GUIDE · AI SCHOOL · 05 / 05→ alphamf.com
Alpha MF
05
שיעור 5 · מייל ללקוחה ב-6 צעדים · 10 כרטיסים · 3 דקות

איך כותבים מייל ללקוחה עם AI, ב-6 צעדים

גב' כהן כתבה לכם: המוצר הגיע פגום, והיא מבקשת החזר כספי. אתם רוצים לאשר את ההחזר ולשמור עליה כלקוחה. במדריך הזה, שבנוי על שיעור 5 של הקורס, כותבים את המייל הזה עם AI, צעד אחרי צעד, ומתקנים אותו לפני השליחה.

מתוך הקורס AI מא׳ עד ת׳ המקורות בסוף המדריך
כרטיס 'מה עושים עכשיו' מהשיעור, צעד 1 מתוך 6: הודעה בצ'אט שמתארת את המצב והמטרה, גב' כהן קיבלה מוצר פגום ומבקשת החזר

צעד 1: המצב והמטרה, לפני "תכתוב"

פתחתם שיחה חדשה. הצעד הראשון הוא לא "תכתוב" אלא "זה המצב". מתארים קודם את המצב ואת המטרה: מי הלקוחה, מה קרה ומה רוצים שיקרה. 2 משפטים מספיקים: מה קרה, ומה אתם רוצים שיקרה בסוף. ה-AI כותב לפי הסיפור שקיבל, אז תנו לו את הסיפור הנכון.

ההודעה הראשונה

"אני מנהל חנות אונליין. לקוחה, גב' כהן, קיבלה מוצר שהגיע פגום וביקשה החזר. אני רוצה לאשר את ההחזר ולשמור אותה כלקוחה. עזור לי לכתוב לה מייל."

מה לא עושים: לכתוב רק "תכתוב מייל ללקוחה" ולשלוח, "את הפרטים נוסיף אחר כך". בלי הקשר ה-AI ממלא את החסר בניחושים: איזה מוצר, למה היא פנתה, מה מציעים לה. תקבלו מייל יפה על מצב אחר. וגם לא מדביקים את כל ההתכתבות איתה, כולל הטלפון והכתובת שלה: פרטים מזהים של אדם אחר לא שולחים לשירות חיצוני. תארו את המצב במילים שלכם, בלי טלפון, כתובת או מספר הזמנה.

צעד 2: טון, אורך וחתימה

המצב והמטרה נשלחו. לפני שמבקשים מה-AI לכתוב, מוסיפים הודעה נוספת: קובעים טון (חם ומקצועי), אורך (עד 120 מילים) וחתימה (שם החנות).

טון, אורך וחתימה הם הפורמט, הפעם של מייל. במייל ללקוחה הפורמט הוא חלק מהמסר: אותו החזר כספי נשמע אחרת בטון חם ובטון יבש. קבעו את שלושתם לפני שמבקשים טיוטה, כמו שקובעים אורך ופורמט לכל פרומפט.

מה לא עושים: לבקש מה-AI להחליט בעצמו על גובה ההחזר ועל התנאים. ה-AI לא מכיר את המדיניות שלכם, ועלול להבטיח משהו שלא תוכלו לקיים. החלטות כאלה הן שלכם, לא שלו. וגם לא "תכתוב כבר", בלי לקבוע כלום: הוא יבחר במקומכם, לפי מה שנפוץ, ולא בהכרח מה שמתאים לחנות שלכם. כל מה שלא קבעתם עכשיו, תתקנו אחר כך בסבב נוסף.

צעד 3: הטיוטה הראשונה היא חומר גלם

הגיעה טיוטה ראשונה. תקינה, בלי שגיאות, אבל כללית: אפשר לשלוח אותה לכל לקוח בכל חנות. לא מעתיקים ושולחים כמו שזה, "הרי אין שגיאות": מייל כללי מרגיש אוטומטי, והלקוחה מרגישה את זה. ודווקא אותה רציתם לשמור.

מה כן: מבקשים 2 גרסאות, אחת קצרה וחמה יותר, ואחת רשמית. לבקש 2 גרסאות עולה משפט אחד, וכשהן זו לצד זו רואים מיד מה עובד. בחרו אחת, או קחו את הטוב משתיהן. ולא פותחים שיחה חדשה כדי "לנסות שוב מההתחלה": שיחה חדשה לא בהכרח רואה את הטיוטה שבניתם. שיפורים עושים באותה שיחה, שם ההקשר כבר נמצא.

צעד 4: "מר כהן". הלקוחה היא גב' כהן

על המסך 2 גרסאות. בגרסה ב' כתוב "מר כהן". מה עושים? כותבים בצ'אט: "זו לקוחה, תקן ללשון נקבה ובדוק שוב את כל השמות".

בעברית המין יושב כמעט בכל משפט: את/אתה, מוזמנת/מוזמן, תקבלי/תקבל. כשכותבים בפירוש "זו לקוחה, גב' כהן", ה-AI בדרך כלל מתקן את כולם בבת אחת. ובכל זאת עברו על המייל שוב: כשמשהו אחד שגוי, שווה לבדוק מה עוד.

לא מתעלמים ושולחים, "זו רק מילה אחת, והלקוחה בטח לא תשים לב": "מר" ללקוחה היא בדיוק הטעות שזוכרים. מילה אחת שגויה אומרת לה שאף אחד לא קרא את המייל לפני השליחה. וגם לא מתקנים ידנית רק את המילה "מר" בלי לערב את ה-AI: בעברית המין מופיע גם בפעלים ובכינויים, "מוזמן", "תקבל", "שלו". תיקון של מילה אחת משאיר את השאר. תנו ל-AI לעבור על הכול, ואז בדקו.

למה זה קרה בכלל?

לא כתבתם מי הקורא, וה-AI ניחש. באנגלית "you" מתאים לכולם. בעברית חייבים לבחור: את או אתה, מוזמנת או מוזמן. כשלא כתוב מי הקורא, המודל משלים לפי מה שנפוץ בטקסטים שלמד מהם. זו לא בעיה של עברית ("הוא לא יודע עברית מספיק טוב"), והיא לא תקלה חד-פעמית: זה עלול לחזור בכל פעם שלא כתוב מי הקורא. מחקרים על תרגום מכונה לעברית מצאו תופעה דומה: במקום להסתמך על ההקשר, המערכת בוחרת מין לפי הסטריאוטיפ הנפוץ. ציינו תמיד: גבר, אישה או קבוצה.

צעד 5: בודקים בעצמכם, ומוסיפים שורה אישית

ה-AI החזיר גרסה מתוקנת: "גב' כהן", "את מוזמנת". נראה מוכן לשליחה. עכשיו בודקים לבד: שם, מוצר, סכום, תאריכים ומדיניות, ומוסיפים שורה אישית אחת.

ה-AI כותב יפה, אבל הוא לא ראה את ההזמנה. השמות, הסכומים והתאריכים באים מכם, אז בדקו אותם מול ההזמנה. שורה אישית אחת ("ראיתי שזו ההזמנה השלישית שלך אצלנו") הופכת תבנית למכתב.

לשאול את ה-AI "אתה בטוח שהכול נכון?" לא עוזר: הוא עלול לענות "כן" גם כשלא, או דווקא לשנות את מה שהיה נכון. את העובדות הוא לא יכול לבדוק, כי הוא לא ראה את ההזמנה. את זה מאמתים אתם. ולא שולחים מיד "לפני שהלקוחה מתעצבנת עוד יותר": סכום או תאריך שגויים במייל מהחנות הם הבטחה שתצטרכו לקיים. עדיף עוד 2 דקות של בדיקה ממייל תיקון למחרת.

צעד 6: אתם שולחים, לא ה-AI

המייל הסופי מוכן: אישי, מדויק, עם פרטי ההחזר. בדקתם הכול בעצמכם. מעתיקים למייל ושולחים, ושומרים את הפרומפט לפעם הבאה.

העתיקו את הטקסט (כפתור ההעתקה מתחת לתשובה), הדביקו בתוכנת המייל שלכם, העיפו מבט אחרון ושלחו משם. ה-AI כותב, אתם שולחים: המייל יוצא בשמכם ובאחריותכם. לבקש מה-AI לשלוח את המייל בעצמו, ישר מהצ'אט, לא יעבוד: ברוב האפליקציות צ'אט רגיל לא מחובר לתיבת המייל שלכם ולא שולח כלום.

ואת השיחה אל תמחקו מהיסטוריית השיחות "שיהיה סדר": הפרומפט שעבד נמצא בשיחה הזאת, ובפעם הבאה הוא יחסוך לכם את כל הסבבים. השאירו אותה שם.

שני מיילים, זה מול זה

רע: "שלום רב, אנו מצטערים על אי הנוחות"

בלי שם, בלי מוצר ובלי פרטי ההחזר. "שלום רב, אנו מצטערים על אי הנוחות" מתאים לכל לקוח בעולם, ולכן לא מדבר לאף אחד. הלקוחה לא יודעת אם קראתם את הפנייה, מה יוחזר לה ומתי. זה לא "מקצועי ותמציתי", וגם לא "ארוך מדי": זו טיוטה ראשונה שנשלחה כמו שהיא, בלי ההקשר של גב' כהן ובלי שורה אישית. התיקון, באותה שיחה: "הוסף את שמה, את המוצר, את סכום ההחזר ומתי יגיע, ושורה אישית אחת".

טוב: אישי ומדויק

פונה לגב' כהן בשמה, מזכיר את המוצר, מפרט את ההחזר ואת הצעד הבא. השם שלה, המוצר, הסכום ומתי יגיע, ומה קורה עכשיו: כל מה שלקוחה רוצה לדעת, בלי לחפש. חם ומקצועי לא סותרים זה את זה, וזה לא "חם מדי בשביל עסק". ככה נראה מייל שעבר את כל 6 הצעדים. בדקו פעם אחרונה את השם ואת הסכום מול ההזמנה, ושלחו.

מה שומרים לפעם הבאה

את הפרומפט שעבד, כתבנית: מצב, מטרה, טון, אורך, חתימה. לא את המייל הסופי: הוא נכתב לגב' כהן ולמוצר שלה, ואצל הלקוח הבא הוא יהפוך למייל הכללי שראינו קודם. ולא "כלום, ה-AI כבר יזכור איך אנחנו כותבים": לא בהכרח. גם באפליקציות עם זיכרון בין שיחות, הוא לא תמיד ימצא בדיוק את הפרומפט שעבד. תבנית ששמרתם בעצמכם זמינה תמיד.

התבנית

"לקוח/ה ___ ביקש/ה ___. המטרה: ___. טון: ___, עד ___ מילים, חתימה: ___"

שמרו אותה בפתקים, ובפעם הבאה מלאו את החסר ושלחו. התבנית נשארת, הפרטים מתחלפים.

PRACTICE · 3 MINUTES

תרגלו את זה ב-3 דקות

בשיעור 5 עוברים את ששת הצעדים האלה על המסך, בוחרים מה עושים בכל צעד, ורואים את שני המיילים זה מול זה. 10 כרטיסים, 3 דקות, בטלפון.

לשיעור 5 בקורס ←
שיעור חדש אחד ביום, בחינם בלי התקנה, בדפדפן כל השיעורים
SOURCES · שיעור 5

המקורות של השיעור

כל מה שכתוב במדריך נבדק מול המקורות האלה. בסוגריים: מה נלקח מכל מקור.

  1. 01Anthropic: Prompting best practices — להיות ברורים וישירים, להוסיף הקשר, להשתמש בדוגמאות, לשלוט בפורמט התשובה. מדריך הפרומפטים הרשמי של Anthropichttps://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
  2. 02Google Workspace: Writing effective prompts — פרסונה, משימה, הקשר, פורמט; לשפר בסבבים; לבדוק את התוצאה לפני השימוש. יש גרסה בעבריתhttps://workspace.google.com/resources/ai/writing-effective-prompts/
  3. 03Google AI for Developers: Gemini API prompt design strategies — הוראות ברורות וספציפיות, הוספת הקשר, פורמט התשובה, שיפור הפרומפט בסבביםhttps://ai.google.dev/gemini-api/docs/prompting-strategies
  4. 04OpenAI: Prompt engineering guide — דוגמאות few-shot, הכללת הקשר רלוונטי, בדיקה וניהול גרסאות של פרומפטיםhttps://developers.openai.com/api/docs/guides/prompt-engineering
  5. 05Stanovsky, Smith & Zettlemoyer, ACL 2019: Evaluating Gender Bias in Machine Translation — עברית היא אחת משמונה שפות היעד עם מין דקדוקי במחקר; מערכות תרגום בוחרות מין לפי סטריאוטיפ כשהן מתעלמות מההקשרhttps://arxiv.org/abs/1906.00591
  6. 06Vanmassenhove, 2024: Gender Bias in Machine Translation and The Era of Large Language Models — אותה הטיה גם במודלי שפה גדולים, נבדקה על ChatGPThttps://arxiv.org/abs/2401.10016
  7. 07Laban, Murakhovs'ka, Xiong & Wu, 2023: Are You Sure? Challenging LLMs Leads to Performance Drops in The FlipFlop Experiment — כשנשאלו "אתה בטוח?", 10 מודלים שינו את תשובתם ב-46% מהמקרים בממוצע, עם ירידה ממוצעת של 17% בדיוק. למה "אתה בטוח?" הוא לא בדיקהhttps://arxiv.org/abs/2311.08596
  8. 08Anthropic Help Center: How does Claude's memory work — זיכרון בין שיחות: דוגמה מאפליקציה אחתhttps://support.claude.com/en/articles/11817273-how-does-claude-s-memory-work
  9. 09Google, The Keyword (2025): Gemini adds Temporary Chats and new personalization features — האפליקציה יכולה להתייחס לשיחות קודמות; זיכרון בין שיחות: דוגמה מאפליקציה שנייהhttps://blog.google/products-and-platforms/products/gemini/temporary-chats-privacy-controls/
  10. 10Dentons Canada LLP (Legal500 Intelligence, 2024): Airline ordered to compensate a B.C. man because its chatbot provided inaccurate information — Moffatt v. Air Canada: הצ'אטבוט המציא כלל החזר שסתר את המדיניות האמיתית, והחברה שילמה. למה ה-AI לא מחליט על גובה ההחזרhttps://www.legal500.com/intelligence/canada/technology/airline-ordered-to-compensate-a-bc-man-because-its-chatbot-provided-inaccurate-information
  11. 11רשות הגנת הפרטיות: המלצות להתנהלות הציבור בשימוש אישי בסוכני בינה מלאכותית (יולי 2026) — לצמצם את המידע האישי שמוסרים לכלי AI, ולאשר בעצמכם כל פעולה כמו שליחת מייל. PDF בעברית, gov.ilhttps://www.gov.il/BlobFolder/news/artificial-intelligence-agents/he/Recommendations-artificial-intelligence-agents.pdf
תרגלו את זה ב-3 דקות ←