返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant

围绕季节性需求规划商品结构

商品结构的决策此前一直缺少书面依据:各品类何时进入高峰、团队又能压多少库存。此时最紧迫的任务是围绕季节性需求规划商品结构。流程应产出分时段排布的季节性商品结构方案,并与商家历史记录逐项核对一致。

所属主题
选品调研与市场机会
目标关键词
seasonal product research
可复制 AI 提示词

直接用在 Spark 工作流里的提示词

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。

ai-prompt.txt
你是一名 Shopify 运营专家。请帮我处理「seasonal product research」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. 通过横向对比不同年份的相同时段来确认高峰,只有可重复的上升才算旺季,并按交期与库存上限而非仅高峰一周的销量来推算各品类的季节性备货,历史周期不足的品类单独标注。
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。
去 Spark 使用
解决步骤

推荐的解决流程

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。

01

步骤 1

收集覆盖至少一个完整季节周期的多期销售历史、各品类的季节划分、供应商交期、仓储与库存约束,以及商家设定的旺季现货率目标。

02

步骤 2

通过横向对比不同年份的相同时段来确认高峰,只有可重复的上升才算旺季,并按交期与库存上限而非仅高峰一周的销量来推算各品类的季节性备货,历史周期不足的品类单独标注。

03

步骤 3

输出分时段的商品结构方案,写明各品类、目标库存深度、按交期倒推的最晚下单日期与过季处置方式,再逐时段与历史记录核对计划数量后落定。

常见问题

执行这个场景时最常见的疑问

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。

真正的销售旺季怎么确认?

把相同时段放在可得的多个年份里对比,只有反复重现的上升才算旺季,单月偶发的高峰不算;只有单一周期历史的品类会被标出证据局限,并按保守口径备货,而不是照着孤峰下单。

计划里为什么要写最晚下单日期?

因为旺季之后才到货的备货毫无贡献,每个品类的下单日期都由交期从高峰窗口倒推得出;这些日期让时间上的失败在还能挽回的阶段就暴露出来。

过季商品在方案里怎么处理?

每个商品都有明确的过季处置:继续在售、折价清仓或退出目录,依据是记录里的全年需求与它占用的持有成本;把决定拖到季后再做,等于把未售库存变成一笔计划外的成本。

相关场景

继续浏览相近或同主题的 Spark 运营场景

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。

Next step

想把这些 AI 场景直接嵌入日常运营?

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。