步骤 1
汇总各推广的消耗序列及其周期边界、推广结构与投放状态、每项计划内调整及其生效日期、商家已记录的季节性规律,以及数据源的报表延迟。
消耗出现了团队一时解释不了的走势,而判断所需的消耗序列、推广结构、计划内调整和已知季节性规律都能取到。当前任务是识别广告消耗中的异常走势,交付结论时把真实异常与计划内调整、报表缺口区分开,并附上证据与后续核查项。
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 spend anomaly detection」这一问题,所属方向为「广告效果预警」。
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. 剔除计划内调整和尚未回传完整的尾段之后,把每个周期与历史数据为该推广所支持的范围对比,只有当该走势持续足够多周期、足以排除报表缺口时才判定为异常。
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。
汇总各推广的消耗序列及其周期边界、推广结构与投放状态、每项计划内调整及其生效日期、商家已记录的季节性规律,以及数据源的报表延迟。
剔除计划内调整和尚未回传完整的尾段之后,把每个周期与历史数据为该推广所支持的范围对比,只有当该走势持续足够多周期、足以排除报表缺口时才判定为异常。
交付结论时把每条判定标为已确认异常、计划内调整或报表缺口,附上所比较的周期、支撑结论的数据和后续核查项并写明确认所需的记录,再把各推广合计与同周期账户总额核对。
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。
每项计划内调整都有生效日期,从该日期开始的走势优先归因于它,因为预算改动足以完整解释消耗跳变,把它当成异常会让团队去找一个早已记录在案的原因。
推广停投或恢复投放都会改变消耗,而需求端什么都没发生,所以先读状态;若把它当成市场变化上报,得出的诊断后续任何数据都支撑不了。
只有当它在足够多的连续周期内持续存在、足以排除报表延迟时才值得,因为孤立的异常周期常常是尚未回传完整的数据,后续核查只需在延迟结束后重读一遍。
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。