步骤 1
收集带商品标识与退款金额的退款记录、同一周期每件商品的订单占比、商家选择的预警度量(笔数或金额),以及商家声明的集中阈值、最低计数与预警负责人。
退款总量在上升,但没人说得清是普遍现象还是少数商品拉高的。当前任务是按商品定位退款集中发生的对象。最终产出退款拆解表,把每件商品的退款占比与订单占比对照,找出真正的集中对象并形成行动清单。
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 refund alerts」这一问题,所属方向为「退款分析与预警」。
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. 计算每件商品的退款占比与订单占比,将退款占比超出订单占比达到阈值且绝对计数不低于最低值的商品标记预警,部分退款按唯一声明的规则处理,或计为一次事件或按订单份额计入。
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。
收集带商品标识与退款金额的退款记录、同一周期每件商品的订单占比、商家选择的预警度量(笔数或金额),以及商家声明的集中阈值、最低计数与预警负责人。
计算每件商品的退款占比与订单占比,将退款占比超出订单占比达到阈值且绝对计数不低于最低值的商品标记预警,部分退款按唯一声明的规则处理,或计为一次事件或按订单份额计入。
输出退款拆解表与预警清单,逐个列明被标记商品的两项占比与原始计数,依据记录重算核验每条预警,并把清单送交指定负责人。
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。
订单占比大的商品退款占比自然也大,原始总数说明不了集中程度。两项占比对比才能挑出退款与其销量不成比例的商品。低于最低计数的商品只报计数,不作预警。
对每个被标记商品依据记录重算两项占比与原始计数。预警清单会驱动下架或改描述等动作,误报代价不小。重算不通过的预警在清单送达前移除。
商品、退款占比、订单占比、原始计数、周期和所用度量。负责人应能直接判断和行动而无需重取数据。没有明确接收人的预警先挂起而不是群发。
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。