步骤 1
收集每位客户的最近下单日期、其所购商品或品类及商家给出的对应复购周期、作为基准的分析日,以及所购产品没有稳定复购周期时的处理规则。
店铺里既有按消耗节奏回购的商品,也有几年才买一次的耐用品,用统一的沉默天数衡量所有人并不合适。本场景的任务是识别已超出各自正常购买周期的沉默客户,产出客户分群表与解读说明,依据是每位客户的最近下单日期与其所购商品的复购间隔。
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 inactive customer segment」这一问题,所属方向为「客户分析与分群」。
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. 以分析日减去最近下单日期得到每位客户的间隔天数,并与其实际购买商品的复购周期比较,而不是套用全店统一的数字;间隔尚未超过该周期的客户一律排除,因为还没到该复购的时点;周期未知的客户单独成组,不赋予默认值。
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。
收集每位客户的最近下单日期、其所购商品或品类及商家给出的对应复购周期、作为基准的分析日,以及所购产品没有稳定复购周期时的处理规则。
以分析日减去最近下单日期得到每位客户的间隔天数,并与其实际购买商品的复购周期比较,而不是套用全店统一的数字;间隔尚未超过该周期的客户一律排除,因为还没到该复购的时点;周期未知的客户单独成组,不赋予默认值。
交付客户分群表与解读说明,逐位给出沉默客户的最近下单日期、周期与间隔,并把每个间隔与订单导出核对以确认没有遗漏更晚的订单,同时单独报告周期未知分组及将其归类还需要的依据。
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。
以商家既定的规则为准并在页面上写明:取最短周期会过早判定客户已逾期,取最长周期则要等到耐用品的时点。同一规则适用于所有混合购物篮,避免逐个客户临时决定归属。
不算。这类客户在任何比较之前就被排除,因为间隔短于预期周期只说明他正处在两次购买之间;只有间隔长于周期才构成复购逾期的证据。
这些客户进入周期未知分组单独报告,而不是被赋予一个猜测的间隔;因为使用默认值会在没有任何新订单发生的情况下改变沉默客户的人数。
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。