步骤 1
汇总所有未关闭的目录问题及其影响的商品、商家现行的严重程度分级及各级定义,以及需要继续保留在报告中的已关闭问题及其状态与关闭日期。
尚未关闭的目录问题分散在好几份清单里,没人能一眼看出哪些商品的问题最严重。本场景的任务是按商品与严重程度汇总目录质量问题,最终产出带证据与修复建议的优先级商品问题报告:按商品归组、套用现行的严重程度分级,并注明每次归组所依据的证据。
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 quality report」这一问题,所属方向为「商品数据质量与审计」。
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. 按商品将问题归组,套用既定严重程度而不自创新级别,统计每个商品的问题数与各级别数量,并保留把每条问题关联到该商品的证据。
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。
汇总所有未关闭的目录问题及其影响的商品、商家现行的严重程度分级及各级定义,以及需要继续保留在报告中的已关闭问题及其状态与关闭日期。
按商品将问题归组,套用既定严重程度而不自创新级别,统计每个商品的问题数与各级别数量,并保留把每条问题关联到该商品的证据。
输出按优先级排序的商品问题报告,每个商品一行,写明问题数、最严重级别与建议修复方式,核对归组后的问题总数与所提供问题数一致,并列出无法确定所属商品的问题。
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。
先按最严重的级别排,再按问题数量排。若干小问题堆积在一件商品上,其影响仍小于一个直接阻碍成交的严重问题,报告还应写明是哪一项决定了排序位置。
应在每个受影响商品下各列一次,并注明它是共性问题。只归到其中一个商品下,会掩盖其他商品仍需处理的工作,共性的成因也就只在一处被修掉。
它们证明问题真实存在且已被解决,也能让商家发现修复后又失效的情况。剔除它们会让每份报告都从零开始,没有任何关于已了结事项的记录。
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。