步骤 1
收集商家认可的可作为变更证据的信号、允许自动化编辑的字段、被排除在自动化之外的商品,以及每个候选字段的当前值作为恢复依据。
团队希望商品目录能自动改动,却没人说清什么证据才足以触发一次修改。本场景的具体任务是定义基于证据的自动化商品优化方案。最终产出含前后对照示例的工作流说明,每次修改都能追溯到明确信号,并列出尚未确认的输入项。
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 automated product optimization」这一问题,所属方向为「商品工作流自动化」。
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. 把每项自动化定义为明确的信号、商家提供的条件或阈值、限定在允许字段内的动作,凡信号缺失、过期或低于商家声明的置信水平一律不做改动。
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。
收集商家认可的可作为变更证据的信号、允许自动化编辑的字段、被排除在自动化之外的商品,以及每个候选字段的当前值作为恢复依据。
把每项自动化定义为明确的信号、商家提供的条件或阈值、限定在允许字段内的动作,凡信号缺失、过期或低于商家声明的置信水平一律不做改动。
输出含每项自动化前后对照示例的方案说明,把每个示例改动追溯到触发它的信号,并对照允许字段清单核验改动后取值,同时列明仍未确认的输入项。
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。
按不改动处理并写入日志。凭过期证据行动等于凭猜测改商品,正确数据就是这样被覆盖的。日志让商家能直接修复信号来源,而不必排查静默跳过。
运行日志按商品记录信号值、条件判定结果、改动前值与新值。正是这条链路把日后的疑点变成可核查的事实。发现无日志的改动按错误处理并恢复原值。
它标明哪些自动化尚不能安全运行,避免半成品方案被当成完整方案。每个未确认输入都写明需要什么决策来关闭。依赖它们的自动化在决策落地前保持停用。
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。