步骤 1
取得待审计的目录导出、需要按序执行的规则及其顺序、商家既定的审计频率与触发条件、每类失败指定的责任人,以及上一轮的执行记录。
每次导入后商品数据都会发生偏移,一次性清理无法阻止同样的错误几周后再次出现。本场景的任务是设计可周期执行的商品数据质量审计,最终产出带证据与修复建议的优先级商品问题报告,以及检查计划本身:写明检查顺序、每类失败的责任人,以及本轮与上一轮记录的差异。
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 automated product audits」这一问题,所属方向为「商品数据质量与审计」。
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. 按既定顺序执行检查,让每条规则仅依据数据判定通过与失败,把每处失败分派给对应责任人,并对结论取决于记录无法判定的主观判断的检查标注需人工确认。
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。
取得待审计的目录导出、需要按序执行的规则及其顺序、商家既定的审计频率与触发条件、每类失败指定的责任人,以及上一轮的执行记录。
按既定顺序执行检查,让每条规则仅依据数据判定通过与失败,把每处失败分派给对应责任人,并对结论取决于记录无法判定的主观判断的检查标注需人工确认。
输出按优先级排序的商品问题报告以及审计计划本身,写明检查顺序、每类失败的责任人与本轮相较上一轮的变化,并逐条规则核对发现数量与上一轮的差异,使规则静默失效能以归零的形式暴露出来。
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。
任何一次目录导入或批量编辑都应触发,因为偏移正是那时进入系统的。只靠周期会让新错误等到下一个日期才被发现,而触发式检查能在变更还新鲜、成因还清楚时就完成核对。
为每类失败指定具名责任人,并在每轮中重复上报未关闭的问题。没有归属的发现会长期挂起,而重复上报还能看出此前的修复是否真的持续有效。
某条规则的数量突然归零,通常意味着规则本身失效,而不是目录变干净了。按规则统计能在有人宣布店铺已修好之前,就让这种区别显现出来。
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。