01
步骤 1
提取订单ID及其创建与状态时间、行项目金额、币种和已记录的退款,然后在做任何计数之前按订单ID去重,每个ID只保留一行。
订单被反复导出,同一张订单以多种状态重复出现,合计值因此对不上。本场景的具体任务是分析订单量与订单构成。整个流程需先去重并说明计入的状态,产出按指定维度分组、可核对的订单报表。
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 order analytics」这一问题,所属方向为「订单分析与报表」。
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. 明确计入哪些状态、采用哪个日期基准,并对所有行统一套用该规则,而不是只套在某一份导出上;再按要求的维度分组,同时列出各组的订单数与金额。
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。
提取订单ID及其创建与状态时间、行项目金额、币种和已记录的退款,然后在做任何计数之前按订单ID去重,每个ID只保留一行。
明确计入哪些状态、采用哪个日期基准,并对所有行统一套用该规则,而不是只套在某一份导出上;再按要求的维度分组,同时列出各组的订单数与金额。
交付订单报表并在其中印明纳入规则;再与商家记录核对订单数与金额,并逐条列出被剔除的订单及其原因。
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。
应当剔除,并在报表上说明,因为与真实订单混算会同时扭曲订单量与金额。依据所提供的记录来识别,比用可能误伤真实客户的名称规则过滤更可靠。
通常是状态或日期基准不同,且取数时点也不一样。先比较纳入规则再判断是否数据出错,然后用同一份订单ID清单重建两份数据来确认差异。
分开列示毛额与退款额,再在一处统一应用商家既定的净额规则。逐行轧差会掩盖实际退回的收入规模,也会让后续核对更困难。
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。