步骤 1
在商家规定的分析窗口内,汇总带订单日期与标识的订单历史、含日期金额与币种的退款事件、每笔退款记录的原因代码,以及退款行项对应的商品标识。
退款只记录成一个个孤立事件,既关联不到订单也看不到原因,趋势无从判断。本场景的具体任务是分析退款规律与受影响商品。最终产出的拆解表会区分退款笔数与退款金额,把每笔退款回溯到订单日期,找出反复出现的聚集。
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 refund analytics」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. 区分退款笔数与按店铺币种报告的退款金额,把每笔退款同时归到退款日期与所属订单日期,并按商品、原因或时段查找反复出现的聚集,缺少订单关联的记录不进比率而单独列示。
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。
在商家规定的分析窗口内,汇总带订单日期与标识的订单历史、含日期金额与币种的退款事件、每笔退款记录的原因代码,以及退款行项对应的商品标识。
区分退款笔数与按店铺币种报告的退款金额,把每笔退款同时归到退款日期与所属订单日期,并按商品、原因或时段查找反复出现的聚集,缺少订单关联的记录不进比率而单独列示。
输出退款拆解表与行动清单,发布前把报告中的退款总额与笔数对退款事件导出表核对,并注明每个数字采用的是哪种日期口径。
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。
不进比率,作为单独的未关联组别列示。未关联的退款无法归到任何商品或时段,计入会扭曲聚集判断。但其总额仍参与对账,确保没有记录被无声丢掉。
统一按店铺币种报告,并逐笔注明原币种。把混合币种当数字直接相加得出的总数毫无意义。报告需说明所用的折算口径。
报告中的退款总额与笔数对同一窗口的退款事件导出表。这能发现漏记或重复计数等整理错误。发布前必须先解决任何差距。
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。