品类专栏的直播入口示例1
品类专栏页的直播入口示例2
商详页直播入口示例
淘宝直播蓝筹股为天猫电商直播的根据地，用户可以从看直播的需求出发，观看想看的直播。淘宝直播的功能结构如下图所示：
淘宝直播产品功能
直播专区
2、直播互动
直播间内容示例
3、直播存留
直播属于长视频类产品，内容时间较长快手埋点赞的平台，因此，在吸引用户步入直播间后，如何让用户留下来，成为一个困局，因为只有用户留下来，才能够接收到直播内容，才有可能下单订购。因此，同其他直播和短视频类产品一样，淘宝直播电商同样设置了一系列“利益”激励举措，使得看直播本身这个行为本身就可以有利可图。
直播间的红包奖励示例
退出直播间时的红包“诱惑”
4、商品订购
Measurement：如果对这种策略设计指标，可以包括结果指标和过程指标：
结果指标：直播入口点击率、直播用户活跃度、商品链接点击率、下单率、付费率、客单价、退款率；
过程指标：直播观看人数、直播入口数目、发言数目、点赞数目、分享数目、商品链接点击次数、退款人数。
三、梳理产品功能
虽然有模型的辅助，但是我们可以转换思路，模拟用户在天猫App上的操作，进行场景化搭建指标体系，即哪些用户在哪些场景下使用了哪些产品/功能，再从公司的角度出发，梳理这种功能背后都有什么数据指标。
直播功能逻辑图
通过以上的业务流程和功能逻辑可以看出，直播电商的业务本质上仍可参考传统的AARRR模型：在电商平台或则其他地方引流步入直播间快手埋点赞的平台，通过直播内容提升用户的活跃和存留，进而激励用户下单订购或则分享直播间进行推荐等。
四、构建数据指标体系
4.1、明确主指标和判定标准
通过以上的业务和产品梳理，我们站回到电商平台工作人员的角度，正式搭建一下电商直播产品的数据指标体系。
通过以上指标分级法和OSM模型剖析结果，我们可以做一个总结，并进行假定：
公司战略目标：提高销售金额，而销售金额=用户数*付费率*客单价；
业务策略目标：通过直播电商，提高用户数、付费率、客单价；
业务执行目标：根据业务策略目标拟定策略，结合AARRR模型，衡量目标进行指标拆解，明确电商直播的主指标，如下图所示：
其次，这些指标的判别标准是哪些？我们用哪些标准去对比那些指标的数据，是好还是不好？
常见的判别标准包括：KPI达标率、与竞品比较、生命周期比较、自然周期比较。由于直播电商的竞争范围比较广，并且不具有显著的自然周期性，因此，直播电商相关的数据指标可以使用KPI达标率和生命周期比较，另外电商行业中有典型的异常点——购物节，因此在比较过程中，需要注意特大活动销售与日常销售之间的区别。
4.2、设定子指标和过程指标
在以上主指标的基础上，主指标一般是结果指标，我们可以添加一系列子指标和过程指标，主要是由业务执行人员进行又一步的拆解，直到可以对应到具体的营运策略上，指标体系的子指标分拆如下：
4.3、添加分类维度
在数据指标的基础上，需要添加维度，了解每位数据指标的构成，那么在直播电商业务中，可能可以添加哪些类型的维度？维度的决定，也须要从业务需求出发——
假设涉及直播电商的主要业务部门有：
产品研制：负责设计并开发直播产品，主要包括直播功能；
产品营运：负责向品牌商顾客营运直播产品功能等，管理直播的资源或活动配置等；
用户营运：负责与品牌商沟通直播的营运形式，管理参与直播的品牌商的相关事项；
市场营销：负责联系品牌商渠道或则供货渠道等，主要进行B端用户下降。
那么，可能存在的维度需求主要包括：
下图为完整的数据指标体系文档：
五、设计数据埋点方案
5.1、根据需求分拆指标
通过上一环节的子指标和过程指标设计，已经完成了大部分指标拆解工作。
5.2、根据指标设计埋点风波
在以上的数据指标表格的基础上，设计风波，并且定义上报时机和埋点形式：
5.3、设计数据需求文档
定义好埋点风波过后，使用4W1H法剖析风波的属性，整理成数据需求文档，如下图所示：
4W1H分析法：
When：这个风波在什么时候发生？（年、季、月、日、时分）
Where：这个风波在那里发生？（GPS地址、App具体页面）
Who：什么人参与了这个风波？（用户画像：年龄、职业、兴趣爱好等）
What：这个风波具体内容是哪些？（下单金额、下单次数、商品详情等）
How：如何参与这个风波？（手机、网络、系统版本）
总结
以上为淘宝直播电商的数据指标搭建过程和埋点方案设计过程。
由于缺乏完整的业务视角，以及缺乏多个利益方的综合考虑，本文可能存在一定的疏失，请多多指教。
