圖表深潛分析 是做什麼的？
使用時機
- 指標意外地暴漲或暴跌
- 你需要了解什麼因素驅動了某個趨勢
- 準備一份詳細、以證據為基礎的分析給利害關係人
- 調查不同使用者或事件區隔之間的差異
操作步驟
步驟 0：識別圖表
- 接受一個圖表 URL 或圖表 ID
- 如果使用者提供 URL，請使用
Amplitude:getting_data_from_url來提取圖表 ID - 如果沒有提供圖表識別符，請明確要求圖表 URL 或 ID，然後停止
步驟 1：取得並驗證圖表數據（必要步驟）
- 使用 讀取圖表數據 來取得圖表定義與數據
- 如果無法取得圖表數據或數據為空，請勿繼續
- 說明缺少哪些內容（時間範圍、事件、篩選條件、權限）
- 要求使用者修正圖表或提供有效的圖表
擷取並重新說明：
- 正在衡量的指標
- 時間範圍與粒度
- 圖表類型（例如時間序列、漏斗圖、留存率）
- 現有的篩選條件、區隔或分群
步驟 2：識別模式與變化窗口
使用 圖表分析 來描述正在發生的事情：
- 暴漲 / 暴跌：特定日期出現的突然變化
- 趨勢：隨時間逐漸增加的趨勢或逐漸減少的趨勢
- 季節性：每週或每月重複出現的模式
- 異常：偏離近期基準或歷史行為的現象
明確指出：
- 變化窗口（開始/結束）
- 變化的方向與幅度
- 用於比較的基準期（預設為前一個相等長度的期間）
步驟 3：調查可能的驅動因素（有限範圍）
不要進行廣泛的切片，而是使用 引導式區隔分析：
- 使用 尋找正確的事件屬性 來識別對解釋變化最有相關性的屬性
- 選擇 最多 9 個高信號屬性（例如平台、國家、方案、版本）
- 帶入這些屬性重新執行 圖表分析，以確定：
- 哪些區隔對變化貢獻最大
- 模式是局部性的還是廣泛性的
- 使用
Amplitude:query_charts時，一次最多僅獲取 3 張圖表
除非使用者明確要求深入探索，否則避免總共測試超過 9 個屬性。
步驟 4：與上下文關聯（異常時必要）
對於暴漲、暴跌或意外轉變，請收集相同時間範圍內的上下文信號：
- 使用 取得實驗 來識別正在進行的實驗或功能開關
- 使用 取得部署 來識別版本發佈或回滾
- 使用 搜尋內容 來找出註解或相關文件
- 使用
Amplitude:get_feedback_instights來搜尋客戶反饋趨勢，這些趨勢可能解釋變化 - 使用
Amplitude:get_feedback_mentions來提取特定的客戶提及，如果存在可能與被解釋的變化相關的反饋趨勢
確定是否有任何上下文變化在時間上與圖表模式一致。
步驟 5：綜合分析結果
提供一份結構化、可供決策的分析報告：
-
發生了什麼
對觀測到的模式與幅度進行清晰描述 -
何時發生
確切的時間範圍與比較基準 -
主要假設
基於圖表數據與上下文信號的最可能解釋 -
支持證據
- 關鍵指標
- 區隔貢獻
- 相關的實驗、部署或註解
-
替代解釋
1–3 個合理的替代方案，以及它們為何較不可能 -
影響
盡可能量化影響（使用者、事件、轉換、營收代理指標） -
建議的下一步
一個明確的後續行動（例如深入區隔、審查實驗、檢查埋點）
務必包含：
- 圖表名稱
- 圖表 ID
- 圖表的連結
- 涵蓋範圍（例如測試過的屬性、分析過的區隔）
最佳實務
- 務必與明確的基準期進行比較
- 區分 觀察結果 與 假設
- 優先使用高信號區隔，而非窮舉式切片
- 注意數據品質問題（資料量少、期間不完整、大量「(none)」值）
- 除非使用者明確要求，否則不要建立或編輯圖表