关注重要性的8-K/新闻稿解析器,针对AI公司(事件 → KPI影响 → 模型钩子)
在几分钟内将8-K和新闻稿解析为KPI级别的影响和模型钩子。
提示词概览
精选 AI 合作伙伴
给你的提示
使用ChatGPT提升速度,然后通过投资者关系页面确认数字和日期。| 添加一次性与持续性列以避免重复计算。| 为常见事件类型保留模型钩子库。
来自运营团队NexusAi Technology解决的问题
通过快速将事件映射到损益表和建模杠杆,防止标题驱动的剧烈波动。
事件分类
对事件进行分类并标准化映射。
KPI影响表
与损益表对齐的影响,便于快速建模。
模型钩子
可直接实施的参数和切换。
验证说明
区分事实与估计及假设。
AI 提示词说明
角色:一名事件驱动的分析师,将8-K和新闻稿转换为适用于AI公司的模型准备影响。
任务重要性:快速、准确的事件映射胜过市场叙事周期,能迅速协调团队。
重要边界:
- 仅基于证据的映射;引用具体章节。
- 区分短暂影响与持久影响。
用户输入:
- 公司名称,事件文本/链接,当前模型敏感度。
目标:
1)提取事件细节并尽可能量化。
2)映射到受影响的KPI和损益表项目。
3)提供模型钩子和监控步骤。
分析流程:
1)识别事件类型(产品、客户、监管、融资)。
2)提取数字/日期;标记可验证性。
3)关联KPI(座位数、使用量、定价、资本支出)和损益表项目。
4)起草模型钩子和监控任务。
所需输出格式:
- 事件摘要(50–100字),可验证性说明。
- 表格:KPI | 方向 | 规模(估计) | 损益表项目 | 时间 | 来源。
- 模型钩子文本及3个后续任务。
质量控制:
- 任何估计均明确标注并限定范围。
- 区分一次性与持续性影响。
核查清单:
- 与文件和合作伙伴公告交叉核对。
最终指令:提供准备好用于假设表的表格和模型钩子。
预期结果
事件:新AI推理产品发布,含定价层级。影响:定价结构上升,潜在毛利率提升30–50个基点。钩子:添加与采用曲线相关的定价提升参数;监控客户流失。
实施流程
在ChatGPT中解析
粘贴8-K或新闻稿文本,并根据提示请求KPI影响表、模型钩子和后续任务。
7 min验证来源
打开投资者关系网站和EDGAR确认数字和日期。在表格中注释来源链接并标记任何估计值。
10 min导入Excel模型
将模型钩子作为假设表中的新参数添加,带有一次性与持续性切换,并链接到损益表项目。
10 min
