可直接投喂大模型的营销数据诊断样例

由 Vibe Coding 使用 AI 回答

代码问题：

我有一组营销数据，我需要把这组数据喂给大模型帮我分析一下这组数据的一些问题，给我个样例

代码解决方案：

下面给你一份“可直接喂给大模型”的中文结构化样例。你只需要把自己的真实数据填进去，再附上一句话描述业务场景，就可以直接丢给任何支持中文的大模型（如GPT-4o、Kimi、Qwen-Long等）进行诊断分析。

【业务背景】
我们是某3C数码品牌的自营电商店铺，最近3个月在天猫+京东双平台做投放，主卖一款降噪耳机（客单价699元）。
现在想请模型帮我诊断：

  1. 投放费用是否花得值？
  2. 哪些素材、渠道、人群组合ROI低？
  3. 用户为什么买/不买？
  4. 下一步该怎么优化？

【请直接分析以下表格数据并给出结论，无需再向我提问】

数据样例（CSV格式，已脱敏，可直接复制粘贴）

日期,渠道,素材,人群包,花费,展示,点击,CTR,加购,成交订单,成交金额,退款订单,退款金额,客单价,ROI,搜索词 2024-03-01,天猫-超级推荐,A1-降噪卖点,白领-25-35岁,50000,2500000,15000,0.60%,1200,250,174750,20,13980,699,3.50,"主动降噪耳机" 2024-03-01,京东-快车,A2-颜值卖点,白领-25-35岁,30000,1200000,8000,0.67%,800,180,125820,15,10485,699,4.19,"蓝牙耳机" 2024-03-02,天猫-超级推荐,A1-降噪卖点,学生-18-24岁,40000,2200000,10000,0.45%,500,80,55920,5,3495,699,1.40,"降噪耳机学生" 2024-03-02,抖音-信息流,B1-剧情短片,女性-18-24岁,60000,6000000,36000,0.60%,2800,320,223680,40,27960,699,3.73,"颜值耳机" 2024-03-03,京东-快车,A2-颜值卖点,白领-25-35岁,35000,1500000,9000,0.60%,950,220,153780,18,12582,699,4.39,"蓝牙耳机" 2024-03-03,天猫-超级推荐,C1-直播切片,白领-25-35岁,45000,1800000,10800,0.60%,1500,350,244650,25,17475,699,5.44,"直播耳机" 2024-03-04,抖音-信息流,B2-达人测评,男性-25-35岁,70000,7000000,42000,0.60%,4000,520,363480,60,41940,699,5.19,"降噪耳机推荐" 2024-03-05,天猫-超级推荐,A1-降噪卖点,白领-25-35岁,55000,2600000,13000,0.50%,1100,200,139800,30,20970,699,2.54,"主动降噪" 2024-03-05,京东-京挑客,C2-会员短信,老客,20000,800000,4800,0.60%,600,150,104850,5,3495,699,5.24,"耳机" 2024-03-06,抖音-信息流,A1-降噪卖点,白领-25-35岁,65000,6500000,39000,0.60%,3200,400,279600,45,31455,699,4.30,"降噪耳机"

使用方式

  1. 把以上内容全部丢给大模型，并在最前面加一句：
    “请按以下四个维度做诊断：①投放效率 ②素材/人群/渠道表现 ③退款/负向指标 ④后续优化动作。结论请用 bullet 点，控制在 500 字以内。”
  2. 若你的字段名不同，简单替换即可：只要保留“日期、渠道、素材、人群包、花费、成交订单、成交金额、退款订单、退款金额”这些核心列，大模型就能看懂。