01
步骤 1
收集广告系列与广告组报表、每行所带的点击与转化标识、账户上配置的归因窗口与计功规则，以及同一窗口内来自店铺导出的可匹配订单记录。
返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant
用 Shopify 订单证据核对 Facebook 归因
Facebook 上报的转化在店铺订单里常常找不到对应记录，而报表中也没有说明差异来自哪里。本场景中，当前任务是用 Shopify 订单证据核对 Facebook 归因。该流程应基于商家的实际记录与约束，产出统一报表模型与差异记录，逐一列出每个缺口及其可能原因。
所属主题
分析集成与统一报表
目标关键词
shopify facebook ads attribution
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 facebook ads attribution」这一问题，所属方向为「分析集成与统一报表」。
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. 按共用标识与币种把每条归因转化匹配到订单，以订单作为成交是否真实发生的依据；每条无法匹配的数据都连同其可能原因写入差异记录，例如窗口边界、重复认领、店铺外成交或未被追踪的购买，而不是直接剔除。
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。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。
02
步骤 2
按共用标识与币种把每条归因转化匹配到订单，以订单作为成交是否真实发生的依据；每条无法匹配的数据都连同其可能原因写入差异记录，例如窗口边界、重复认领、店铺外成交或未被追踪的购买，而不是直接剔除。
03
步骤 3
输出统一报表模型与差异记录，列出每个缺口及其可能原因，并通过把已匹配转化与订单导出核对来验证：已匹配行数加上已记录的未匹配行数等于上报转化数，且没有订单被重复计功。
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。
为什么上报转化数会多于店铺订单数？
平台会为自己在其归因窗口内观测到的任何转化计功，包括后来发生变更的、或从未进入店铺导出的成交。先按共用的订单标识与币种核对，再判断应以哪个数字作为实际发生的数量。
无法匹配的转化应如何处理？
每一条都要连同其标识和未能匹配的原因写入差异记录，绝不剔除。成批出现的未匹配行通常指向埋点缺口或在店铺之外完成的成交，这两者都会改变对该渠道的判断。
把归因窗口放宽就够了吗？
只能解释由时间差造成的那部分缺口，计功规则与转化追踪的差异依然存在。调整后应重跑匹配，并把剩余未匹配行与此前的记录对比，才能看出这次调整真正解决了什么。
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。