返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant

以指定数据源为准更新库存

自动同步会覆盖运营人员为上新或预留手工设置的数量。本场景的首要任务是以指定的权威数据源为准更新库存。产出为库存对账结果与建议更正文件,依据为该来源本身的记录。

所属主题
库存同步与准确性
目标关键词
shopify automatic inventory updates
可复制 AI 提示词

直接用在 Spark 工作流里的提示词

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。

ai-prompt.txt
你是一名 Shopify 运营专家。请帮我处理「shopify automatic inventory updates」这一问题,所属方向为「库存同步与准确性」。

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. 以数据源数量减去Shopify当前数量计算每个在范围内变体在各仓库的差额,凡被标记为手工设置或已预留的SKU、以及提取时间戳早于商家声明同步频率的记录一律不写入,凡会导致可售数量变为负数、或属于提取时间戳之后已有订单的变体,则只标记不写入。
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。
去 Spark 使用
解决步骤

推荐的解决流程

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。

01

步骤 1

收集指定数据源在同一同步周期内按SKU与仓库记录的库存数量及其提取时间戳与商家声明的更新频率、该数据源获准写入的变体标识与仓库、Shopify当前在该变体上的实物与可售数量,以及商家标注的手工设置库存(上新预留与锁定)及其负责人与失效日期。

02

步骤 2

以数据源数量减去Shopify当前数量计算每个在范围内变体在各仓库的差额,凡被标记为手工设置或已预留的SKU、以及提取时间戳早于商家声明同步频率的记录一律不写入,凡会导致可售数量变为负数、或属于提取时间戳之后已有订单的变体,则只标记不写入。

03

步骤 3

交付库存对账结果,逐行列出在范围内变体的数据源数量、当前数量、差额、处置方式(写入、保留或标记)及原因,并附上含写入前数量的建议更正文件用于回滚,随后核对行数与在范围内变体清单一致,并确认被排除的SKU未出现在写入行中。

常见问题

执行这个场景时最常见的疑问

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。

手工设置的数量如何避免被数据源覆盖?

凡商家标记为手工设置或已预留的SKU,都会从写入范围中剔除并记为保留,因为上新与锁定承载着数据源并不知道的业务意图;该保护持续到记录中登记的失效日期为止,之后该SKU重新回到数据源的写入范围。

数据源在写入时已经过期怎么办?

将提取时间戳与商家声明的同步频率比对,超过该窗口的记录一律暂不写入,因为按过期快照写入会让已经另有安排的库存继续对外销售;这些SKU会作为标记项列出,并在下一个携带新时间戳的周期重新进入写入范围。

如何确认更新没有造成超卖?

写入后复查各仓库的可售数量是否出现负数,并确认提取时间戳之后产生订单的变体是被保留而非被覆盖;更正文件中保留了写入前的数量,一旦某项检查未通过,即可据此将对应仓库恢复到写入前的数值。

相关场景

继续浏览相近或同主题的 Spark 运营场景

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。

Next step

想把这些 AI 场景直接嵌入日常运营?

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。