直播带货漏斗与 UV 价值分析
把一场直播拆成"曝光→进入→停留→点击→成交"的漏斗，定位人到底在哪一层流失，并用 UV 价值、GPM 衡量货盘与流量的变现效率。引擎同时校验各层人数口径，避免拿错误数据得出错误结论。
输入
{
"impressions": 100000,
"viewers": 8000,
"stayed_1min": 4000,
"product_clicks": 800,
"orders": 80,
"gmv": 15840,
"ad_cost": 3000
}
字段含义：曝光人数、进入直播间人数（累计场观）、停留超1分钟人数（可选）、商品点击人数、成交人数/单数、GMV、投流消耗（可选）。
输出
- 各层转化率及对照经验基准的高/低标记
- UV 价值、GPM、客单价
- 最薄弱（最该优化）环节
- 数据口径异常警告
- 若提供投流消耗：整体 ROI、单个观看成本、扣除广告后的 GMV
使用方法
python scripts/funnel_calc.py '{"impressions":100000,"viewers":8000,"stayed_1min":4000,"product_clicks":800,"orders":80,"gmv":15840,"ad_cost":3000}'
计算规则（确定性）
- 曝光→进入率 = viewers ÷ impressions
- 进入→停留率 = stayed ÷ viewers
- 观看→商品点击率 = clicks ÷ viewers
- 点击→成交率 = orders ÷ clicks
- UV 价值 = GMV ÷ viewers；GPM = UV 价值 × 1000
- 客单价 = GMV ÷ orders
- 投流 ROI = GMV ÷ ad_cost；单个观看成本 = ad_cost ÷ viewers
- 最薄弱环节：在有基准的各层中，相对经验区间位置最低者
经验参考区间（跨类目粗基准，仅作高低提示）：曝光进入 5%–15%、停留 30%–60%、商品点击 5%–20%、点击成交 5%–20%。
硬规则
- 各层人数、GMV、投流消耗由用户按后台实际填入，脚本不编造数据。
- 人数必须统一口径（累计观看/人次）；点击或成交为"次数"口径时会与人数层不可直接相比，结果会给出警告。
- 经验区间类目差异大（自然/付费、高客单/低客单），仅作提示，以同类目实际数据为准。
- GMV 以实际支付口径为准；UV 价值不含退款、复购的跨场影响。
示例
输入（无停留、无投流）：
{"impressions":50000,"viewers":5000,"product_clicks":250,"orders":25,"gmv":5000}
输出要点：
- 商品点击率 5%（落在基准下沿）、点击成交率 10%
- UV 价值 1.0、GPM 1000、客单价 200
- 最薄弱环节：观看→商品点击率，优先优化商品卡/讲解节奏
