01
步骤 1
逐SKU合并当前可售数量、覆盖商家已知季节性的观察窗口内的销售速度、记录中的补货提前期，以及已确认在途收货及其预计到货日期。
返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant
预测并识别有断货风险的商品
商家按固定节奏补货，却说不清哪些 SKU 会在下一次到货前售罄。本场景的任务是预测并识别有断货风险的商品，把店铺自身的库存水位、销售节奏与已记录的到货日期合在一起，产出一份按商品列出、附预计支撑时长的风险清单。
所属主题
库存可用性与预警
目标关键词
shopify stockout prediction
可复制 AI 提示词
直接用在 Spark 工作流里的提示词
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。
ai-prompt.txt
你是一名 Shopify 运营专家。请帮我处理「shopify stockout prediction」这一问题，所属方向为「库存可用性与预警」。
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. 按观察到的销售速度向前推算每个SKU归零的日期，扣减在该日期之前到货的已确认收货；若推算日期早于补货提前期走完，则标记为有断货风险；观察窗口过短、或销售速度受促销与既往缺货扰动的SKU，一律标为低置信度。
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。解决步骤
推荐的解决流程
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。
02
步骤 2
按观察到的销售速度向前推算每个SKU归零的日期，扣减在该日期之前到货的已确认收货；若推算日期早于补货提前期走完，则标记为有断货风险；观察窗口过短、或销售速度受促销与既往缺货扰动的SKU，一律标为低置信度。
03
步骤 3
逐SKU输出断货风险清单，注明推算日期、置信度标记、所依据的销售速度与在途收货以及由此推出的补货建议；明确以预测形式呈现并留待核实，而不是当作既成事实；并把清单上的SKU与库存导出核对，确保已归零的没有被漏掉。
常见问题
执行这个场景时最常见的疑问
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。
做估算需要多长的历史数据？
需要足以覆盖正常需求、并纳入商家已知季节性的窗口，因为窗口过短会被一笔订单带偏。窗口确实偏短时，该行标为低置信度而不是剔除，这样该SKU仍会出现在清单上。
未结采购单会影响推算结果吗？
会。带日期的已确认收货要计入扣减，因为在推算归零日之前到货的库存会消除该风险。未确认或没有日期的订单不参与计算，而是单独列出，避免推算建立在一次期望中的送货上。
预测断货等同于已经断货吗？
不等同。它基于所提供的销售速度、提前期与在途收货推算得出，并按置信度标注，属于预测。用它驱动采购之前，应先用过去的推算与实际结果的偏差做一次校验。
相关场景
继续浏览相近或同主题的 Spark 运营场景
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。
Next step
想把这些 AI 场景直接嵌入日常运营？
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。