步骤 1
收集带日期的订单历史、商家既定观察窗口的长度及配套的流失定义、相关产品的预期复购周期、分析日,以及判定客户过于新增而应排除的规则。
没人能断定哪些客户已经彻底离开,预算却正被当成结论已知那样分配下去。本场景的任务是基于购买历史识别可能出现的客户流失,产出流失风险定义与召回计划,并把结论明确表述为风险而非既定事实。
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 customer churn prediction」这一问题,所属方向为「客户流失与召回」。
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. 把每位客户最近下单至今的间隔同时与观察窗口和预期周期比较后作出判断,只在记录中的证据支持时才给出风险标记,并写明该标记背后的间隔与周期;对尚未形成购买节奏的新客户予以排除,不依据稀薄的历史为其评分。
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。
收集带日期的订单历史、商家既定观察窗口的长度及配套的流失定义、相关产品的预期复购周期、分析日,以及判定客户过于新增而应排除的规则。
把每位客户最近下单至今的间隔同时与观察窗口和预期周期比较后作出判断,只在记录中的证据支持时才给出风险标记,并写明该标记背后的间隔与周期;对尚未形成购买节奏的新客户予以排除,不依据稀薄的历史为其评分。
交付以风险而非事实表述的流失风险定义与召回计划,逐位列出被标记客户及其间隔、周期与判定依据,再把被标记名单与订单导出核对,并把记录无法给出结论的客户单独列出。
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。
是风险判断,页面也会这样表述:它记录的是观察到的间隔已越过商家设定的门槛,并不代表客户已经离开,名单上的任何一位都可能在下一周下单。
按商家既定规则处理,通常是排除或给予较弱的风险等级,因为单笔订单没有可比较的间隔;强行给出判断会产生与真正观察到购买节奏的客户不可比的风险等级。
最近下单日期、预期周期、观察到的间隔以及所适用的门槛,便于复核者依据记录重算该标记;缺少这些字段的标记无法核对,应作为无支撑的结论单独报告。
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。