步骤 1
收集同一周期内的商品浏览量与加购次数,以及所提供记录中按设备、页面和变体拆分的明细,浏览量按每会话每页面计一次,加购按每会话每变体计一次。
商品页有流量但加购很少,而同一周期内的浏览量、加购次数以及按设备、页面和变体拆分的明细都可以取到。当前任务是定位商品浏览到加购之间的流失环节,交付漏斗分析时按流失规模排序,并附上来自商家记录的证据。
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 add to cart funnel analysis」这一问题,所属方向为「加购问题与优化」。
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. 计算每个细分从浏览到加购的环节比率,并按损失的会话数而不是最低比率排序,再用库存状态、变体选择和页面故障逐一检验较大的落差,把现有记录无法解释的落差标记为原因待查,而不是硬给一个解释。
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。
收集同一周期内的商品浏览量与加购次数,以及所提供记录中按设备、页面和变体拆分的明细,浏览量按每会话每页面计一次,加购按每会话每变体计一次。
计算每个细分从浏览到加购的环节比率,并按损失的会话数而不是最低比率排序,再用库存状态、变体选择和页面故障逐一检验较大的落差,把现有记录无法解释的落差标记为原因待查,而不是硬给一个解释。
交付漏斗分析时按流失规模排序并附上证据,再通过确认各细分的会话数之和等于周期总量、且没有会话被计入两个细分来完成核验。
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。
按损失的会话数排序,因为小细分上陡峭的比率可能掩盖大细分上平缓却代价高得多的比率。两个数字并列给出,排序看规模,比率则保证各细分之间的比较仍然公平。
浏览量按每会话每页面计一次,加购按每会话每变体计一次,因此刷新页面或连点两次控件都不会抬高任一步骤。少了这条规则,加载缓慢的页面会显得兴趣很高,而一次双击会被当成两位买家。
连同所属细分与缺口规模一起报为原因待查,并写明要做出判断还需补充哪份记录。为了填满这一行而编造原因,会让运营人员去改动一个根本不是问题所在的页面。
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。