01
步骤 1
事先定义测试旅程，写明每个步骤预期触发的Meta事件、必须携带的参数（如金额、币种与内容标识）、用于观察的浏览器端与日志采集方式、本次运行所处的授权状态，以及把整次运行串起来的测试订单标识。
返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant
在测试购物流程中检查 Meta pixel 事件
在正式投入广告预算之前，商家希望先确认每个 Meta 事件都在正确的位置带着正确的参数触发。此时的直接任务是在一次测试购物流程中检查 Meta pixel 各个事件的触发情况。流程应产出追踪诊断与可复用的测试方案，并逐项标注通过与未通过的检查点。
所属主题
转化追踪与像素问题
目标关键词
shopify meta pixel checker
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 meta pixel checker」这一问题，所属方向为「转化追踪与像素问题」。
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. 实际走完旅程的同时从浏览器端与商家日志两侧采集事件，然后逐项核对事件名称、触发顺序、参数完整性与标识是否与测试订单匹配；事件缺失、重复到达或必需参数为空的检查项均判为未通过。
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
实际走完旅程的同时从浏览器端与商家日志两侧采集事件，然后逐项核对事件名称、触发顺序、参数完整性与标识是否与测试订单匹配；事件缺失、重复到达或必需参数为空的检查项均判为未通过。
03
步骤 3
交付追踪诊断与可复用的测试方案，逐项列出每个检查项的通过与未通过结果、未通过的参数或步骤以及应做的修正，再把采集到的购买事件与商家记录中的测试订单核对，并重复运行直到连续几次结果一致。
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。
为什么测试前要先把旅程写下来？
先把步骤、预期事件与必需参数写定，这次运行才有判断依据。否则一次通过只能说明触发了某个事件；书面方案还能让另一个人复现测试，而没有定义预期事件的步骤会标注为未检查，而不是默认正确。
什么情况会让参数检查不通过？
必需数值缺失、为空或与测试订单不一致时即为不通过，例如金额与订单总额不符、币种与店铺所用币种不同。事件在别处可能仍被计数，因此要检查上报内容而不只看事件名；商家未定义的参数则列为未指定。
什么时候可以放心投放预算？
当所有已定义的检查项在商家预期的授权状态下连续多次通过，且购买事件能按标识与测试订单核对一致时，才算就绪。在此之前先重复运行并修正未通过的检查项，因为在未经验证的事件上投放预算，买来的是无法信任的报表。
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。