LLM: สร้างข้อความ

ใช้ LLM: generate text เพื่อขอให้โมเดล Claude สร้างข้อความสั้นๆ กลาง Journey จากนั้นนำไปใช้ซ้ำใน push, email หรือ SMS ในภายหลัง พอยต์นี้จะยืนยันตัวตนด้วย Anthropic API key ของตัวเอง ไม่ได้ใช้การผสานรวมระดับบัญชีใดๆ ที่กำหนดค่าไว้ที่อื่นใน Settings

การใช้งานทั่วไป:

• ปรับแต่งบรรทัดข้อความ: ร่างข้อความดึงดูดหนึ่งบรรทัดจาก Tag ของผู้เดินทาง จากนั้นใส่ลงใน push หรือ email ถัดไปด้วย Dynamic Content
• สรุปก่อนส่ง: เปลี่ยน Tag สองสามอย่าง เช่น คำสั่งซื้อล่าสุดหรือหมวดหมู่ที่ดูล่าสุด ให้เป็นข้อความภาษาธรรมชาติสั้นๆ ที่เทมเพลตสามารถแสดงได้
• เปลี่ยนถ้อยคำ: ขอวลีที่แตกต่างกันเล็กน้อยในแต่ละครั้ง เพื่อให้ผู้เดินทางไม่เห็นข้อความที่เหมือนกันทุกครั้งที่ผ่านเข้ามา

กำหนดค่าพอยต์

1. ลาก LLM: generate text จากส่วน Integrations ของแผงด้านซ้ายไปยัง canvas
2. ดับเบิลคลิกที่พอยต์และป้อน Step Name
3. ใน Anthropic API key ให้ป้อน Anthropic API key ของคุณ มันจะถูกจัดเก็บแบบปิดบังเหมือนกับ webhook secret header

4. ใน Model ให้เลือกโมเดล Claude ที่จะใช้ ค่าเริ่มต้นคือ claude-haiku-4-5

   • claude-haiku-4-5: ตอบเร็วที่สุด
   • claude-sonnet-5: ตัวเลือกกลางระหว่าง Haiku และ Opus
   • claude-opus-5: ช้ากว่าอีกสองตัว แต่ยังคงเสร็จสิ้นภายในเวลา 10 วินาทีของพอยต์ มีค่าใช้จ่ายต่อโทเค็นมากกว่า Sonnet หรือ Haiku

   ทุกการเรียกใช้จะเรียกเก็บเงินจาก Anthropic key ของคุณสำหรับผู้เดินทางทุกคนที่มาถึงขั้นตอนนี้

5. ใน Prompt ให้เขียนสิ่งที่คุณต้องการให้โมเดลสร้างขึ้น รองรับมาโครเดียวกันกับ body ของ Webhook ใดๆ เช่น {{device:hwid}}

6. คลิก Save

การตอบสนองถูกจำกัดไว้ที่ประมาณ 300 โทเค็น (ประมาณหนึ่งย่อหน้าสั้นๆ) เพื่อให้คำขออยู่ภายใน การหมดเวลาของ Webhook ขอสิ่งที่สั้นๆ พรอมต์ที่ยาวขึ้นหรือมีรายละเอียดมากขึ้นจะไม่ได้รับพื้นที่ในการตอบกลับเพิ่มขึ้น

การตอบสนอง

ผู้เดินทางจะเดินทางต่อไปยังขั้นตอนใดก็ตามที่คุณเชื่อมต่อถัดไปบน canvas

Attributes หลังจากขั้นตอนทำงาน

Attribute	เก็บข้อมูลอะไร
llm_text	ข้อความที่สร้างขึ้น
llm_input_tokens	จำนวนโทเค็นสำหรับอินพุตของคำขอ
llm_output_tokens	จำนวนโทเค็นสำหรับเอาต์พุตของคำขอ

วิธีใช้ llm_text ในขั้นตอนถัดไป

• ใส่ลงใน push, email หรือ SMS: ใช้ Dynamic Content
• แยกเงื่อนไขด้วย Condition split: บันทึกลงใน Tag ก่อนด้วย Update user profile จากนั้นแยกตาม Tag นั้น

ความล้มเหลวและการตอบสนองที่ไม่คาดคิด

คำขอที่ล้มเหลวจะทำให้ผู้เดินทางออกจาก Journey ดู ข้อผิดพลาดและคำขอที่ล้มเหลว

การตอบสนองที่กลับมาแต่ไม่ใช่สิ่งที่คุณคาดหวังจะทำให้ผู้เดินทางยังคงอยู่ใน Journey:

• ข้อความถูกตัดที่ขีดจำกัด 300 โทเค็น: llm_text จะเก็บข้อความที่ถูกตัดทอน
• โมเดลปฏิเสธที่จะตอบ: llm_text จะเก็บสิ่งที่โมเดลตอบกลับมาแทน

สถานการณ์ตัวอย่าง: การปรับแต่ง push เพื่อดึงดูดผู้ใช้กลับมาด้วย Claude

ทีมงานต้องการให้ push เพื่อดึงดูดผู้ใช้ที่ไม่ได้ใช้งานกลับมาเริ่มต้นด้วยข้อความดึงดูดส่วนบุคคลหนึ่งบรรทัดแทนที่จะเป็นข้อความทั่วไป

1. เพิ่มองค์ประกอบ Trigger-based entry และตั้งค่าให้ทำงานเมื่อเกิด event UserLapsed
2. เพิ่ม LLM: generate text ต่อจากนั้นทันที ใน Prompt ให้เขียน Write one short, upbeat sentence inviting {{tag:Name}} back, mentioning they browsed {{tag:Last Category}}.
3. เพิ่มขั้นตอน Push ต่อจากนั้นทันที ในตัวแก้ไขข้อความ คลิก Personalization และแทรก llm_text ลงในข้อความ push

เมื่อสิ่งนี้ทำงาน ผู้ใช้ที่ไม่ได้ใช้งานแต่ละคนจะได้รับ push ที่เริ่มต้นด้วยบรรทัดที่ Claude สร้างขึ้นสำหรับพวกเขา แทนที่จะเป็นข้อความคงที่เหมือนกันสำหรับทุกคน