01
步骤 1
收集候选商品及各自拟议的变更、被引为证据的记录、商家允许修改的字段范围,以及这些字段当前存储的取值。
一次目录复盘列出了很多可改进项,但只有部分有商家实际持有的记录支撑。当前任务是准备一批有证据支撑的商品目录优化。最终应产出按证据强度排序的变更预览,保留有支撑的改进、剔除其余项,并逐项对照商家记录验证。
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 bulk product optimization」这一问题,所属方向为「商品批量编辑」。
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. 只有当所引记录显示了具体缺陷(如属性缺失、取值与其他记录矛盾或内部不一致)时才保留该变更,凡是基于“这样效果更好”的假设一律剔除。
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。
收集候选商品及各自拟议的变更、被引为证据的记录、商家允许修改的字段范围,以及这些字段当前存储的取值。
只有当所引记录显示了具体缺陷(如属性缺失、取值与其他记录矛盾或内部不一致)时才保留该变更,凡是基于“这样效果更好”的假设一律剔除。
交付排序后的变更预览,逐项注明支撑记录并列出被剔除项及其原因,把每个拟议取值与当前记录核对,并标出导出文件中不存在的字段。
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。
有证据的改动能指向显示缺陷的记录,例如必填属性为空或两条记录相互矛盾;偏好只是认为某字段换个写法更好,却没有任何记录支撑。
按记录的支撑力度与影响商品数量排序,先清理数据中可见的缺陷,再处理记录并未要求的润色型改写。
连同剔除原因(通常是缺少支撑记录)一起列出,商家补齐数据后可重跑这一轮,而不是让这些想法直接消失。
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。