图表深度分析
使用时机
- 某个指标意外上涨或下跌
- 你需要理解是什么在驱动一个趋势
- 为利益相关者准备一份详细、有证据支撑的分析
- 调查不同用户或事件细分之间的差异
操作说明
第 0 步：识别图表
- 接受一个图表 URL 或图表 ID
- 如果用户提供的是 URL，使用
Amplitude:getting_data_from_url提取图表 ID - 如果未提供任何图表标识符，则明确要求用户提供图表 URL 或 ID，并停止执行
第 1 步：检索并验证图表数据（必选）
- 使用 Reading chart data 检索图表定义和数据
- 如果无法获取图表数据或数据为空，不要继续
- 解释缺失的内容（如时间范围、事件、过滤器、权限）
- 要求用户修正图表或提供有效的图表
捕获并重述：
- 正在衡量的指标
- 时间范围和粒度
- 图表类型（例如时间序列、漏斗、留存）
- 现有的过滤器、细分或分组
第 2 步：识别模式与变化窗口
使用 Analyzing chart 来表征正在发生的情况：
- 尖峰 / 下降：在特定日期发生突然变化
- 趋势：随时间逐渐增加或减少
- 季节性：每周或每月重复出现的模式
- 异常：偏离近期基线或历史行为
明确识别：
- 变化窗口（开始/结束）
- 变化的方向和幅度
- 用于比较的基线周期（默认：前一个等长时间段）
第 3 步：调查可能的驱动因素（有限范围内）
不要进行广泛的切片，而是使用引导式细分：
- 使用 Finding the right event properties 识别最相关的事件属性来解释变化
- 选择最多 9 个高信号属性（例如平台、国家、计划、版本）
- 在考虑这些属性的情况下重新运行 Analyzing chart，以确定：
- 哪些细分对变化的贡献最大
- 模式是局部的还是广泛的
- 使用
Amplitude:query_charts时，每次仅获取最多 3 个图表
除非用户明确要求进行更深入的探索，否则避免合计测试超过 9 个属性。
第 4 步：与上下文关联（异常情况必选）
对于尖峰、下降或意外变化，在相同时间框架内收集上下文信号：
- 使用 Getting experiments 识别正在进行的实验或标识
- 使用 Getting deployments 识别发布或回滚
- 使用 Searching for content 获取注释或相关文档
- 使用
Amplitude:get_feedback_insights搜索可能解释变化的客户反馈趋势 - 如果存在可能与被解释内容相关的反馈趋势，使用
Amplitude:get_feedback_mentions提取具体的客户提及
确定是否有任何上下文变化在时间上与图表模式一致。
第 5 步：综合发现
呈现一份结构化的、支持决策的分析报告：
-
发生了什么
对观察到的模式和幅度的清晰描述 -
何时
准确的时间范围和比较基线 -
主要假设
基于图表数据和上下文信号的最可能解释 -
支持证据
- 关键指标
- 细分贡献
- 相关的实验、部署或注释
-
替代解释
1–3 个合理的替代方案及为何可能性较低 -
影响
尽可能量化影响（用户、事件、转化率、收入代理指标） -
建议的下一步
一个明确的后续行动（例如更深入的细分、实验审查、埋点检查）
始终包含：
- 图表名称
- 图表 ID
- 图表的链接
- 覆盖范围（例如测试的属性、分析的细分）
最佳实践
- 始终与清晰的基线期进行比较
- 区分观察结果和假设
- 优先使用高信号细分，而非穷举切片
- 注意数据质量问题（低量、不完整周期、大量“（无）”值）
- 除非用户明确要求，否则不要创建或编辑图表