步骤 1
汇总单一货币下每个商品的销量与净销售额历史、商家所需的统计周期与预测期、覆盖该预测期的促销日历,以及已确定的价格或品类调整。
下个季度的数字要做进计划,但支撑这些数字的假设从来没有写下来。本场景的具体任务,是在明确假设下预测商品销量。工作流应基于每个商品的销售历史、即将开展的促销与已定的价格调整,产出含假设、区间与复核日期的需求预测。
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 sales forecasting」这一问题,所属方向为「销售与需求预测」。
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. 以未受干扰的时段为基线逐商品推算,明确套用每项假设并记录针对每次促销、缺货或调价所做的修正,然后把结果表达为区间,并展示某项假设不成立时估计值会如何变化。
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。
汇总单一货币下每个商品的销量与净销售额历史、商家所需的统计周期与预测期、覆盖该预测期的促销日历,以及已确定的价格或品类调整。
以未受干扰的时段为基线逐商品推算,明确套用每项假设并记录针对每次促销、缺货或调价所做的修正,然后把结果表达为区间,并展示某项假设不成立时估计值会如何变化。
输出含假设清单、每个商品的区间、由预测期与最长供应商交期确定的复核日期的预测结果,并核对各商品估计值之和与同一基线期的店铺级历史相吻合。
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。
所用基线时段、促销与缺货的处理方式,以及已确定的价格或品类调整。每项假设都写在其影响的商品旁边,这样估计值可以追溯,某项假设失效时也能单独修订。
只能作为经过修正且被标注的时段纳入,因为促销期的销量不能代表此后的基线需求;边界是长期处于促销状态的商品,对它们而言促销水平本身就是基线,这个选择必须写明而不能默认。
区间覆盖既定假设下的估计值与指定替代情形下的估计值,而不是凭薄弱历史编出的带宽;在每个复核日期把实际结果与区间对照并记录误差,下一轮才能收紧方法。
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。