步骤 1
记录看板每天必须支撑的决策、每个决策所需的指标与拆分维度、每个指标背后的来源报表,以及各来源共用的报表时区与币种。
报表分散在多处,没有一个视图能回答团队每天要问的问题,因此展示哪些指标必须由要支撑的决策倒推。当前任务是搭建推广投放表现看板,交付的看板布局要按漏斗层级组织,并为每个指标写明口径与数据来源。
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「shopify ad performance dashboard」这一问题,所属方向为「广告效果分析」。
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. 按漏斗层级归组指标,并为每个比率写明分母,把来源报表缺失、延迟或统计日历不同的指标标记为不可得而不是零,使布局中不会出现没有记录支撑的数字。
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。
记录看板每天必须支撑的决策、每个决策所需的指标与拆分维度、每个指标背后的来源报表,以及各来源共用的报表时区与币种。
按漏斗层级归组指标,并为每个比率写明分母,把来源报表缺失、延迟或统计日历不同的指标标记为不可得而不是零,使布局中不会出现没有记录支撑的数字。
交付看板布局时为每个指标附上口径与来源,并通过从原始来源报表重算一个报表周期来验证:每个图块都应复现出相同的数字。
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。
显示为不可得而不是零,因为零会被当成一个真实测量值并被据此行动。图块上要写明缺失的来源名称以及它最后一次有数据的周期,这样阅读者才能分清真实下滑和数据源中断。
同一个比率名称在不同报表里可能基于不同的基数计算,不写明基数的数字既不能跨图块比较,也不能跨周比较。把分母写在图块上,还能在有人质疑时从原始来源把该数字复算出来。
凡是用来解释变化而不是发现变化的内容,例如按推广或按设备的拆分,都应放在下钻里。首屏只保留能决定今天是否需要采取行动的数字,这样整个视图才能一眼扫完。
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。