DeepSeek活动复盘提示词：AI检查遗漏信息指南

做活动复盘最怕什么？不是数据不好看，而是数据根本对不上——你花了三天写出来的结论，对方一句“你这个转化口径是怎么算的”就能直接推翻。更常见的坑是：拿到一份活动资料就开始猛跑分析，跑完后才发现活动目标没写、预算明细没有、归因逻辑空白。整篇复盘看着漂亮，实则全是空中楼阁。

怎么绕开这个坑？核心思路是：在AI开始写任何“洞察”之前，先让它做一轮信息完整性审查。这不是技术问题，是流程设计问题。

用“缺口扫描指令”强制AI自查输入完整性

直接在提示词的开头把任务框死：我不是让你写复盘报告，是让你做信息扫描。角色设定为资深活动运营分析师，目标明确——核验8类要素是否全部存在：活动目标（量化KPI）、执行时间范围、覆盖渠道清单、预算总额及分项明细、核心参与人群画像（年龄/地域/行为标签）、关键动作日志（含上线/改版/推送节点）、数据回收口径说明（如UV统计逻辑、转化归因方式）、效果归因结论依据（是否区分自然流量与投放贡献）。

哪一个缺失，就明确标注“【缺失】+要素名称”。不补全、不推测、不生成替代内容。这一步就是门口查票的——票没齐，门不开。

最关键的一句加进去：AI未确认8项要素全部齐备前，禁止进入复盘洞察环节。这等于给AI上了个锁，它自己会替你盯着输入质量。

绑定结构化输入模板，倒逼用户补全

光靠口头要求还不够，得把格式也锁死。提供一个带占位符的JSON框架，字段为空就视为缺失，AI原样返回缺失项，不替用户脑补。例如：

{"activity_name":"","kpi_target":"","date_range":"","channels":[],"budget_total":,"budget_breakdown":{},"audience_profile":{},"key_actions":[],"data_source_note":"","attribution_logic":""}

用户填写的JSON如果缺少任意一个键，AI直接返回缺失字段名，不推断、不猜测。意图很明确：把“漏信息”的责任前置到用户端。对方要么补全资料，要么面对一份全是缺失标注的空洞报告。

设置“反向验证触发器”揪出隐性遗漏

就算8项要素都填了，也不能掉以轻心。有些数据表面存在，但内在逻辑是断裂的。这时候需要设置几层反向验证。

方法一：用矛盾点反查逻辑断层。比如预算明细里媒体采买花了4.2万，渠道列表里却没有信息流广告平台，这就该标注“渠道清单与预算分配矛盾”。AI不应该假装没看见。

方法二：用行业常识锚定硬性门槛。如果用户没提供数据回收口径说明，但复盘中却出现了“CTR提升23%”这样的指标，AI必须标注“该指标缺乏统计基准，不可信”。不能因为数据好看就跳过合规审查。

方法三：用时间轴强制暴露断点。先把所有已提供的时间节点提取出来，检查是否存在超过48小时的执行空白期。如果有空白，而且没标注原因（比如“等待审批”“系统维护”），那就要标注“关键执行断点未解释”。活动运营里，两天没动作，要么是策略失误，要么是记录疏漏，不能让它含糊过去。

这三个方法组合起来，等于给AI配了一套“逻辑安检仪”。数据全不全、逻辑顺不顺、时间轴有没有断点，它自己会先过一遍。

说到底，复盘的质量不取决于分析技巧，取决于输入材料的完整性。信息缺口没堵上之前，所有Insight都是沙上建塔。反过来，只要这套扫描流程跑通了，后面的洞察才真正站得住脚。