale e vincoli prima della risposta finale.
• Le 5 sezioni di output rendono la risposta leggibile e confrontabile.
• La qualità richiesta spinge l’assistente a fare domande e a indicare cosa va verificato.

Errori da evitare

• Lasciare i placeholder vuoti aspettandosi che il modello indovini il contesto.
• Rimuovere la struttura dell’output e ottenere una risposta difficile da controllare.
• Usare il prompt per fatti recenti senza verificare fonti e date.

Template prompt correlati