Menu
当需要分析用户转化路径时使用。漏斗自动分析，AI自动执行全量漏斗计算、多维下钻、流失节点识别和趋势分析。关键词：漏斗分析、转化分析、流失节点、转化率、用户路径、用户在哪儿流失了、转化太低了、用户走不完流程。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
当需要评估获客渠道或优化获客漏斗时使用。用户获取指挥官，调度 acquisition-analysis（获客分析一体化），实现从渠道评估到漏斗优化的闭环。关键词：用户获取、获客渠道、漏斗优化、渠道评估、获客策略、acquisition-analysis、拉新、获客。
当需要识别和工程化Aha Moment时使用。Aha Moment自动工程化Pipeline，分析留存数据和行为数据，自动识别Aha Moment候选，测量到达率，识别最短路径，输出Onboarding优化建议。关键词：Aha Moment、激活时刻、用户激活、到达率、Onboarding优化、什么时候觉得好用、体验核心价值、爽点在哪。
当需要优化用户Onboarding流程时使用。Onboarding自动优化Pipeline，分析Onboarding数据和用户分群，自动生成个性化引导策略，设计A/B测试方案。关键词：Onboarding、新用户引导、引导优化、个性化引导、用户激活、新手引导、上手快、引导太长。
当需要识别Aha Moment或设计Onboarding流程时使用。用户激活指挥官，调度activation-aha/onboarding。关键词：用户激活、Aha Moment、Onboarding、新用户引导、新手引导、激活率。
当需要管理Sprint周期或追踪敏捷执行时使用。敏捷执行指挥官，调度 agile-sprint-planning、agile-daily-sync、agile-review 子Skill执行。agile-review 已合并 retrospective-auto 的自动回顾能力。关键词：敏捷执行、Sprint规划、每日站会、Sprint评审、敏捷管理、Sprint复盘、迭代复盘、敏捷开发、复盘报告、自动回顾。
当需要自动化Sprint评审和复盘报告时使用。Sprint评审与复盘报告一体化，Step 1完成Sprint评审（产出清单整理、Demo准备清单、反馈收集分类、数据收集、问题识别、改进建议生成），Step 2生成完整复盘报告（Sprint目标达成分析、交付质量评估、团队速率趋势、改进行动项、下一Sprint建议），Step 3完成上线复盘（效果复盘、工程质量复盘、过程复盘、改进行动项生成）。关键词：Sprint Review、Sprint Retro、迭代评审、迭代回顾、敏捷复盘、评审会、复盘报告、Sprint复盘、改进行动项、做得怎么样、上线复盘、发布复盘、效果评估、持续改进。
| name | analysis-funnel |
| description | 当需要分析用户转化路径时使用。漏斗自动分析，AI自动执行全量漏斗计算、多维下钻、流失节点识别和趋势分析。关键词：漏斗分析、转化分析、流失节点、转化率、用户路径、用户在哪儿流失了、转化太低了、用户走不完流程。 |
| metadata | {"module":"产品度量运营","sub-module":"数据分析","type":"pipeline","version":"2.1","domain_tags":["电商","互联网","通用"],"trigger_examples":["注册流程转化率太低了，帮我分析一下","用户在哪个步骤流失最多","支付转化漏斗帮我看看"],"interaction_mode":"ai_auto"} |
🤖 AI自动执行（数据分析类）
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|---|---|---|---|
| 漏斗定义 | object | 是 | 用户提供 | 漏斗的步骤定义和事件配置 |
| 事件数据 | object | 是 | 用户提供 | 埋点事件数据 |
| 分群配置 | object | ○ | 用户提供 | 可选的用户分群维度 |
| 对比周期 | string | ○ | 用户提供 | 与哪段时间对比 |
| 类型 | 示例 |
|---|---|
| 转化漏斗 | 浏览→点击→加购→下单→支付 |
| 激活漏斗 | 注册→首次使用→完成新手引导 |
| 付费漏斗 | 曝光→点击→详情→支付→复购 |
| 搜索漏斗 | 搜索→结果页→详情页→加购 |
获取漏斗定义
├── 查询每个步骤的事件数据
├── 计算各步骤用户数
├── 计算步骤间转化率
└── 计算整体转化率
对漏斗进行多维度拆分分析：
| 维度 | 拆分项 |
|---|---|
| 平台 | iOS、Android、Web、小程序 |
| 渠道 | 自然流量、付费渠道、分享来源 |
| 用户类型 | 新用户/老用户、付费/免费、高价值/普通 |
| 版本 | 按App版本分组 |
| 地区 | 按国家/省份分组 |
| 时间 | 按小时/天/周分组 |
分析每个步骤的流失率
├── 找出流失率最高的步骤
├── 分析该步骤的流失用户特征
├── 关联流失前的用户行为
└── 识别流失原因假设
存储路径：output/pm-metrics-ops/analysis-funnel/
输出文件：funnel_analysis.json
输出Schema：
{
"type": "object",
"required": ["funnel_name", "steps", "overall_conversion"],
"properties": {
"funnel_name": {"type": "string", "description": "漏斗名称"},
"date_range": {"type": "object", "description": "分析时间范围，包含起止日期"},
"steps": {"type": "array", "description": "漏斗步骤数据，包含事件名、计数和转化率"},
"overall_conversion": {"type": "number", "description": "整体转化率"},
"vs_last_period": {"type": "object", "description": "与上期对比，包含变化趋势和关键步骤"},
"critical_drop": {"type": "object", "description": "关键流失分析，包含维度拆解和潜在原因"}
}
}
funnel_analysis:
analysis_time: "2024-01-15T10:00:00Z"
# 漏斗基本信息
funnel_name: "电商购买转化漏斗"
date_range:
start: "2024-01-08"
end: "2024-01-14"
# 漏斗步骤数据
steps:
- step: 1
name: "商品详情页浏览"
event: "product_view"
count: 500000
conversion_from_previous: 100.0 # 第一步为100%
- step: 2
name: "加入购物车"
event: "add_to_cart"
count: 80000
conversion_from_previous: 16.0
dropoff_from_previous: 420000
- step: 3
name: "发起结算"
event: "checkout_start"
count: 50000
conversion_from_previous: 62.5
dropoff_from_previous: 30000
- step: 4
name: "完成支付"
event: "purchase_complete"
count: 35000
conversion_from_previous: 70.0
dropoff_from_previous: 15000
# 整体转化率
overall_conversion: 7.0 # 从第一步到最终支付
# 与上期对比
vs_last_period:
change_pct: -5.2
trend: "declining"
significant_steps:
- step: 2 # 加购转化下降
change: -8.3
- step: 3 # 结算转化下降
change: -3.1
# 关键流失分析
critical_drop:
step: 1_to_2 # 从浏览到加购
dropoff_rate: 84.0 # 流失率
affected_users: 420000
dimension_breakdown:
platform:
iOS: 82.0
Android: 85.0
Web: 88.0
user_type:
new_users: 78.0
returning_users: 86.0
traffic_source:
search: 75.0
recommendation: 90.0
direct: 80.0
potential_causes:
- "商品价格高于用户预期"
- "详情页信息不够吸引"
- "推荐算法不够精准"
optimization_suggestions:
- "优化商品定价策略"
- "改进详情页设计和内容"
- "优化推荐算法，提升相关性"
# 详细报告链接
reports:
funnel_chart: "output/pm-metrics-ops/analysis-funnel/charts/funnel_purchase_20240114.png"
trend_chart: "output/pm-metrics-ops/analysis-funnel/charts/funnel_trend_20240114.png"
dimension_data: "output/pm-metrics-ops/analysis-funnel/data/funnel_dimensions_20240114.json"
# 平台维度分析
platform_breakdown:
ios:
step1_count: 200000
step4_count: 15000
conversion: 7.5
vs_avg: +0.5
android:
step1_count: 250000
step4_count: 16000
conversion: 6.4
vs_avg: -0.6
web:
step1_count: 50000
step4_count: 4000
conversion: 8.0
vs_avg: +1.0
# 用户类型维度分析
user_type_breakdown:
new_users:
conversion: 5.2
main_drop: "step_2_to_3" # 结算环节流失大
returning_users:
conversion: 9.8
main_drop: "step_1_to_2" # 加购环节流失大
# 漏斗配置示例
funnel_definitions:
- name: "purchase_conversion"
description: "电商购买转化漏斗"
steps:
- name: "商品详情页浏览"
event: "product_view"
conditions:
page_type: "product_detail"
- name: "加入购物车"
event: "add_to_cart"
- name: "发起结算"
event: "checkout_start"
- name: "完成支付"
event: "purchase_complete"
conditions:
payment_status: "success"
conversion_window: 7d # 7天内完成算转化
exclusion_events:
- event: "refund_complete"
window: 30d
| 字段路径 | 类型 | 必填 | 说明 |
|---|---|---|---|
| funnel_analysis | object | 是 | 漏斗分析根对象 |
| funnel_analysis.funnel_name | string | 是 | 漏斗名称 |
| funnel_analysis.date_range | object | 是 | 分析时间范围 |
| funnel_analysis.date_range.start | string | 是 | 开始日期 |
| funnel_analysis.date_range.end | string | 是 | 结束日期 |
| funnel_analysis.steps | array | 是 | 漏斗步骤数据，至少2步 |
| funnel_analysis.steps[].step | number | 是 | 步骤序号 |
| funnel_analysis.steps[].name | string | 是 | 步骤名称 |
| funnel_analysis.steps[].event | string | 是 | 事件名称 |
| funnel_analysis.steps[].count | number | 是 | 用户数 |
| funnel_analysis.steps[].conversion_from_previous | number | 是 | 步骤间转化率 |
| funnel_analysis.overall_conversion | number | 是 | 整体转化率 |
| funnel_analysis.vs_last_period | object | 是 | 与上期对比 |
| funnel_analysis.critical_drop | object | 是 | 关键流失分析 |
| funnel_analysis.critical_drop.step | string | 是 | 流失步骤 |
| funnel_analysis.critical_drop.dropoff_rate | number | 是 | 流失率 |
| funnel_analysis.critical_drop.potential_causes | array | 是 | 潜在原因列表 |
当上游输入发生变更时，本Skill的响应策略：
| 上游变更 | 影响范围 | 响应策略 |
|---|---|---|
| 漏斗定义变更 | 步骤配置和转化计算 | 重新执行全量漏斗计算，标记变更步骤 |
| 事件数据更新 | 转化率和流失分析 | 增量更新转化数据，重新评估流失节点 |
| 分群配置变更 | 多维下钻维度 | 更新下钻维度，重新执行分群分析 |
| 对比周期变更 | 环比同比对比 | 重新执行对比分析，更新趋势判断 |
当漏斗分析自身变更时，对下游的通知机制：
| 分析变更类型 | 通知范围 | 通知方式 |
|---|---|---|
| 关键步骤转化率下降>10% | decision-dace | 标记告警，触发洞察转化 |
| 流失节点变更 | data-analysis-report | 标记流失变更，触发报告更新 |
| 整体转化率趋势变化 | decision-dace | 标记趋势变化，触发DACE Analyze |
| 情况 | 处理方式 |
|---|---|
| 关键步骤转化率下降>10% | 触发告警，标记为优先优化项 |
| 整体转化率低于行业基准 | 生成全链路优化建议 |
| 新用户转化率显著低于老用户 | 建议优化新用户引导流程 |
| 多维度下钻发现显著差异 | 生成针对性优化方案 |
| 缺失范围 | 降级方案 | 输出影响 |
|---|---|---|
| 漏斗定义缺失 | 提示用户提供漏斗步骤和各步数据，直接计算转化率 | 漏斗步骤基于用户描述，可能不完整 |
| 事件数据缺失 | 用户提供漏斗步骤和各步数据 → 直接计算转化率 | 无法自动获取数据，依赖用户输入 |
| 漏斗定义 + 事件数据均缺失 | 用户提供漏斗步骤和各步数据 → 直接计算转化率 | 输出基础转化率计算结果，多维下钻标注"待补充" |
当上游文件缺失时，需用户提供以下信息以支撑降级生成：
| 指标 | 计算方式 | 健康范围 |
|---|---|---|
| 整体转化率 | 最终转化/进入用户 | 因业务而异 |
| 步骤转化率 | 下一步/当前步 | 因步骤而异 |
| 流失率 | 流失用户/上步用户 | < 50% 理想 |
| 漏斗效率 | 实际转化/理论最优 | > 60% 良好 |