步骤 1
先在一个固定日期区间、统一归因设置与时区下,汇总每个来源标签记录的会话、订单、金额与设备拆分,并取来商家的渠道命名映射表以及已标记为无法归因的标签。
报表里的来源标签各写各的写法,商家只能按会话数粗略排序,看不出哪个渠道的访客真正下单。此时的首要任务是按来源统计流量规模与质量。流程应统一命名与归因口径,把规模与质量并列排序,产出带口径说明的渠道流量分析。
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 traffic source report」这一问题,所属方向为「流量来源分析」。
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. 再套用命名映射,把指代同一来源的各种写法合并到同一渠道下,无法解析的标签保留在单独的未归因类别中而不做分摊,然后让各渠道的规模指标与下单表现并列排序,而非只按规模排序。
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。
先在一个固定日期区间、统一归因设置与时区下,汇总每个来源标签记录的会话、订单、金额与设备拆分,并取来商家的渠道命名映射表以及已标记为无法归因的标签。
再套用命名映射,把指代同一来源的各种写法合并到同一渠道下,无法解析的标签保留在单独的未归因类别中而不做分摊,然后让各渠道的规模指标与下单表现并列排序,而非只按规模排序。
最后输出带口径说明的渠道流量分析,写明所用的日期区间、归因设置与时区,并核对合并后的会话合计仍等于该时间窗的店铺会话总数,同时列出命名映射无法解析的每个标签。
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。
依据商家的渠道命名映射表合并,只执行一次并做好记录,同时在附录保留原始标签,便于随时还原和复核。仅凭名称相似就合并会把表现不同的来源混在一起,因此映射表中没有对应项的标签应留在未归因,而不是猜着塞进某个渠道。
通常源于时区、归因窗口或机器流量过滤只在一侧生效。报告要写明两侧各自使用的设置,并把差额作为一行对账项列出,让差异成为公开声明的口径说明,而不是一个悄悄削弱后续所有数字的不一致。
不应该。它保留自己的行、带上流量规模与空的订单数,因为剔除会呈现一个从未存在过的渠道结构。这类来源只是排在能产生转化的来源之后,并在口径说明中注明其流量规模尚不足以判断质量好坏。
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。