步骤 1
调取该商品已记录的买家提问及其出现频次、已发出的客服回复、在档的商品规格与政策表述,以及涉及条款时商家自己的原话。
客服每周都要手工回复同样的商品提问,不同人给出的答复并不一致。本场景的当务之急是为反复出现的商品问题生成答案,最终产出每条问题对应一个直接回答、且逐行附注来源的答案集,商家记录不支持的说法一律不予采纳。
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 faq generator」这一问题,所属方向为「商品常见问题」。
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. 依据这些记录为每条问题起草一个直接回答,引用政策或规格时沿用商家原话,并在记录毫无记载时把该问题标记为未解决,而不是凭通用商品知识作答。
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。
调取该商品已记录的买家提问及其出现频次、已发出的客服回复、在档的商品规格与政策表述,以及涉及条款时商家自己的原话。
依据这些记录为每条问题起草一个直接回答,引用政策或规格时沿用商家原话,并在记录毫无记载时把该问题标记为未解决,而不是凭通用商品知识作答。
输出答案集并在每行附注来源,然后对照提供的记录核实每处表述,列出仍需商家给出答复的问题,确保整份答案集不含任何无依据的说法。
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。
每处表述都能追溯到商家提供的记录,并带有来源标注。看起来合理但查无来源的回答应保留为未解决,因为一旦发布,就等于替店铺做出了无人确认过的承诺。
只纳入商家预期会出现的问题,并标注为预判问题。用猜测的问题填满答案集,会淹没客服真正反复处理的那几条,还多出没人要求维护的内容。
两者都依据同一份记录起草,并为每条问题只保留一个版本,使页面与回复读起来一致。分开撰写正是当初出现口径漂移的原因,继续下去还会重演。
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。