仪表盘分析
使用场景
- 会议准备：在回顾或高管会议前，将仪表盘综合为谈话要点。
- 跨图表模式检测：发现多张图表间难以手动察觉的关联。
- 仪表盘调查：当仪表盘内某张图表的关键数值发生变动，你想解释其原因。
- 连接定量与定性：了解用户反馈是否解释了你所看到的趋势。
- 熟悉陌生仪表盘：快速掌握仪表盘追踪的内容及其当前状态。
操作步骤
步骤 0：识别仪表盘 ID
如果用户提供 URL，使用 Amplitude:getting_data_from_url 获取仪表盘 ID。
步骤 1：获取仪表盘
使用 Amplitude:get_dashboard 传入仪表盘 ID，获取完整的仪表盘结构和图表 ID。
步骤 2：查询所有图表
使用 Amplitude:query_charts 每次最多获取 3 张图表的数据。按以下优先级排序：
- 主要 KPI 图表（通常位于顶部）
- 近期有变化的图表
- 基于趋势的可视化图表
步骤 3：分析模式
分析图表时，针对每种类型聚焦最具决策价值的信号：
- KPI 磁贴：上下文（时间范围、用户类型）及百分比变化（如有显示）。
- 折线/时间序列：趋势、斜率变化或显著事件（而非边缘噪声）。
- 漏斗：主要流失步骤或意外的留存部分。使用转化框架（实心条），除非明确相关，否则不使用流失框架。
- 柱状/分类图：集中度、缺口或令人意外的分布。
- 堆叠面积图：总量变化及随时间变化的组成结构。
- 按间隔留存：在关键间隔（第 1 天、第 7 天、第 30 天）比较各细分群体。
- 随时间留存：近期队列可能显示不完整周期（虚线），因为它们尚未完成留存窗口——这并不意味着留存正在下降。
- 表格：主要贡献者、主导实体、分布不平衡。
步骤 4：结合用户反馈进行上下文化（可选）
如果检测到重大变化或异常，检查用户反馈是否能提供解释：
-
使用
Amplitude:get_feedback_insights，参数包括：- 与仪表盘相同的
projectId - 与分析周期匹配的
dateStart和dateEnd - 按相关类型筛选：
request、complaint、lovedFeature、bug、painPoint
- 与仪表盘相同的
-
查找与指标变化相关的反馈主题：
- 功能投诉与参与度下降相符
- 错误报告与转化率下降相符
- 喜爱功能与使用量增长相符
-
如果找到相关洞察，使用
Amplitude:get_feedback_mentions传入insightId，提取说明该模式的具体用户引用。
以下情况跳过此步骤：
- 项目未配置反馈源
- 没有与时间周期或观察到的变化匹配的洞察
- 仪表盘变化较小或属于预期范围
步骤 5：综合发现
提供一个结构化的摘要：
- 整体健康状态：简洁、可操作且易于理解的一句话，总结仪表盘分析中最关键的收获或一组关键收获。
- 关注事项 🚩：排名前 1-3 个需要调查的紧急问题或负面指标趋势。如果没有任何紧急问题，最好简洁地确认没有紧急关注事项，以减少读者需要筛选的噪音。
- 关键收获 💡：关注事项之外最重要的 1-3 个洞察或令人意外的发现。
- 建议：非常简洁的部分，概括最多 3 个具体的可操作后续建议（除非另有指示）。在每个标题前添加 [p0]、[p1]、[p2]、[p3] 以标识优先级，p0 最紧急，p3 最不紧急。
最佳实践
- 调查和分析要全面，但回复要简洁、可操作、有数据支撑。
- 不要在不同章节重复相同收获。
- 始终使用 markdown 链接引用的图表（例如
[DAU](https://app.amplitude.com/...)）。在终端模式下，不要分享来源以保持回复整洁，但如果被特别要求，将所有引用和链接归入底部的“来源”部分，采用相同 markdown 格式（例如[DAU 及引用该指标的主要收获](https://app.amplitude.com/...)）。 - 主要章节中不要引用完整的 Amplitude 链接。简洁地引用图表、指标或实体名称，以便阅读。
- 标记周环比变化超过 10% 的指标。
- 注意存在数据质量问题的图表。
- 尽可能将发现归因到具体图表。
- 对于建议部分，每条建议应是一个简洁但可操作的要点，而非长篇趋势概述。
- 不要在最后总结你做了什么，直接在优先级排序的建议后结束。
- 不要从不完整周期或不可靠数据推断趋势。