01
步骤 1
在商家规定的回溯窗口内,从客服工单、评价和退货原因中收集按频次排序的售前高频问题,并汇总每件商品的已核实属性。
客服工单和评价里反复出现同一批售前疑问,而商品描述始终没有正面回应。本场景的具体任务是生成能直接回答买家疑问的商品描述。最终产出的描述按买家的提问顺序排列,每个回答都对应商家记录中已核实的属性。
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 description generator」这一问题,所属方向为「商品标题与描述」。
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. 按买家提问顺序组织描述,让排名最高的问题最先得到回答,每个答案对应具体的记录属性,政策类问题则指向相应的店铺页面。
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。
在商家规定的回溯窗口内,从客服工单、评价和退货原因中收集按频次排序的售前高频问题,并汇总每件商品的已核实属性。
按买家提问顺序组织描述,让排名最高的问题最先得到回答,每个答案对应具体的记录属性,政策类问题则指向相应的店铺页面。
输出描述并逐条列出问题与答案及所引用的属性,再核验窗口内每个高频问题都已回答、指向政策页或被标记为商品数据缺口。
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。
在商家规定的窗口内统计工单、评价与退货原因中的问题并按频次依次作答,最常出现的误解最先得到回应;偶发问题只做链接或省略,不与高频问题平分篇幅。
与记录属性绑定的答案在商品变化时可以重新核实,而无依据的措辞会慢慢变成商家从未批准的宣称;引用清单正是描述可长期维护的关键。
在交付时标记为商品数据缺口,而不是绕着写;买家反复问而页面始终回避的问题本质是退货风险,不是文案问题。
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。