01
步骤 1
收集带原因代码、文本备注、关联商品标识与发生日期的退款记录,以及商家自身的退款原因分类。
退款原因代码与备注分散在一条条订单里,反复出现的问题因此始终无法被识别。本场景的具体任务,是归类并汇总反复出现的退款原因。工作流应基于退款记录中的原因、关联商品与发生日期,产出退款拆解表与有据可依的行动清单。
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 refund reasons report」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. 按商家分类逐笔归组,有代码用代码、无代码用备注,逐类统计笔数与金额,无法归类的条目如实标记而不是指派记录未写明的原因,同时检查各类是否集中于特定商品或时段。
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。
收集带原因代码、文本备注、关联商品标识与发生日期的退款记录,以及商家自身的退款原因分类。
按商家分类逐笔归组,有代码用代码、无代码用备注,逐类统计笔数与金额,无法归类的条目如实标记而不是指派记录未写明的原因,同时检查各类是否集中于特定商品或时段。
输出退款拆解表与行动清单,核验各类计数加上未归类计数等于退款总数,并注明任何依赖单一商品或短时段的集中现象。
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。
措辞能对应分类才映射,否则保持未归类。指派的原因会把汇总带向分析者的主观假设。未归类计数如实公开报告,绝不摊到各类里。
各类计数加未归类计数必须等于窗口内退款总数。归组环节可能悄悄丢失或重复计数。出现缺口就阻止发布,直到查明并解决。
把每个分类与商品和时段交叉核对,因为某类可能只反映一个批次问题而非普遍原因。单一来源的集中现象在报告中单独标注。只有标注过的集中才进入行动清单。
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。