步骤 1
收集品类定义及其商品边界、来自统一窗口与来源的各品类带日期需求证据、各品类的竞品在售密度,以及商家对下一笔采购预算既定的成本与配送约束。
商家要决定宽泛货盘中哪一块值得投入下一笔采购预算。此时最紧迫的任务是跨品类对比需求与竞争强度。流程应产出品类对比结论及每项排序的理由,依据是所提供的带日期需求、竞品与成本记录。
先替换所有 [方括号] 占位内容,再补充你真实的店铺数据和限制条件,最后粘贴到你常用的 AI 助手或 Spark 智能体里。Spark 会按本页定义的流程给出结构化的输出和验证方式。
你是一名 Shopify 运营专家。请帮我处理「ecommerce category analysis」这一问题,所属方向为「选品调研与市场机会」。
店铺背景:[填写品类、目标市场、目标客群]
处理范围:[填写商品、页面、客户、活动或日期范围]
可提供的数据:[填写已有资料]
请按以下方式工作:
1. 先说明完成该任务需要哪些关键数据,并标记缺失项。
2. 用同一证据窗口和同一来源,从需求信号、卖家密度和利润空间三个维度比较各品类,把实测数字与估算区分开,并标注证据基础弱于其他品类的项。
3. 输出问题判断、建议方案、优先级、所需人工确认事项和验证方法。
4. 所有商品属性、指标、客户信息和营销结论必须以我提供的数据为依据;没有证据时请明确写“待确认”,不要猜测。
5. 如涉及发布、发信、改价、修改商品或账户操作,在我明确授权且工具已连接前,仅输出草案或操作步骤;完成操作后再报告已验证的结果。按输入、判断、交付三个阶段拆开执行,先保证每一步的输出,再进入下一步。
收集品类定义及其商品边界、来自统一窗口与来源的各品类带日期需求证据、各品类的竞品在售密度,以及商家对下一笔采购预算既定的成本与配送约束。
用同一证据窗口和同一来源,从需求信号、卖家密度和利润空间三个维度比较各品类,把实测数字与估算区分开,并标注证据基础弱于其他品类的项。
交付品类对比,逐维度展示每项排序的理由,再核实引用的每个数字都能回溯到所提供记录,且证据窗口在所有参与排序的品类中完全一致。
覆盖判断依据、常见误解和必须准备的输入,让团队在真正动手之前先把前提对齐。
因为对比要决定的是下一笔采购预算投在哪里,品类层面的需求与卖家密度呈现的是单品检查看不到的结构;选定品类后再在其中挑商品,预算就不会被摊薄到整个货盘。
品类之间混用证据窗口或数据来源,这会让排序变成数据的产物而不是市场的产物;交付前的核查会确认所有品类同窗口、同来源,任何例外要么修正,要么该品类退出排序。
排名时附带标注缺失数据的薄弱标记,缺口太大时干脆不排;这条规则防止弱证据品类占据一个看似笃定的位置,把预算引向未经检验的方向。
先优先看同主题的相似问题,或用相似度推荐扩展到跨主题但逻辑相近的其他场景。
Ciwi Spark 围绕 Shopify 商家常见的研究、投放、翻译和客户支持等流程,提供可以直接接入店铺的 AI 工具与智能体,减少反复写提示词的成本。