HZH商城 Tab 分析 Wiki

文档目的

本文是 HZH商城 Tab（含会员店 / 好眠）的经营指标体系说明，用来：

1. 定义口径——指标怎么算、彼此如何相乘、和过程诊断如何区分（以 §3 为准）。
2. 说明何以如此——淘宝乘法、美团供需、字节实验各自补哪一块（§2），以及分解树为何能对账。
3. 指导读数与迭代——周会如何定位问题（§4–§8），缺口与需求如何排期（§9–§12）。

配套：指标看板（示意）。冲突时以本文 §3 为准。
边界：流量 = 主 App + 分享仅商详页；归因默认末次点击；埋点优先火山。

文章结构（按逻辑读）

建议路径： §1 定主考 → §3 锁术语与公式 → 看板对照 → §2 补「为什么」→ §4–§8 周会用法 → §9–§12 排期。

指标体系要点

订单链（对账）：

用户链（人转化）： $\mathrm{GMV}=\text{访问 UV}\times \text{访购率}\times \mathrm{ARPU}$。对账以订单链为准。

口径纪律： 用户按 UV 去重；金额按订单对账；分享仅 share_pdp；WoW/MoM 看过程+结果，YoY 仅交易结果。

1. 北极星与治理约定

状态： 建议默认已写入框架；业务拍板前仍可按 §12 清单微调。拍板后本节约为「已锁定」。

体系闭环（目标态）

北极星(GSV)
  → 分解树(§3) + 货品下钻(§9.1 待建) + 生命周期下钻(§9.2 待建)
  → 过程/结果(§3.5、§4)
  → 末次贡献(§5.4) ‖ 实验因果(§9.3 待建)
  → 火山埋点(§10)
  → 周会定位「量 / 率 / 客单 / 复购 / 逆向」
  → 需求迭代(§11) → 回写实验与指标

体系闭环示意（path-style）

2. 方法论专章：淘宝 · 美团 · 字节

三家方法论解决不同问题；HZH商城取其可用部分落地，不照搬全部组织形态。

2.1 淘宝方法论（电商经营乘法）

解决什么问题

• 周会只看流水涨跌，说不清是流量、转化还是客单在动。
• 漏斗断点与货盘结构混谈，调坑位还是调货分不清。
• 退款把「好看的 GMV」冲掉后，没有净额视角。

核心做法

1. 经营乘法： $\mathrm{GMV}\approx \text{流量}\times \text{转化}\times \text{客单}$；用因子贡献定位。
2. 漏斗分叉： 访 → 详 →（立即购 | 加购→车）→ 下单 → 支付；分支损耗分开看。
3. 货品经营： 类目/SPU 动销、价格带、连带、曝光份额 vs 成交份额驱动选品与坑位。
4. 逆向质量： 退款率反哺供给与商详体验，流水与净额拆开。

落到HZH商城

淘宝 → HZH 对照示意

2.2 美团方法论（入口质量 · 供给 · 履约）

一句话：流量乘法告诉你「哪段转化掉了」；美团视角再问一句——是人没兴趣，还是货/履约把成交卡住了？

解决什么问题

• 人来了却不买： 某个入口 UV 涨，访购率、客单反而掉——只看总量会误判「增长」。
• 转化差不全是商详锅： 售罄、发货慢、异常单也会把人拦在下单前；只改文案和促销不够。
• 履约差会伤后面： 签收/时效差会推高售后、压低再购；如果履约不进同一套诊断，周会容易停在「支付没问题」就结束。

核心做法（三件事）

1. 分入口看「量 + 质」
   每个入口（主 App / 分享商详等）同时看：访问量、访购率、客单、1UV 价值。
   量涨质跌 = 入口质量变差，不是生意变好。

2. 成交要供需一起看
   需求侧：有没有兴趣、愿不愿意下单（意向转化率、下单转化率、访购率）。
   供给侧：货能不能买、能不能按时送到（可售、发货时效、异常单）。
   两边对不上时，先别只怪转化漏斗。

3. 履约单独记账，但要能串回经营
   履约不乘进 GMV 公式（避免和交易因子搅在一起）。
   但要有固定剧本：履约异常 → 售后升高 / 再购变差，能在周会上追到动作。

落到HZH商城

美团 → HZH 对照示意

2.3 字节方法论（指标树 · 实验 · 归因 · 埋点）

解决什么问题

• 只有观测指标，没有「改版是否真提升」的因果读数。
• 归因（谁贡献）与实验（谁造成）混读，周会争论口径。
• 埋点与看板字段不同名，对账困难；生命周期只有新老客标签没有节奏。

核心做法

1. 指标分层： 北极星 → 过程指标 → 实验主指标 / 护栏。
2. 增长实验： 假设 → 分流 → 显著性 → 决策；功能绑指标。
3. 归因边界： 末次解释贡献；实验做因果；助攻另模型。
4. 行为埋点： 事件/属性规范，与看板同名；优先火山落地。
5. 生命周期 / AARRR： 获客→激活→留存→收入→推荐闭环。

落到HZH商城

字节 → HZH 对照示意

2.4 三家落点一览

方法论落地关系（总图 · path-style）

3. 全局指标体系

3.1 GSV / GMV 顶层定义与关系

GSV = GMV − 逆向退款

GSV / GMV 关系示意

• GMV = 成交流水；GSV = 扣逆向后的经营净额。勿混用「流水」一词称呼二者。
• 仅退款、退货退款、部分退均计入逆向；换货不退款则不计金额冲减（可单列换货单量）。
• 履约毛利不在 GSV 公式内：毛利 = GSV 相关收入 − 商品成本 − 履约成本 − 其他经营损失（侧向）。

3.2 AOV vs ARPU（强制拆开）

口径坑： 不要在「已用 ARPU」的公式里再乘「重复购买次数」。口述「× 重复购买次数」只落在 ARPU 内的人均支付订单数。

3.3 访购及相关转化命名（术语锁定）

3.3.1 规模指标（与率同层，勿只给转化率）

看板 / 周会在「访问 UV」之外，须并列展示量级：

读数约定： 率解释效率，规模解释体量。L1 / 订单链须同时露出规模与率，避免「只看转化率、看不见盘子」。

3.3.2 支付成功率（锁定）

定义（唯一）：

与相邻指标（人 vs 单）：

一人多单等会导致「人链连乘」与订单链不完全相等；对账与进 GMV 树以订单链为准，访购率解释人转化。

订单链位置与入账：
访问 UV → ×意向转化率 → ×下单转化率 → ×支付成功率 → 得支付成功订单数 → × AOV → GMV。
钱只在支付成功入账；支付成功率解释「下单到收款」损耗，不替代访购率。

支付成功率示意

规模 × 率 对照示意

用户链恒等式入口：

3.4 全局分解树

3.4.1 金额主链（订单口径，推荐对账）

周期 $T$ 是统计窗口，不是公式里再乘一次的因子：

GSV
└── GMV − 逆向退款
    └── GMV = 支付成功订单数 × AOV
              │
              ├──【量】支付成功订单数
              │     = 访问 UV
              │       × 意向转化率            （到商详）
              │       × 下单转化率        （选购结果）
              │       × 支付成功率            （下单→支付）
              │
              └──【金额】AOV

$U$=UV，$N_{\mathrm{order}}$=提交成功下单订单数，$N_{\mathrm{pay}}$=支付成功订单数。

订单链（金额主链）示意（path-style）

3.4.2 用户主链（访购率进入公式）

GMV = 支付用户数 × ARPU
        ├── 支付用户数 = 访问 UV × 访购率
        │                 访购率 = 支付用户数 ÷ 访问 UV
        └── ARPU = 人均支付订单数 × AOV
                     （口述「重复购买次数」落在这里）

用户链示意

订单链 vs 用户链（对照）

周会拆解时选定订单链或用户链一条主讲，避免混用 UV 率与订单率。

周会拆解流程示意

过程串联（近似，用户口径）：
访购率 ≈ 意向转化率 ×（商详→下单用户率）×（下单用户→支付用户率）。
精确对账用 §3.4.1；一人多单等会导致与访购率连乘不完全相等。

3.4.3 意向转化率与渠道 CTR

落地规则：

1. 各发现坑位产生商详点击；按末次点击到商详归因得到 $U_{\mathrm{pdp}}$。
2. 意向转化率用全局 UV 比，不要把各坑位 CTR 算术平均当意向转化率。
3. 加权 CTR = ${\sum }_i({\text{曝光份额}}_i\times {\mathrm{CTR}}_i)$ 只解释发现效率；对账仍以商详 UV / 访问 UV 为准。
4. 主 App vs 分享（仅商详）：先分渠道再汇总；全局意向转化率是全渠道合计 UV 比。

3.4.4 选购过程指标（勿称访购）

3.4.5 购物车分支

商详
├── 主路径：立即购买 / 立即抢购 → 结算页 → 提交订单（下单）
└── 分支：加购 → 购物车 → 结算 → 提交订单（下单）
         └── 汇合点：下单成功
              → × 支付成功率 → 支付成功订单 → × AOV → GMV

购物车分支示意（实线=核心路径，虚线=购物车分支）

3.4.6 「× 周期」如何理解

3.5 各因子 ↔ 过程 / 结果指标映射

过程 ↔ 结果 映射示意

3.6 页面行为埋点 → 全局因子（摘要）

埋点优先级：

1. P0（撑树）： 访问、商详、下单、支付成功、金额、渠道、退款成功
2. P1（解释损耗）： Banner/分类/Feed/搜索 CTR、加购、购物车、结算、支付失败原因
3. P2（精细运营）： 导购工具、标签曝光、生命周期标签、客服会话

完整 UI 映射见 §10。

3.7 渠道维度：主 App vs 分享（仅商详页）

（考核净额时可并行「1UV GSV 价值 = GSV / 访问 UV」。）

流量分布 / 渠道示意（分享 = 仅商详页）

3.8 常见口径坑

1. 访购率 ≠ 加购率 ≠ 下单转化率；访购率只等于支付用户 ÷ 访问 UV。
2. 意向转化率 ≠ 某 Banner CTR；等于商详 UV / 访问 UV。
3. 渠道 CTR 加权和 ≠ 自动等于意向转化率。
4. 下单转化率进树用订单/商详 UV；勿再叫访购。
5. ARPU 与复购：复购进人均订单数；禁止 GMV=…×ARPU×复购次数。
6. 「× 周期」：窗口参数，不是与 GMV 同层的恒等乘数。
7. 支付成功率：支付成功订单÷下单（提交成功）订单；取消/超时/风控失败计分母、不计分子；勿用别名。
8. GSV 退款时点：主表退款发生日；原单日另表。
9. UV 去重：日/周/月、跨子 Tab、跨渠道规则须书面化。
10. YoY：仅交易结果；过程指标只用 WoW/MoM（见 §8）。

3.9 用户路径总览

风格对齐路径参考图（圆角节点 · 分叉圆点 · 实线核心 / 虚线分支）。
分享 = 仅商详页；术语用全称 访购率、意向转化率、下单转化率、支付成功率。

3.9.1 总览图（核心 + 全部分支）

3.9.2 分环节小图

访问

发现

选购

支付

售后（含履约侧链）

4. 分环节指标表（与全局树对齐）

环节：商城访问 → 商品发现 → 商品选购 → 交易履约 → 售后服务。
「结果」优先对应 §3.5 全局因子。路径总览与分环节小图见 §3.9。

五环节 · 过程 / 结果 对照示意

五环节漏斗示意

4.1 商城访问 → 因子：访问 UV

4.2 商品发现 → 因子：意向转化率

4.3 商品选购 → 因子：下单转化率、支付成功率、访购率、AOV

4.4 交易履约 → 侧链（不进 GMV 乘法）

4.5 售后服务 → 因子：逆向退款 → GSV

5. 分析概念与用法

每个概念：场景 → 分析问题 → 如何分析 → 如何呈现；与 §3 组合使用。

5.1 流量分布

场景
解释 GSV 波动前，先确认流量有没有变、从哪变——主 App Tab、商详页分享落地、子 Tab、坑位。

分析问题

• 量涨跌在哪个渠道/入口/子 Tab？
• 商详页分享占比升高但质量是否变差？
• 新访 vs 老访、新客 vs 老客结构是否变化？

如何分析

1. 切渠道（app_tab vs share_pdp）、入口、子 Tab、坑位、新老客。
2. 看 UV/PV、停留、回访；分享侧访问 = 打开被分享商详的 UV。
3. 与访购率、1UV 价值交叉：流量涨访购跌 → 质量；流量跌访购稳 → 量。

如何呈现
渠道/子 Tab 堆叠或占比（图例注明「分享=商详页」）；入口表含 UV、环比、访购率、1UV 价值。勿把坑位 CTR 饼图当流量分布结论。

5.2 漏斗

场景
访问不差，支付用户或 GMV 下滑，找断点。

分析问题
断在发现、选购、支付，还是售后吃掉 GSV？用人漏斗还是金额漏斗？

如何分析

1. 转化漏斗：访问 → 商详 → 下单 → 支付（→ 签收）；售后作分支。
2. 金额漏斗：GMV → 逆向退款 → GSV。
3. 主路径 vs 购物车分支分开看损耗。

如何呈现
阶梯漏斗 + 层间转化；金额用「GMV→GSV」另条，避免与 UV 漏斗硬比。

5.3 指标公式

场景
漏斗定位到层后，回答量少了、率差了还是客单低了。

如何分析

1. 先拆 $\mathrm{GSV}=\mathrm{GMV}-\text{退款}$。
2. 再选订单链或用户链主讲：
   • 订单：访问 × 意向转化率 × 下单转化率 × 支付成功率 × AOV
   • 用户：访问 × 访购率 × ARPU
3. 环比贡献定位主因，再下钻过程指标。

指标公式读数流程示意

如何呈现
分解树 / 因子贡献条；旁注量纲（量/率/金额）。

5.4 归因逻辑（贡献归因 · 末次点击）

场景
回答「这个商详进入 / 这笔支付算谁的功劳」——站内坑位还是商详页分享。

5.4.1 定义：末次点击

在归因窗口 $W$ 内，到达归因目标事件前取最后一次有效点击触点为唯一贡献方；该目标的 UV/订单/GMV 100% 记给该触点（默认不做线性分摊）。

末次点击归因示意

5.4.2 坑位贡献

1. 每个 pdp_view 在 $W_{\mathrm{pdp}}$ 内找末次坑位 → slot_id。
2. 贡献商详 UV / 占比（末次下占比之和 ≈ 100%，无触点归「直接/其他」）。
3. 坑位 CTR 只作过程，不能代替贡献占比。

5.4.3 渠道贡献

渠道：app_tab | share_pdp（仅商详页分享）。

1. 访问渠道： 进入时的 channel（分享侧 = 打开被分享商详）。
2. 支付/GMV 渠道： 对每笔 pay_success，在 $W_{\mathrm{pay}}$ 内取末次渠道触点。
3. 渠道访购率 = 该渠支付用户 ÷ 该渠访问 UV。
4. 备选「支付当时所在容器渠道」须看板标注，勿与末次混读。

5.4.4 分析 / 呈现 / 误区

• 先固定：规则=末次、窗口、目标=商详或支付。
• 火山：事件带 channel、slot_id、share_content_type=pdp。
• 归因解释贡献，不能替代全局意向转化率、访购率的 UV 对账。
• 呈现文案固定：「末次点击 · $W$ · 目标事件」。

5.5 来源页面

场景
站内跳转或商详页分享打开后，需要「上一跳从哪来」。

如何分析

1. 记录 referrer / 来源页类型。
2. 渠道答大类；来源页答具体上一跳。
3. 与访购率交叉：某来源 UV 高访购极低 → 落地预期不匹配。
4. 非商详分享落地标其他来源，不要记入 share_pdp。

如何呈现
来源页 Top N：UV、意向转化率、访购率、GMV；可与渠道筛选联动。

5.6 概念组合（迷你案例）

案例：商详页分享流量的 GSV 变差

1. 流量分布： share_pdp 访问是否升、占比是否提高？
2. 漏斗： 分享侧下单转化率、支付哪层断？
3. 指标公式： $\mathrm{GSV}=\mathrm{GMV}-\text{退款}$ 与「访问 × 访购率 × ARPU」拆量/率/客单/退款。
4. 归因 / 来源页： 支付末次是否落在低效分享素材？是否集中少数 SPU？
5. 动作： 调分享素材/主图/价格点 → 复盘访购率与 1UV 价值，不唯 CTR。

6. 漏斗串联

6.1 主漏斗

访问 UV
  → 意向 UV（=商详 UV）      【规模；率=意向转化率】
    → 下单订单数              【规模；率=下单转化率】
      → 支付成功订单 / 支付用户 【支付成功率；访购率分子=人】
        → × AOV → GMV
          → − 逆向退款 → GSV

主漏斗串联示意

履约与售后为支付后侧链；售后金额回流到 GSV。完整路径与分环节见 §3.9。

6.2 核心串联指标

6.3 新老客并行（骨架；充实见 §9.2）

新老客并行骨架示意

7. 渠道对比建议

同 §3.7；渠道「分享」= 仅商详页分享。周会最小对比集：

周会渠道最小对比集示意

• 访问 UV、意向 UV、意向转化率、下单/支付订单数、访购率
• AOV、ARPU、1UV 价值
• GMV、逆向退款、GSV
• 商详页分享：打开率、分享→支付、七日内主 App 回访

切片：子 Tab、活动（双 11）、类目、是否自营。

8. 周期对比约定

周期对比规则示意

看板与周报须标注对比类型；活动期可加「对比上届活动」作为专项，不替代上述规则。

9. 待建能力子树

以下为体系评审补强建议中的下钻包；不改 §3 GMV 恒等式。落地前状态均为 待建。

待建子树总览示意

9.1 货品经营（淘宝）· 状态：待建

挂在 AOV / 意向转化率之下的货盘视角：

货品经营下钻示意（待建）

• 类目/SPU：曝光份额、商详份额、成交份额、份额差
• 价格带结构、促销依赖度（满减/积分订单占比）
• 连带率、关联购买 Top
• 动销率、零动销 SPU 占比、库存可售天数（有供给数据时）
• 退款率 Top SPU → 反哺商详与选品

分析问题： 是流量结构问题，还是货不对人 / 价带错配？

9.2 生命周期与复购（美团留存 + 字节 AARRR）· 状态：待建

在 §6.3 上充实：

生命周期充实示意（待建）

• 激活： 首访→首商详→首支付时长
• 留存： 商城 D1/D7/D30 回访；支付用户 7/30 日再购率
• 收入： 分层 ARPU（新客首单 vs 老客）、会员 vs 非会员
• 推荐： 商详分享发起率、打开率、分享→支付、分享拉新占比（是否蚕食主 App）

分析问题： GMV 靠新客堆量还是老客复购？分享是拉新还是转移？

9.3 增长实验（字节 / 火山）· 状态：待建

独立「实验读数约定」，不必重写全局树：

实验 vs 末次 边界示意（待建）

1. 每个改版绑定：1 个主指标（访购率或 1UV 价值）+ ≤3 个护栏（支付成功率、逆向退款率、签收率）+ 过程解释指标
2. 分流维度：渠道（app_tab / share_pdp）、新老客、子 Tab
3. 实验看因果，末次看贡献，禁止混读；读数窗口与归因窗口对齐说明
4. 火山 A/B：实验 ID 写入事件属性，看板可滤实验组

9.4 供需诊断剧本（美团）· 状态：待建

用途： 转化不好时，先别只盯商详——按剧本同时查「货/履约/入口质量」是不是卡住了。
与 §2.2 同一套思路；本节约为可执行检查表（待建）。

看见这些现象时，顺手查右侧

10. UI 行为与埋点明细

10.1 HZH好眠 Tab

10.2 HZH商城首页

10.3 P0 事件必填属性（火山落地）

11. 需求迭代清单

每条：优先级 · 需求 · 要回答的分析问题 · 依赖指标。
P0 = 不补则无法稳定统领增长/对账；P1 = 显著提升定位与动作；P2 = 精细化。

需求迭代优先级示意

P0

P1

P2

12. 待决与评审清单

• [ ] 北极星：确认主考 GSV、辅看 GMV（或业务另定）
• [ ] GMV 是否含运费、优惠前挂牌价还是实付
• [ ] 逆向退款主表：退款日（建议）已写入 §3.1；原单日对账表排期
• [ ] 访购率 = 支付用户 ÷ 访问 UV 看板字段统一
• [ ] 下单转化率进树：下单订单数 ÷ 商详 UV（已作默认）
• [ ] 意向转化率 = 商详 UV / 访问 UV；规模并列意向 UV；CTR 仅过程
• [ ] 支付成功率 = 支付成功订单 ÷ 下单（提交成功）订单；取消/超时/风控边界锁定
• [ ] ARPU / AOV / 人均订单命名统一，禁止复购双计
• [ ] 「周期」仅作统计窗口；预测式单独标注
• [ ] 末次点击窗口（商详/支付）、目标事件、坑位与渠道算法
• [ ] 订单渠道归因与来源页：app_tab vs share_pdp 锁定
• [ ] 新客定义、UV 去重层级（日/周/月、跨 Tab）
• [ ] 好眠 vs 会员店：统一看板 + 维度 or 分看板
• [ ] WoW/MoM 全量、YoY 仅交易结果（§8）落地到看板筛选器
• [ ] §9 待建子树排期（货品 / 生命周期 / 实验 / 供需）

附录 A：口述公式 → 严谨公式对照

附录 B：与参考指标树对应

附录 C：章节导航

附录 D：示意图清单

主框架文档（已并入方法论并重排）： 本 Wiki 正文
本文为历史体系化评审结论与附录；日常口径、方法论落点、待建子树与需求清单以主框架为准。
示意看板：指标看板
对照方法论：淘宝（电商经营/漏斗/货品）、美团（本地生活供需与转化）、字节（火山/增长实验与归因）
业务约束：主 App 分流 + 分享=仅商详页分享；贡献默认末次点击；埋点优先按火山落地（见 preferences.md）
术语：只用「访购率」「下单转化率」。

附录 E：体系化评审（历史结论）

E.1 评审结论

并入说明（2026-11-09）： 评审补强建议（北极星默认、货品/生命周期/实验/供需、需求迭代清单、三家方法论）已吸收进主框架 §1–§2、§9、§11；下文保留评审时点的诊断结论，便于对照演进。

评审时点结论： 当时框架已具备「诊断型」指标闭环（北极星待锁 → 分解树 → 过程/结果 → 末次归因 → 埋点映射），能定位量/率/客单/逆向问题，但尚不足以独立统领增长实验与货品/生命周期驱动的需求迭代。（并入后主文档已将缺口落为「待建」专节与迭代清单。）

E.2 与三家方法论对照表

E.3 现有框架优缺点

E.3.1 优点（对照 metrics 文档）

1. 顶层经营语义清楚（§1.1）
   GSV = GMV − 逆向退款，流水与净额拆开；履约毛利刻意放侧向，避免公式膨胀——符合淘宝「先流水再质量」的经营习惯。

2. 术语与量纲纪律强（§1.2–§1.3、§1.8）
   访购率 = 支付用户 ÷ 访问 UV；下单转化率禁止叫访购；AOV/ARPU/人均订单强制拆开并禁止复购双计。这是多数商城框架最常翻车处，本体系已提前锁死。

3. 分解树可对账（§1.4）
   订单链与用户链双轨、购物车分支汇合于下单、意向转化与坑位 CTR 的边界（§1.4.3）写清——具备淘宝式周会拆解能力。

4. 过程/结果映射完整（§1.5 + §3）
   五环节表与全局因子对齐，过程解释结果，符合「看结果找过程」的诊断节奏。

5. 归因约定可落地（§2.4）
   末次点击、双目标（商详 vs 支付）、窗口建议、分享范围锁定——与 preferences 及火山落地一致；美团式「入口贡献」可直接套渠道表。

6. 分析概念可组合（§2）
   流量分布 → 漏斗 → 公式 → 归因/来源页的迷你案例（§2.6）把「怎么用」写进了体系，不只是指标字典。

7. 埋点有优先级雏形（§1.6）
   P0 撑树 / P1 解释损耗 / P2 精细运营，已接近字节「事件支撑指标树」的思路。

E.3.2 缺点与风险

1. 北极星未闭合（§7 清单仍开放）
   没有锁 GMV 还是 GSV（或双考），增长动作与实验主指标会漂。淘宝/美团经营会通常先钉一个主考核再拆。

2. 「定位」强、「动作对象」弱
   框架擅长回答量/率/客单/逆向，但动作落点默认是「调坑位/调素材」，**货品（SPU）、人群（生命周期）、机制（实验）**三类动作对象没有对等子树——对照淘宝货品与字节实验缺口明显。

3. 生命周期只到骨架（§4.3）
   有新老客路径，缺标准留存/复购日历与会员价值分层；人均订单数有公式入口（§1.4.2），但没有「如何运营把它做大」的指标包。

4. 供需只写了履约侧链（§3.4）
   美团方法论里履约/供给会解释转化失败；本框架正确未把履约乘进 GMV，但缺少「供给不足 → 下单转化率下降」的诊断剧本与指标。

5. 实验与因果层缺失
   火山已接通（preferences），文档停在观测与末次归因；无法回答「改版是否真提升访购率」。字节体系的核心闭环未接入。

6. 需求迭代未产品化
   §1.6 是埋点优先级，不是「分析缺口 → 产品/运营需求」优先级。看板（HTML）为示意经营看板，未承载实验、货品、生命周期模块。

7. 口径仍有评审债（§7）
   运费是否入 GMV、下单转化率用订单还是 UV、UV 跨 Tab 去重、退款时点主表——任一未锁都会在渠道对比与实验读数时打架。

E.4 补强建议（框架层）

E.4.1 立即锁死（关闭 §7 债）

E.4.2 增补子树 A · 货品经营（淘宝）

在 §1.4 AOV / 意向之下挂「货盘」视角（不改 GMV 恒等式，作下钻包）：

• 类目/SPU：曝光份额、商详份额、成交份额、份额差（发现是否匹配成交）
• 价格带结构、促销依赖度（满减/积分订单占比）
• 连带率、关联购买 Top
• 动销率、零动销 SPU 占比、库存可售天数（能拿到供给数据时）
• 退款率 Top SPU → 反哺商详与选品

分析问题： 是流量结构问题，还是货不对人/价带错配？

E.4.3 增补子树 B · 生命周期与复购（美团留存 + 字节 AARRR）

在 §4.3 上充实：

• 激活：首访→首商详→首支付时长
• 留存：商城 D1/D7/D30 回访；支付用户 7/30 日再购率
• 收入：分层 ARPU（新客首单 vs 老客）、会员 vs 非会员
• 推荐：商详分享发起率、打开率、分享→支付、分享拉新占比（是否蚕食主 App，§1.7 已点到，需固化指标）

分析问题： GMV 靠新客堆量还是老客复购？分享是拉新还是转移？

E.4.4 增补子树 C · 增长实验（字节 / 火山）

独立一章「实验读数约定」即可，不必重写全局树：

1. 每个改版绑定：1 个主指标 + ≤3 个护栏 + 过程解释指标
2. 分流维度：渠道（app_tab / share_pdp）、新老客、子 Tab
3. 读数窗口与末次归因窗口对齐说明（实验看因果，末次看贡献，禁止混读）
4. 与火山 A/B：实验 ID 写入事件属性，看板可滤实验组

E.4.5 增补子树 D · 供需诊断剧本（美团）

转化不好时，按现象对表检查（与主框架 §2.2 / §9.4 对齐）：

• 下单转化率下降 → 查售罄是否被曝光、发货是否变慢、异常单是否升高
• GSV 掉但 GMV 还稳 → 查售后原因 × 类目（净额被退款啃掉）
• 访问涨、访购率跌 → 查入口质量：渠道 × 新老客 × 1UV 价值

E.4.6 体系闭环目标态

北极星(GSV)
  → 分解树(§1.4) + 货品下钻 + 生命周期下钻
  → 过程/结果(§1.5)
  → 末次贡献(§2.4) ‖ 实验因果(新)
  → 火山埋点(§1.6) 
  → 周会定位「量/率/客单/复购/逆向」
  → 需求迭代清单(P0/P1) → 回写实验与指标

E.5 需求迭代清单（评审时点）

每条：优先级 · 需求 · 要回答的分析问题 · 依赖指标。
P0 = 不补则无法稳定统领增长/对账；P1 = 显著提升定位与动作效率；P2 = 精细化。

E.5 P0

E.5 P1

E.5 P2

E.6 评审建议（给业务拍板）

1. 先闭债再扩张：一周内锁 §4.1 默认口径，否则货品/实验层会建在松地基上。
2. 框架定位升级一句话： 从「指标字典 + 诊断剧本」升级为「诊断 + 货品 + 人群 + 实验」四层；前两层已有，后两层按 §4.2–§4.4 补。
3. 需求排期建议： P0-1～P0-7 作为数据/埋点迭代；P1-1/1-2/1-5 作为下一轮产品与运营看板需求；P2 等主链路稳定后再做。
4. 与三家对齐的务实策略： 乘法树与漏斗学淘宝（已齐）；入口质量与「履约串回经营」学美团（补剧本）；实验与生命周期学字节（补章）；归因维持末次，实验另表——不要用末次替代因果。

E.7 章节索引（优缺点锚点 → 正文）（优缺点锚点 → 并入后主框架）