步骤 1
收集不完整的商品记录及其商品ID、每个属性对应的权威来源资料、目标字段结构,以及各字段当前已记录的取值,以便后续比对任何覆盖行为。
供应商数据中有相当一部分商品的核心属性是空的,而已经填写的取值也查不到出处。本场景的任务是依据权威来源补全不完整的商品记录,最终产出补全后的商品数据草稿:每个填入的取值都注明其来源,来源中从未写明的属性继续标记为未解决。
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 product data enrichment」这一问题,所属方向为「商品数据补全」。
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. 以记录与来源共有的标识符把来源取值匹配到对应商品,只填写来源明确写明的字段,在每个填入取值旁记录所用来源与取证位置,并在来源未提及、在两件商品之间含糊不清或与其他来源冲突时将该属性保留为未解决。
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。
收集不完整的商品记录及其商品ID、每个属性对应的权威来源资料、目标字段结构,以及各字段当前已记录的取值,以便后续比对任何覆盖行为。
以记录与来源共有的标识符把来源取值匹配到对应商品,只填写来源明确写明的字段,在每个填入取值旁记录所用来源与取证位置,并在来源未提及、在两件商品之间含糊不清或与其他来源冲突时将该属性保留为未解决。
输出补全后的商品数据草稿,其中每个填入取值都注明来源,列出仍未解决的属性及其原因,并在交付前核对填入数量与未解决数量之和是否等于目标字段结构中的字段总数。
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。
依据记录与来源共有的标识符匹配,例如SKU或供应商编码。若只能靠商品名关联,就把该匹配记为不确定并保留未解决,而不是填入取值,因为自信的错误匹配比明确标注的空缺更难被发现。
采用商家排序更高的那个来源,并在旁边记下冲突。擅自取舍会掩盖商家可能需要与供应商核对的差异,而同一处分歧通常也指向那个需要修正的来源。
统计已填入取值与未解决属性的数量,与目标字段结构中的字段总数核对。若合计少于开始时,说明过程中丢了数据;此外每处覆盖都应保留被替换掉的旧取值。
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。