01
步骤 1
先取得提供的标记样本、针对它返回的校验信息、每个样本来源的页面以及涉及的商品类型。
校验工具给一批 Schema 标记报了错,但原始报错信息无法告诉商家该改什么、为什么改。本场景的任务是校验提供的结构化数据并解释错误,把每条信息归因为必填字段缺失、格式问题或取值冲突,并为每个错误附上可执行的修正方式。
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 structured data testing」这一问题,所属方向为「结构化数据与 Schema」。
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. 再把每条信息归为必填字段缺失、格式问题或与页面冲突的取值,并附上属性名、失败原因与具体修正方式,把警告与阻断性错误分开。
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。
先取得提供的标记样本、针对它返回的校验信息、每个样本来源的页面以及涉及的商品类型。
再把每条信息归为必填字段缺失、格式问题或与页面冲突的取值,并附上属性名、失败原因与具体修正方式,把警告与阻断性错误分开。
输出逐条解释错误并给出修正方式的问题报告,按其背后的共用模板或数据源分组,再对修正后的样本重新校验,确认该信息不再出现。
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。
缺少该类型的必填属性,或取值对该类型不合法,两者都会导致整个数据块无法被读取。警告针对可选属性,可以另行排期处理。
通常源于同一个共用模板或同一个空数据字段,因此修正数据源能一次性清除所有受影响页面。逐页编辑则会让下一次导入把问题重新带回来。
不需要。按该属性是否服务于商家既定目标、其取值是否对顾客可见来排序,其余的排期处理,不要让它们卡住提交。
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。