步骤 1
按商家设定的周期,收集各承运商上报的异常代码与事件描述、受影响包裹的送达窗口与目的地、关联的订单与客户编号,以及该包裹已存在的未结客服工单。
商家的异常信息流里混着投递失败、地址问题和包裹滞留,没人知道今天必须先处理哪几条。本场景的当前任务是识别需要人工处理的物流异常。流程应输出异常队列,逐条标注严重程度、需要行动的一方与解决路径。
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 shipment exception alerts」这一问题,所属方向为「物流追踪与异常」。
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. 按商家记录中的责任划分,把每条异常分派给必须行动的一方,即商家、承运商或客户,并按同一记录中的严重程度分级,排序依据是包裹仍在移动、被扣留还是已被退回;同时把不需要人工决策的纯告知性事件移出队列,并注明它们已改记日志。
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。
按商家设定的周期,收集各承运商上报的异常代码与事件描述、受影响包裹的送达窗口与目的地、关联的订单与客户编号,以及该包裹已存在的未结客服工单。
按商家记录中的责任划分,把每条异常分派给必须行动的一方,即商家、承运商或客户,并按同一记录中的严重程度分级,排序依据是包裹仍在移动、被扣留还是已被退回;同时把不需要人工决策的纯告知性事件移出队列,并注明它们已改记日志。
输出异常队列,每条未结异常都带严重程度、责任方、解决动作以及承运商或商家规定的处理时限;核对未结条数是否等于仍带未解决代码的包裹数;已解决的异常转为关闭状态并记录处理结果与时间,而不是直接删除。
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。
需要人工决策才能让包裹继续移动的才发预警,例如投递失败、地址更正、海关扣留。纯告知性扫描只记日志,以免挤占真正需要处理的行;判断边界是承运商是否标注该代码需要商家回应。
窄到能对应单一责任人与单一动作,因为横跨多种异常类型的规则会产生没有人能独立解决的消息。若两种代码需要的响应相同,可以共用一条规则,但行内仍须写明是哪种代码触发的。
不会。它会转为关闭状态,并记录处理结果、处理人与处理时间,便于审计和识别重复出现的代码。继续挂在未结状态会虚增队列,并掩盖真正的新增案件。
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。