Amplitude 차트 빌더 스킬

Amplitude 차트 만들기

자연어로 차트를 만듭니다. 이벤트를 검색하고, 차트 정의를 구성하며, 결과를 확인합니다.

먼저 계획 수립 (중요)

도구 호출 전에 요청을 분석하세요:

1. 차트 구성 요소 식별:

• 차트 유형과 메트릭 (측정 대상)
• 시간 범위 (기본값: 지정되지 않은 경우 최근 30일)
• 기본 이벤트 (계산되는 작업)
• 세그먼트 조건 (사용자 필터/그룹)
• 필터, 그룹화, 분석 기준
• 퍼널 단계 (전환 분석인 경우)

2. 이벤트 검색 계획:

• 서로 다른 이벤트 개념당 한 번 검색
• 여러 개념을 하나의 검색에 절대 결합하지 마세요
• 예: "구매"와 "가입"은 별도로 검색해야 합니다

3. 병렬 도구 호출 계획:

• 컨텍스트 가져오기, 이벤트 검색, 코호트 찾기는 동시에 실행 가능
• 정의를 구성하기 전에 결과를 기다리세요

이벤트 검색 (중요: 검색 우선)

중요: 좁히기 전에 넓게 검색하세요

사용자의 요청이 모호하거나 여러 이벤트에 매핑될 수 있는 경우:

1. 관련 옵션을 발견하기 위해 먼저 광범위하게 검색하세요
2. 관련 결과를 검토 - 관련 이벤트, 커스텀 이벤트, 메타 이벤트를 찾으세요
3. 사용자에게 옵션을 제시하거나 선택 근거를 설명하세요
4. 탐색 없이 단일 이벤트가 유일한 답이라고 가정하지 마세요

이벤트 검색:

Amplitude:search with entity_types=['EVENT', 'CUSTOM_EVENT']

• 한 번에 하나의 개념만 검색하세요
• 먼저 넓은 검색어를 사용하세요 (예: "AI 채팅"이 아닌 "AI")
• ✓ 좋은 예: "사용자가 구매 완료"
• ✗ 나쁜 예: "가입 또는 구매 이벤트"

정보에 기반한 결정을 내리고 설명하세요:

1. 모든 옵션을 발견하기 위해 광범위하게 검색하세요
2. 결과를 검토하고 가장 포괄적/정확한 접근 방식을 식별하세요
3. 최선의 판단을 내리세요 (단일 이벤트보다 집계된 커스텀 이벤트 선호)
4. 항상 설명하세요: "X, Y, Z 옵션을 찾았습니다. [이유] 때문에 [X]를 선택했습니다. 여기에는 [범위]가 포함/제외됩니다."
5. 사용자가 가정이 틀렸다면 수정할 수 있습니다

결정 기준:

• 관련 활동을 집계하는 커스텀 이벤트 선호 (예: "[2026] 활성화 메트릭 [AI 이벤트 전용]")
• 집계된 이벤트가 없으면 기본 상호작용 이벤트를 선택하세요
• 일반적으로 해당 제품 영역에서 "활성 사용자"가 의미하는 바를 고려하세요
• 사용자가 좁은 초점을 지정하지 않는 한 더 넓은 범위를 기본으로 선택하세요

예시:

• ❌ 나쁜 예: 사용자가 "주간 AI 사용자" 요청 → 탐색 없이 즉시 "ai-chat: 메시지 보내기" 선택, 설명 없음
• ✅ 좋은 예: 사용자가 "주간 AI 사용자" 요청 → "AI" 검색, Ask AI, Agents, Visibility, 커스텀 집계 이벤트 발견. 응답: "Ask AI, Agents, Visibility 전반에 AI 활동이 있음을 찾았습니다. 모든 AI 제품 상호작용을 포함하는 '[2026] 활성화 메트릭 [AI 이벤트 전용]' 커스텀 이벤트를 사용합니다. 이는 모든 기능의 총 AI 사용자를 제공합니다. 특정 AI 제품에 집중하려면 알려주세요."

사용 전 확인:

• 검색을 통해 이벤트를 사용하는 기존 차트 가져오기
• 이벤트에 실제 볼륨이 있는지 확인 (0이 아니거나 오래되지 않음)
• 관련 활동을 집계하는 커스텀 이벤트 찾기
• 결과가 0이면 대안 검색

속성 가져오기:

Amplitude:get_event_properties (정확한 속성 이름/값 확인용)

코호트 찾기:

Amplitude:search with entity_types=['COHORT']
Amplitude:get_cohorts (전체 정의 확인용)

차트 유형 선택

차트 유형	사용 시점
eventsSegmentation	시간에 따른 이벤트/사용자 수, 추세, 비교, KPI, 분포, 속성 분석
funnels	알려진 순서의 다단계 전환 분석, 이탈 분석, 특정 이벤트 간 시간, 전환 시간 메트릭
retention	사용자 재방문 행동, 코호트 유지 곡선, 이탈 분석
dataTableV2	표 형식 비교, 순위, 다차원 분석 기준
customerJourney	경로 탐색, 사용자가 취하는 알려지지 않은 경로 발견, 전환/이탈 경로 비교
sessions	세션 지속 시간, 세션 빈도, 사용자당 시간, 세션 길이 분포

빠른 참조

eventsSegmentation - 가장 다재다능함. 다음에 사용:

• uniques 메트릭을 사용한 사용자 수 (DAU, WAU, MAU)
• 이벤트 총합, 평균, 속성 합계
• 백분위수, 분포, 공식
• 롤링 윈도우가 있는 시계열

집계 범위 (eventsSegmentation):

• PROPSUM(A) / metric: "sums" = 모든 이벤트의 전역 합계
• metric: "frequency" = 사용자당 이벤트 수 분포 (몇 명의 사용자가 1회, 2회, 3회 수행했는지)
• "사용자당 속성 합계 분포": Amplitude는 이를 직접 지원하지 않습니다. 이벤트 수 분포에는 metric: "frequency"를 사용하거나, user_id로 그룹화된 dataTableV2와 PROPSUM을 사용하여 외부 분석을 위해 내보내세요.

funnels - 미리 정의된 단계가 있는 전환 분석. 다음에 사용:

• 예상 순서를 알 때 단계별 전환율
• 순서 있음 또는 없음 시퀀스
• 전환 시간 (이벤트 간 중앙값)
• 제외 이벤트, 전환 기간
• 중복 이벤트: 여러 이벤트를 수행한 사용자를 찾으려면 (순서 무관) "모든 순서"로 퍼널을 설정하고 전환 기간을 차트 날짜 범위와 일치시키세요
• 참고: 사용자가 취하는 경로를 발견하려면 customerJourney를 대신 사용하세요

retention - 재방문 행동. 다음에 사용:

• N일 또는 롤링 유지 곡선
• 코호트 분석 (신규 vs 재방문 사용자)
• 시작 이벤트 → 반환 이벤트 패턴

dataTableV2 - 표 형식 데이터. 다음에 사용:

• 차원별 분석 기준 (국가, 플랫폼 등)
• 표 형식의 다중 메트릭 비교

customerJourney - 경로 탐색 및 발견. 다음에 사용:

• 사용자가 실제로 취하는 경로 이해 (퍼널의 예상 경로와 대비)
• 특정 이벤트로 시작, 종료 또는 두 이벤트 사이의 경로 분석
• 전환 및 이탈 사용자 경로를 나란히 비교
• 예상치 못한 탐색 패턴 또는 마찰점 발견
• 경로 빈도, 유사성 또는 완료까지의 평균 시간 탐색
• 이상적인 고객 여정과 실제 사용자 행동 간의 격차 해소

sessions - 세션 기반 참여 메트릭. 다음에 사용:

• 세션 지속 시간 분석 (평균 길이, 소요 시간, 분포)
• 세션 빈도 (사용자당 평균 세션 수, 총 세션 수)
• 시간에 따른 사용자당 소요 시간
• 세션 내 수행 이벤트 (세션당 평균 이벤트 수)
• 사용자 세그먼트 간 세션 행동 비교

특수 메트릭:

• 사용자 수: metric: "uniques"
• 이벤트 수: metric: "totals"
• 속성 합계: metric: "sums" (group_by에 속성 포함)
• 비율/백분율: 다른 크기의 그룹을 비교할 때 사용

메타 이벤트:

• _active: 모든 활성 이벤트 (DAU, MAU)
• _new: 신규 사용자 (첫 번째 이벤트)
• _any_revenue_event: 수익 이벤트

차트 정의 구조

핵심 파라미터 (모든 차트 유형):

{
  "name": "설명적인 차트 제목",
  "projectId": "12345",
  "definition": {
    "app": "12345",
    "type": "eventsSegmentation",
    "params": {
      "range": "최근 30일",
      "events": [{
        "event_type": "구매 완료",
        "filters": [],
        "group_by": []
      }],
      "metric": "uniques",
      "countGroup": "User",
      "interval": 1,
      "segments": [{"conditions": []}]
    }
  }
}

주요 파라미터:

• countGroup: "User" (고유 사용자) 또는 "Event" (이벤트 발생 횟수)
• interval: 1 (일별), 7 (주별), 30 (월별)
• segments: 사용자 필터/그룹 (빈 배열 = 모든 사용자)

이벤트 필터 (인라인 OR 로직):

"filters": [{
  "group_type": "User",
  "subprop_key": "country",
  "subprop_op": "is",
  "subprop_type": "event",
  "subprop_value": ["미국", "캐나다"]
}]

사용자 세그먼트 (조건 AND 로직):

"segments": [{
  "name": "활성 사용자",
  "conditions": [{
    "type": "property",
    "group_type": "User",
    "prop_type": "user",
    "prop": "plan",
    "op": "is",
    "values": ["Pro", "Enterprise"]
  }]
}]

코호트 세그먼트: 코호트 검색 후 ID 가져오기:

"segments": [{
  "name": "내 코호트",
  "conditions": [{
    "type": "cohort",
    "group_type": "User",
    "cohort_id": "abc123",
    "op": "is_in"
  }]
}]

워크플로: 차트 만들기

1. 컨텍스트 가져오기:

Amplitude:get_context (projectId 확인용)

2. 이벤트 검색 (먼저 광범위하게):

Amplitude:search 각각의 고유 개념에 대해
- 처음에는 넓은 검색어 사용
- 관련 이벤트, 커스텀 이벤트, 코호트를 모두 찾기
- 선택 전에 모든 결과 검토

3. 평가 및 결정:

• 발견된 모든 이벤트와 커스텀 이벤트 검토
• 정보에 기반한 결정 (집계된 이벤트 선호)
• 발견한 내용과 선택에 대한 명확한 설명 준비

4. 유사 차트 찾기 (예시 참조):

Amplitude:search entity_types=['CHART'] query="유사 개념"
Amplitude:get_charts (정의 구조 확인용)

5. 필요시 속성 가져오기:

Amplitude:get_event_properties

6. 발견된 이름을 사용하여 정의 구성

• 응답에 이벤트 선택 근거 설명

7. 차트 만들기:

Amplitude:query_dataset (전체 정의 포함)

8. 결과 확인 - 데이터가 타당한지 확인

9. 차트 저장:

Amplitude:save_chart_edits (query_dataset의 editId 사용)

오류 처리

query_dataset 실패 시:

• 오류 메시지를 주의 깊게 읽으세요
• 일반적인 문제: 잘못된 이벤트 이름, 유효하지 않은 필터, 잘못된 파라미터 유형
• 정의를 수정하고 재시도하세요
• 먼저 검색을 통해 이벤트가 존재하는지 확인하세요

결과가 0인 경우:

• 필터가 너무 제한적이지 않은지 확인하세요
• 이벤트에 데이터가 있는지 확인하세요 (이벤트를 사용하는 차트 검색)
• 더 넓은 시간 범위를 시도하세요
• 세그먼트 조건을 확인하세요

모범 사례

명명:

• 메트릭 + 시간 컨텍스트 포함: "최근 90일 주간 활성 사용자"
• "WAU" 또는 "사용자"와 같은 약어 사용 금지

시간 범위:

• 기본값: "최근 30일"
• 특정 기간에는 포함 범위 사용
• 해석된 범위를 명시적으로 표시하세요

확인:

• 사용 전에 항상 이벤트가 존재하는지 확인하세요
• 유사 차트를 확인하여 이벤트 사용 방법을 이해하세요
• get_event_properties로 속성을 확인하세요

비교:

• 동일 차트에서 사용자 그룹을 비교하려면 세그먼트를 사용하세요
• 다른 크기의 그룹에는 비율/백분율을 사용하세요

항상 포함할 내용:

• 응답에 차트 URL 포함
• 차트가 표시하는 내용
• 초기 데이터의 주요 인사이트
• 사용된 방법론