Prompts de IA para Shopify: auditorías de stock, productos y colecciones

Empieza aquí: prompts de IA para Shopify y los datos que pide cada uno

Un prompt de IA útil para Shopify es una petición de auditoría corta que nombra las filas que pegas, la tabla que quieres recibir y una acción que puedes comprobar en Shopify antes de cambiar un precio, un pedido de compra o el orden de una colección.

Estos prompts cubren decisiones de stock, producto y colección. No consultan Shopify Flow y no sirven para escribir o vender paquetes de prompts. Flow automatiza tareas de la tienda. Un prompt solo interpreta los números que tú aportas.

ChatGPT, Claude, Gemini y Shopify Sidekick pueden ejecutar la misma petición. Sidekick es el asistente de IA de Shopify dentro del admin, y Shopify indica que puede responder preguntas con datos de la tienda. Para una auditoría tipo hoja de cálculo, pega las filas de todos modos. Un modelo que no ve la exportación debe decir que el campo falta, no inventar una tasa.

Saca primero una ventana fija. Los últimos 28 o 30 días bastan para una revisión semanal. Etiqueta cada columna, incluye la moneda y mantén una fila por SKU o una fila por colección. Si un campo está en blanco, escribe “ausente” en esa celda. No la dejes vacía y no dejes que el modelo la rellene con una estimación.

No pidas al modelo que pronostique un superventas, que suba el ticket medio un porcentaje fijo o que monte un plan de retención a partir de unos pocos totales. Esas respuestas parecen concretas y no se pueden comprobar. La revisión semanal de la tienda en análisis de ventas en Shopify es el sitio de la rutina del informe completo. Estos prompts son diagnósticos puntuales que ejecutas cuando esa exportación ya existe.

Qué pegar antes de cualquier prompt

Usa la misma cabecera en cada prompt para que el modelo no mezcle periodos ni monedas.

Tienda: moneda, mercado principal y si las cifras son brutas o netas de descuentos.
Ventana: fechas exactas de inicio y fin, no “hace poco”.
Nivel: una fila por variante para stock, una fila por producto para conversión, una fila por colección para exposición.
Campos ausentes: si un campo está en blanco, escribe “ausente” en esa celda. Pide al modelo que marque como sin verificar cualquier conclusión que dependa de un campo ausente, y que no estime el valor en blanco.
Restricción: no estimes un número que no esté en el pegado. Cita la fila que sostiene cada aviso.

El admin de Shopify puede exportar productos y pedidos a CSV, y los informes de Analytics se pueden exportar si tu plan los incluye. En Analytics, abre el informe, fija el rango de fechas y usa el control de exportación si está disponible en ese informe. Si una métrica no está en la exportación, déjala fuera. No pidas al modelo que “la saque de Shopify”.

Prompts para marcar superventas con riesgo de rotura

Los prompts de stock deben ordenar productos que pueden perder ventas antes de la próxima recepción, no productos que solo tienen pocas unidades. Un SKU lento con 4 unidades no es el mismo problema que un vendedor diario con 4 unidades y un plazo de entrega del proveedor de 21 días.

1. Cobertura frente al plazo de entrega

Evidencia: variante, unidades disponibles, unidades vendidas en la ventana, plazo de entrega del proveedor en días, cantidad entrante y fecha de entrada prevista. Si no hay un pedido de compra abierto, escribe “sin pedido entrante” en las celdas de entrada. Si hay un pedido pero la fecha es desconocida, escribe “ausente” en la fecha de entrada. No dejes esas celdas vacías. Salida esperada: una tabla ordenada de variantes que se agotan antes de la próxima recepción. Si hay fecha de entrada prevista, el desfase y la demanda no cubierta estimada usan esa fecha, no el plazo de entrega del proveedor. Si no hay pedido entrante, usan el plazo de entrega. Las filas con un pedido abierto y sin fecha de entrada quedan sin verificar. No sustituyas el plazo de entrega por una fecha de entrada ausente. Las variantes con cero unidades vendidas en la ventana van en una lista aparte, como sin velocidad de venta observada, sin días de cobertura. Siguiente acción: abre la variante en Shopify y confirma las unidades disponibles, y la fecha de entrada si aparece, antes de redactar un pedido de compra.

Estás auditando variantes de Shopify por riesgo de rotura. Usa solo las filas que pego. Si las unidades vendidas en la ventana son 0, no calcules días de cobertura y no ordenes esa variante por riesgo de rotura. Ponla en una lista “sin velocidad de venta observada” y muestra solo las unidades disponibles. Para el resto, ventas diarias = unidades vendidas / días de la ventana. Días de cobertura = unidades disponibles / ventas diarias. Fecha de fin de cobertura = hoy + días de cobertura. Elige una sola fecha de desfase y calcula el desfase en días solo desde esa fecha. Si la fila trae fecha de entrada prevista, la fecha de desfase es esa fecha de entrada. No uses el plazo de entrega del proveedor para el desfase cuando hay fecha de entrada, aunque las fechas no coincidan. Si la fila dice “sin pedido entrante”, la fecha de desfase es hoy + plazo de entrega del proveedor. Si no hay pedido entrante y el plazo está en blanco, pon la variante en una lista “sin verificar” y no calcules desfase. Si existe un pedido entrante, o la cantidad entrante es mayor que 0, pero la fecha de entrada está ausente, pon la variante en la lista “sin verificar”. No sustituyas el plazo de entrega por una fecha de entrada ausente. Si las celdas de entrada dicen “ausente” y no puedes saber si hay un pedido, pon la variante en la lista “sin verificar”. Desfase en días = fecha de desfase − fecha de fin de cobertura. Marca la variante solo si el desfase es mayor que 0. No marques una variante solo porque el plazo de entrega sea mayor que los días de cobertura cuando una fecha de entrada anterior cubre la ventana. Demanda no cubierta estimada = ventas diarias × desfase en días, con ese mismo desfase. No estimes el plazo de entrega ni una fecha de entrada. No inventes una cobertura para filas sin ventas o sin verificar. Devuelve una tabla de variantes marcadas ordenada por desfase en días, de mayor a menor: variante, unidades disponibles, ventas diarias, días de cobertura, fecha de desfase usada, si esa fecha salió de una fecha de entrada o del plazo de entrega, desfase en días, demanda no cubierta estimada y los valores de fila que usaste. Después nombra la variante con el mayor desfase en días y, por separado, la variante con la mayor demanda no cubierta estimada si es otra fila. No trates el desfase mayor como la mayor prioridad de ventas. Datos: [pega las filas].

El desfase es el número de días desde la fecha de fin de cobertura hasta la fecha de desfase. Si el pegado incluye una fecha de entrada prevista, esa fecha fija tanto el desfase como la demanda no cubierta estimada, aunque el pedido de compra venza antes o después del plazo de entrega estándar. Si no hay pedido entrante, la fecha de desfase es hoy más el plazo de entrega del proveedor, y un plazo en blanco queda sin verificar. Si hay un pedido entrante sin fecha de entrada, deja la fila sin verificar y no rellenes ese hueco con el plazo de entrega. La demanda no cubierta estimada (ventas diarias × desfase en días) usa ese mismo desfase, así que es la medida de prioridad aparte para las unidades que se pueden perder. Lee las dos columnas. Confirma primero en Shopify la variante con el mayor desfase solo si estás comprobando la aritmética. Si solo puedes perseguir un pedido, empieza por la mayor demanda no cubierta estimada, no por el desfase más largo. Si el pegado no tiene una fecha de desfase usable, la salida honesta es una petición de datos, no una lista de reposición. Una variante con cero ventas en la ventana no tiene velocidad de venta observada, así que los días de cobertura no están definidos. No trates ese vacío como una rotura de stock.

2. Stock entrante que llega fuera de la ventana

Evidencia: las mismas filas de stock más la cantidad del pedido de compra y la llegada prevista. Salida esperada: variantes cuya entrada llega después de que acabe la cobertura estimada. Muestra la demanda no cubierta estimada como ventas diarias por los días de retraso, sin tope. Muestra la cantidad entrante en su propia columna: las unidades que ese envío repondrá al llegar. Esas dos cifras responden a preguntas distintas. Siguiente acción: pide al proveedor una fecha revisada, o haz un pedido puente solo si el desfase de retraso es real.

Usando solo estas filas, omite cualquier variante con unidades vendidas = 0. Márcala como “sin velocidad de venta observada”, no calcules días de cobertura y no la ordenes. Para el resto, días de cobertura = disponibles / (unidades vendidas / días de la ventana). Encuentra variantes cuya llegada prevista es posterior a hoy más los días de cobertura. Demanda no cubierta estimada = ventas diarias × días de retraso. No la topes con la cantidad del pedido de compra. La demanda durante el desfase no está limitada por las unidades que trae el envío retrasado. Devuelve variante, fecha de fin de cobertura, llegada prevista, días de retraso, demanda no cubierta estimada, cantidad entrante (unidades que el envío retrasado repondrá al llegar) y si esa cantidad basta para reponer el stock disponible una vez que llegue. No trates la cantidad entrante como un límite de la demanda no cubierta. No recomiendes una cantidad de compra. Marca como sin verificar cualquier fila sin fecha de llegada. Nombra una variante para reclamar hoy al proveedor. Datos: [pega las filas].

3. Separa el stock muerto de un riesgo real de rotura

Evidencia: unidades disponibles, unidades vendidas en 30 y 90 días, y fecha de la última venta. Salida esperada: dos listas separadas. La lista A vendió hace poco y la cobertura es corta. La lista B tiene unidades disponibles sin ventas en 90 días. Siguiente acción: no repongas nada de la lista B. Pon un SKU de la lista B en una revisión de rebaja o de pack.

Separa estas variantes de Shopify en dos listas usando solo el pegado. Lista A: unidades vendidas en los últimos 30 días > 0 y días de cobertura < 21. Días de cobertura = disponibles / (unidades vendidas en 30 días / 30). Si las unidades vendidas en 30 días son 0, no calcules días de cobertura y no la pongas en la lista A. Lista B: unidades disponibles > 0 y unidades vendidas en 90 días = 0. No llames a la lista B riesgo de rotura. En la lista A, muestra la aritmética. En la lista B, muestra unidades disponibles y fecha de la última venta. No recomiendes cantidad de compra para la lista B. Da una acción siguiente para cada lista. Datos: [pega las filas].

Un umbral de 21 días en ese prompt es un límite de revisión que tú eliges, no un estándar del sector. Cámbialo por tu plazo de entrega habitual más largo si 21 días es poco para el proveedor, y edita el número en el prompt antes de pegar las filas.

Prompts para investigar productos con mucho tráfico y poca conversión

Un problema de conversión de producto son sesiones con pocos pedidos, en un producto que ya tiene demanda. La conversión de toda la tienda lo esconde. La fórmula y la ruta del informe de Shopify están en tasa de conversión por producto. Estos prompts dan por hecho que ya tienes esa tasa, o las sesiones y los pedidos en bruto, en el pegado. El denominador de la tasa tiene que ser esas mismas sesiones.

4. Ordena productos por el hueco de pedidos estimado frente a la mediana

Evidencia: título del producto, sesiones, pedidos y tasa de conversión de la misma ventana. Esa tasa debe ser igual a pedidos divididos entre esas sesiones. No pegues vistas de la página de producto en lugar de sesiones, ni una tasa que use vistas de la página de producto u otro denominador. Salida esperada: productos con 100 o más sesiones, o con el corte de ejemplo que fijes, ordenados por el hueco de pedidos estimado frente a la mediana de tu tienda, no solo por la tasa más baja ni por un recuento de sesiones. Esa cifra compara cada producto con la mediana. No son pedidos perdidos ni recuperables. Siguiente acción: abre la página del producto que encabeza la lista y revisa precio, fotos y disponibilidad de variantes antes de reescribir el texto.

Audita estos productos de Shopify por tráfico alto y conversión débil. Usa solo mis filas. La única métrica de tráfico son las sesiones. La tasa de conversión debe ser igual a pedidos / sesiones, usando esa misma cifra de sesiones. Si una fila trae vistas de la página de producto en lugar de sesiones, o la tasa pegada usa cualquier otro denominador, marca la fila como sin verificar y no la ordenes. No conviertas una métrica de tráfico en la otra. Ignora productos con menos de 100 sesiones. Incluye los que tienen 100 o más. El corte de 100 sesiones es un umbral de ejemplo que editaré para esta tienda. No es un mínimo estadístico. Calcula la mediana de conversión de la tienda solo con los productos que tienen 100 o más sesiones (o el corte que edite) y cuya tasa sea pedidos divididos entre sesiones. Marca los productos por debajo de esa mediana. Ordénalos por el hueco de pedidos estimado frente a la mediana, no por sesiones: sesiones × (tasa de conversión mediana − tasa de conversión del producto). Usa esa misma cifra de sesiones en la fórmula y en la tasa. Ese resultado es una comparación con la mediana. No son pedidos perdidos ni recuperables, y no es un recuento de sesiones extra que no convierten. Etiqueta la columna como “hueco de pedidos estimado frente a la mediana”. Devuelve producto, sesiones, pedidos, tasa, mediana, hueco de pedidos estimado frente a la mediana y las celdas que usaste. No inventes causas de velocidad de página, reseñas o precio. Termina con un producto para abrir hoy en el admin. Datos: [pega las filas con sesiones, pedidos y tasa de conversión como pedidos / sesiones].

El corte de 100 sesiones de los prompts 4 y 5 incluye los productos con 100 o más sesiones y excluye solo los que tienen menos de 100. Es un umbral de trabajo de ejemplo que fijas para la tienda, no una regla de tamaño de muestra ni una prueba de que la tasa sea estadísticamente suficiente. Evita que un producto con 8 sesiones y 0 pedidos tape a otro con mucho más tráfico. Súbelo o bájalo según tu catálogo, y edita el número en los dos prompts antes de ejecutarlos. La fórmula del hueco de pedidos estimado frente a la mediana multiplica sesiones por la diferencia entre la tasa mediana y la tasa del producto. Es una comparación con la mediana, no un recuento de pedidos perdidos o recuperables. La tasa pegada tiene que usar esas mismas sesiones como denominador. Una tasa calculada con vistas de la página de producto ordenará los productos equivocados. Lee esa columna como un hueco frente a la mediana, no como sesiones desperdiciadas ni como ventas perdidas. Un producto puede tener muchas sesiones que no convierten y aun así quedar cerca de la mediana.

5. Comprueba si la fuga es el stock, no la página

Evidencia: las filas de conversión del prompt 4 (sesiones, pedidos y una tasa de conversión igual a pedidos divididos entre esas sesiones) más unidades disponibles y un indicador de agotado para las mismas fechas. Salida esperada: un corte entre productos que no estaban disponibles durante la ventana y productos que tenían stock y aun así convirtieron por debajo de la mediana. Siguiente acción: si la fila principal no estaba disponible, corrige el stock o saca el producto de los anuncios. No encargues una reescritura de página para un SKU agotado.

Une estas filas de conversión con estas filas de stock por título de producto o variante. La tasa de conversión debe ser pedidos divididos entre la columna de sesiones. Si la tasa usa vistas de la página de producto u otro denominador, marca la fila como sin verificar y no la pongas en ninguna de las dos tablas. Si las unidades disponibles eran 0 o el indicador de agotado es verdadero, etiqueta la fila como “stock”, no como “página”. Diagnostica un problema de página solo cuando el producto estaba disponible, las sesiones son 100 o más (edita este número para la tienda; no es un mínimo estadístico) y la conversión está por debajo de la mediana de los productos con stock que tienen 100 o más sesiones, o el corte editado, y usan sesiones como denominador de la tasa. Devuelve dos tablas. No sugieras nuevo texto de anuncio para las filas etiquetadas como stock. Nombra un producto con stock para revisar en la tienda, y un producto etiquetado como stock para retirar de la promoción de pago. Datos: [pega ambas tablas, con tasa de conversión = pedidos / sesiones].

6. Pide una lista de causas que puedas verificar

Evidencia: el producto marcado, su precio, el precio de comparación si existe, el número de variantes y si la variante por defecto está disponible. Opcional: una nota corta que escribes después de mirar la página, como “la imagen principal es un recorte de estilo de vida” o “falta la guía de tallas”. Salida esperada: como máximo tres hipótesis, cada una atada a un campo que aportaste, más la pantalla del admin que la confirmaría o la descartaría. Siguiente acción: prueba una hipótesis. No publiques una descripción nueva porque el modelo prefiera otra redacción.

Para este único producto de Shopify con stock, lista como máximo tres razones por las que la conversión podría ser baja. Solo puedes usar los campos y la nota del comerciante que pego. Para cada razón, nombra la comprobación en el admin de Shopify o en la tienda que la confirma, y la comprobación que la refutaría. Si la nota no sostiene una razón, omítela. No reescribas la descripción del producto. Termina con una comprobación que deba hacer en los próximos 15 minutos. Datos: [pega un producto].

La investigación de checkout de Baymard se cita a menudo para el abandono de carrito, y no diagnostica una página de producto. No pegues una estadística genérica de abandono en este prompt y la trates como la causa. La causa tiene que estar en tu fila o en una comprobación que puedas cerrar el mismo día.

Prompts para encontrar ganadores de colección poco expuestos

Aquí, un ganador de colección es un producto que ya convierte, con stock para vender, colocado por debajo de productos que reciben el clic y no convierten. El prompt no ve tu tema. Tienes que pegar la posición, o indicar que la posición es desconocida.

7. Ganadores por debajo de la primera pantalla de una colección

Evidencia: nombre de la colección, producto, posición en la cuadrícula si la contaste, sesiones de producto (sesiones de ese producto, no sesiones de la colección), tasa de conversión del producto, unidades disponibles, unidades vendidas en la misma ventana y días de la ventana. Salida esperada: productos en posición 9 o peor, o “posición desconocida”, que superan la mediana de conversión de la colección, cumplen el corte de ejemplo de sesiones de producto y cumplen el corte de ejemplo de cobertura escrito en el prompt. Calcula la cobertura solo con unidades disponibles, unidades vendidas y días de la ventana. Omite productos con ventas en cero, o con cualquiera de esos tres campos ausente, al puntuar la cobertura. Siguiente acción: sube un producto con posición verificada y deja el resto hasta la siguiente ventana del informe. Si la posición no está contada, pide el recuento antes de mover nada.

Encuentra productos poco expuestos en esta colección de Shopify. Usa solo mis filas. La columna de sesiones debe ser sesiones de producto (sesiones de ese producto). No uses sesiones de la colección para el corte. Si faltan las sesiones de producto, marca la fila como sin verificar y no la trates como ganador. Para días de cobertura necesitas unidades disponibles, unidades vendidas en la ventana y días de la ventana. Si falta cualquiera de esos tres campos, no calcules días de cobertura, marca la fila como sin verificar en cobertura y no la trates como ganador. Si las unidades vendidas en la ventana son 0, no calcules días de cobertura. Márcalo como “sin velocidad de venta observada” y no lo trates como ganador. En el resto de filas, días de cobertura = unidades disponibles / (unidades vendidas en la ventana / días de la ventana). No aceptes una cobertura pegada que no puedas recalcular con esos tres campos. Un ganador debe tener conversión por encima de la mediana de la colección, al menos 50 sesiones de producto y días de cobertura de al menos 14 con esa fórmula. El corte de 50 sesiones se aplica solo a sesiones de producto. Poco expuesto significa posición en la cuadrícula 9 o peor. Trata 50 sesiones de producto, 14 días de cobertura y la posición 9 como umbrales de ejemplo que puedo editar para esta tienda. No son mínimos estadísticos ni reglas de Shopify. Si la posición está en blanco, pon el producto en “posición desconocida” y no me digas que lo mueva. Devuelve producto, posición, sesiones de producto, conversión, mediana, unidades disponibles, unidades vendidas, días de la ventana, días de cobertura y las celdas usadas. Recomienda un producto para mover a las 4 primeras posiciones solo si su posición está verificada y es 9 o peor, y di con qué producto más débil debería intercambiarse si ese producto también está en el pegado y su posición también está verificada. Si ningún producto que cumpla el resto de condiciones tiene posición verificada, no recomiendes un movimiento: pide primero un recuento de posiciones. Datos: [pega las filas con columnas de sesiones de producto, unidades disponibles, unidades vendidas en la ventana y días de la ventana].

La posición 9 es un umbral de ejemplo: un sustituto práctico de quedar por debajo de una primera pantalla típica de 2 o 4 columnas, no una regla de ranking de Shopify. Si tu cuadrícula muestra 8 productos antes del pliegue en escritorio, mantén 9. Si muestra más, edita el número. Si no has contado posiciones, usa el prompt solo para armar la lista de candidatos y cuenta antes de ordenar. Sustituye los 14 días por la cobertura que estés dispuesto a destacar. El prompt 8 usa el mismo ejemplo de 50 sesiones de producto. Edita los números en el texto del prompt antes de pegar las filas.

8. Productos que perjudican la colección en la que están

Evidencia: la misma tabla de colección, con sesiones de producto de cada producto. No uses el total de sesiones de la colección. Si faltan las sesiones de producto, no se puede auditar la exposición. Salida esperada: productos en las posiciones 1 a 8 con conversión por debajo de la mediana de la colección y al menos el corte de ejemplo de sesiones de producto del prompt, ordenados por el hueco de pedidos estimado frente a la mediana. Esa cifra es una comparación con la mediana, no pedidos perdidos. Siguiente acción: baja uno de esos productos, o cámbialo por el ganador del prompt anterior. No lo borres del catálogo porque una posición de la cuadrícula sea débil.

Con este pegado de colección, lista productos en las posiciones de cuadrícula 1 a 8 cuya conversión está por debajo de la mediana de la colección y cuyas sesiones de producto son al menos 50. Aplica ese corte a sesiones de producto, no a sesiones de la colección. Si faltan las sesiones de producto, devuelve “no se puede auditar la exposición” en lugar de usar sesiones de la colección. Trata las 50 sesiones de producto y las posiciones 1 a 8 como umbrales de ejemplo que puedo editar, no como un mínimo estadístico ni como una regla de Shopify. Ordénalos por el hueco de pedidos estimado frente a la mediana: sesiones de producto × (tasa mediana − tasa del producto). Etiqueta esa columna como “hueco de pedidos estimado frente a la mediana”. Esa cifra compara el producto con la mediana. No son pedidos perdidos ni recuperables, y no es un recuento de sesiones. No recomiendes borrarlos. Recomienda una bajada, nombra el producto que lo sustituiría solo si ese producto está marcado como ganador en el pegado, y cita ambas filas. Si falta la posición, devuelve “no se puede auditar la exposición” en lugar de adivinar el orden. Datos: [pega las filas con una columna de sesiones de producto].

9. Orden de la colección frente a lo que sostienen los números

Evidencia: el ajuste de orden actual de la colección (manual, más vendidos u otro orden de Shopify que copiaste de la página de colección) más la tabla de productos. Salida esperada: un sí o un no sobre si el orden actual puede expresar el intercambio que quieres, y el control de Shopify que lo cambia. Siguiente acción: si el orden es más vendidos y el ganador es nuevo, pasa esa colección a manual antes de arrastrar el producto. Un prompt no puede arrastrar la tarjeta por ti.

Voy a pegar el ajuste de orden actual de una colección de Shopify y una tabla de productos. Dime si ese ajuste de orden conservará un cambio manual de posición. Si el orden no es manual, di que el cambio se sobrescribirá y nombra el ajuste que debo cambiar antes de mover un producto. No inventes la tasa de clics. Basa el intercambio recomendado solo en conversión, sesiones de producto y cobertura de la tabla. Si las unidades vendidas son 0, no calcules días de cobertura para esa fila. Da un ajuste que cambiar y un producto que mover. Datos: [pega el ajuste de orden y las filas].

La app Search & Discovery de Shopify puede influir en cómo se ordenan los resultados de búsqueda de la tienda cuando la usas. El orden de una colección se cambia en la página de la colección, no con un boost de búsqueda. Revisa esa página en el admin antes de asumir que la cuadrícula es solo un orden manual. Si una app reordena productos, escríbelo en el pegado para que el modelo no prescriba un arrastrar y soltar que no se va a mantener.

Verifica cada respuesta y elige una acción siguiente

Trata cada respuesta del modelo como un ranking en borrador. Sirve cuando puedes señalar las mismas cifras en Shopify. Si no puedes, no sirve.

Recalcula a mano una fila marcada. Los días de cobertura, la tasa de conversión o la mediana deben coincidir con el pegado. En un ranking por hueco de pedidos estimado frente a la mediana, confirma que la tasa es pedidos divididos entre las mismas sesiones usadas en la multiplicación. En un ganador de colección, confirma que los días de cobertura salen de unidades disponibles, unidades vendidas y días de la ventana, y que no faltaba ninguno de esos tres campos. Si las unidades vendidas eran 0, la cobertura debe quedar en blanco, no como un número. Si la fila tenía fecha de entrada prevista, el desfase debe ir desde el fin de cobertura hasta esa fecha, no desde el plazo de entrega. Si no había pedido entrante, el desfase debe usar el plazo de entrega. Si había un pedido entrante sin fecha de entrada, la fila debe quedar sin verificar, no rellenada con el plazo de entrega. Si el modelo redondeó una tasa, topó la demanda no cubierta con la cantidad del pedido, o llamó ventas perdidas o sesiones desperdiciadas a un hueco de pedidos estimado frente a la mediana, descarta el ranking.
Abre ese registro en Shopify. Confirma unidades disponibles, el recuento de pedidos y la posición en la colección en la página de colección en vivo. Las exportaciones del admin pueden ir por detrás de una devolución o de una edición de inventario.
Rechaza cualquier recomendación que necesite un campo que no pegaste, como margen, gasto en anuncios o puntuación de reseñas.
Elige una acción: confirma una cantidad de compra, pausa la promoción de un producto agotado o mueve una tarjeta de colección. Anota el valor anterior para que la siguiente ventana muestre si el cambio se mantuvo.
Ejecuta el mismo prompt la semana siguiente sobre una exportación nueva. Un movimiento de una semana en la posición de la cuadrícula no es un veredicto. Mira si el producto sigue con stock y la mezcla de productos de la colección, no una mejora prometida.

Guarda un registro corto de rechazos. “El plazo de entrega estaba en blanco.” “La posición no se contó.” “Los pedidos incluían un pedido de prueba.” “La tasa de conversión usaba un denominador distinto de las sesiones.” Ese registro evita que el mismo prompt malo desperdicie la siguiente exportación.

Qué no van a hacer estos prompts

No verán tu tienda salvo que la herramienta esté conectada a ella. Un prompt pegado no tiene un feed de inventario. No sustituyen una fórmula de reposición, una definición de conversión ni una lectura semanal de ventas. Enlaza esos trabajos a los artículos que los cubren en lugar de pedir a un chat que invente las cuentas.

Tampoco te dirán cuál de diez fugas trabajar primero cuando las listas se alargan. Esa priorización es un trabajo de monitorización. Agentes de IA para ecommerce compara tipos de agentes que vigilan stock, conversión y colecciones sin un pegado manual. Skymetrics está en esa categoría. Lee ventas por SKU, cobertura de stock, conversión de producto, tráfico y resultados de colección, y ordena acciones por impacto en ingresos, para que no reconstruyas esta pila de prompts cada lunes.

Si aun así quieres la vía manual, empieza por el prompt 1, el prompt 4 y el prompt 7. Esos tres cubren la rotura, el hueco de pedidos estimado frente a la mediana y el ganador enterrado. Verifica una fila de cada uno antes de añadir los prompts de seguimiento.