01
步骤 1
汇总每个接入数据源及其提供的维度、各自的刷新节奏与最近一次成功刷新时间、商家对其可靠度的评定，以及该看板面向既定读者必须回答的问题。
返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant
设计跨接入数据源的统一看板
多个数据源以不同的时间向看板供数，阅读者无法判断每个指标的刷新时间与可靠程度。本场景中，当前任务是设计跨接入数据源的统一看板。该流程应基于商家的实际记录与约束，产出统一报表模型与差异日志，为看板上每个合成指标提供可追溯依据。
所属主题
分析集成与统一报表
目标关键词
shopify unified analytics dashboard
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 unified analytics dashboard」这一问题，所属方向为「分析集成与统一报表」。
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. 按数据源可靠度对指标分组，并为每个面板标注来源与最近刷新时间；只有当两个指标的定义、时区和币种真正一致时才合成为一个指标，不一致时则记录所采用的展示规则。
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
按数据源可靠度对指标分组，并为每个面板标注来源与最近刷新时间；只有当两个指标的定义、时区和币种真正一致时才合成为一个指标，不一致时则记录所采用的展示规则。
03
步骤 3
交付统一报表模型与差异日志，为看板上每个合成指标提供可追溯依据，并验证：每个面板都标明来源与刷新时间、每个合成指标都写明纳入了哪些来源、且没有面板在毫无说明的情况下把不同时点刷新的数值合并在一起。
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。
为什么要为每个面板标注刷新时间？
各数据源的刷新节奏不同，一起阅读的两个面板可能描述的是不同时点。显示时间戳能让阅读者判断某个落差是真实变化，还是某个数据源尚未更新；超过既定刷新预期的面板应被标记，而不是看起来仍然新鲜。
什么时候才应把两个指标合并？
只有当它们的定义、时区和币种一致，且商家认可这个合并口径时才合并。只要有一项不同，两个数值就应并列展示，并在差异日志中说明为何合成单一数字会误导，让阅读者看到分歧而不是虚假的一致。
谁需要查看差异日志？
所有解读看板或依据其数值采取行动的人，因为它解释了为何两个面板可能各自正确却互不一致。把日志藏起来，定义差异就会变成一场关于谁的数字才对的暗中争论。
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。