步骤 1
记录每个存在争议的比率的分子、分母、所属时间窗与时区、数据来源,以及两侧各自的归因与去重规则,然后从商家自己的记录中提取原始构成,即带会话规则的会话数、带订单状态过滤条件的订单数,以及所用币种。
两个看板给出的是同一家店铺的不同转化率,因为各自的分子与分母取自不同口径。此时的直接任务是在统一口径下分析店铺转化率。流程应产出转化诊断与实验待办清单,其中每个比率都用商家自己的数据重新计算。
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 conversion rate analytics」这一问题,所属方向为「转化分析与优化」。
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. 用统一的分子与分母从这些原始构成重算每个比率,并把结果连同时间窗与所用规则一起表述;凡构成要素在所提供记录中找不到的比率一律搁置,不用看板里的数字代替。
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。
记录每个存在争议的比率的分子、分母、所属时间窗与时区、数据来源,以及两侧各自的归因与去重规则,然后从商家自己的记录中提取原始构成,即带会话规则的会话数、带订单状态过滤条件的订单数,以及所用币种。
用统一的分子与分母从这些原始构成重算每个比率,并把结果连同时间窗与所用规则一起表述;凡构成要素在所提供记录中找不到的比率一律搁置,不用看板里的数字代替。
交付转化诊断与实验待办清单,把每个重算后的比率与它替换掉的数值并列,并说明造成差异的那条规则,再把重算得到的订单数与订单导出、会话数与访问记录在同一时间窗与时区下核对。
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。
只有当分子、分母、时间窗与时区、数据来源,以及两侧各自的订单状态过滤条件都写下来之后,这个比率才被采信。正是这些要素让别人能够复算;缺任何一项,该比率只能标注为暂定,因为无法复算的数字无法与任何东西比较。
两侧都用同一批原始记录、同一条归因规则、同一条会话规则和同一个时间窗重算,剩余差异则归到发生改变的那条规则上,例如分母或订单状态过滤条件。在构成要素层面核对,能看出是哪一处选择改变了数字,商家据此决定保留哪个定义。
分子或分母在所提供记录中缺失的比率,报告为不可重算并写明缺哪一项,而不是拿看板数字填充。从别的工具取值会重新引入正在调查的那个口径差异;等商家补齐缺失要素后再给出该比率。
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。