直播间运营诊断

解决什么问题

直播运营常见的困境是：数据很多，但不知道从哪改起。同时改脚本、换主播、调价格、加投放，最后无法归因。本技能把直播曝光、进入、停留、互动、点击、成交等数据与脚本、主播分工、商品、价格、库存、场景、时段、流量来源和投放记录放进同一漏斗，只锁定一个首要变量，给出可复测的执行方案。

技能如何工作

核心能力：

• 把多源输入映射到统一漏斗，区分流量、内容、主播、商品和承接问题
• 只输出一个首要变量，避免多变量同时改动导致归因失效
• 生成复测脚本和场次对照计划，让结论可验证

执行步骤：

1. 读取 references/methodology.md，只选择与当前请求直接相关的方法卡
2. 读取 references/execution-rules.md，确认输入、事实、假设和前置闸门
3. 读取 references/quality-boundaries.md，排除不适用、无授权和不可交付动作
4. 读取 references/output-contract.json 与 assets/output-template.md，生成完整执行件
5. 运行 scripts/validate_output.py --check-output；失败时修正业务内容，不删除测试或放宽规则

输入闸门： 至少需要直播曝光、进入、停留、互动、点击和成交数据，以及商品、价格、库存、脚本和主播分工、直播场景、时段、流量来源和投放记录。信息不足时明确“已确认事实、保守假设、待验证项和补证日期”，不得把假设写成事实。

最低交付：

• 直播漏斗、口径质检和证据缺口
• 流量、内容、主播、商品和承接问题排序
• 首要变量、复测脚本和场次对照计划
• 直播指标、护栏、加码与停止条件

适用边界

• 不承诺固定结果，不伪造案例、指标或行业基准
• 不输出采集身份、原始链接、作者、账号、API Key 或素材出处
• 不复制文章原文作为方案；必须转化为对象、条件、动作、交付物、指标和停止线
• 机器校验通过只代表结构、具体度与已知风险通过，业务负责人仍需确认适配性