메뉴
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。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
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。
当需要自动检测和归因指标异常时使用。自动化数据分析引擎，AI自动执行7×24小时运行，负责指标健康检查、异常检测、自动归因和洞察推送。当发现指标异常时输出完整的异常报告。关键词：异常检测、数据分析、自动归因、指标监控、异常报告、指标异常、数据异常、异常告警、数据出问题了、指标突然掉了、数据波动。
| name | activation-aha |
| description | 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。 |
| metadata | {"module":"产品增长与运营","sub-module":"激活","type":"pipeline","version":"2.1","domain_tags":["互联网","SaaS","通用"],"trigger_examples":["用户什么时候觉得产品好用","怎么找到aha moment","新用户多久能体验到核心价值"],"interaction_mode":"ai_suggest_human_approve"} |
🤖→👤 AI建议人类审批
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|---|---|---|---|
| 留存数据 | object | 是 | output/pm-metrics-ops/analysis-retention/retention_analysis.json | D1/D7/D30留存率 |
| 用户行为数据 | object | 是 | 用户提供 | 事件日志、行为序列 |
| 用户分群数据 | object | ○ | 用户提供 | 用户分群数据 |
Aha Moment是用户首次体验到产品核心价值的关键时刻。当用户完成这个行为后，他们更有可能长期留存并成为活跃用户。
Aha Moment = 特定行为 + 特定时间窗口 + 留存提升效果
扫描所有用户行为，寻找与留存高度相关的行为：
行为类型分类:
时间窗口分析:
相关性计算:
相关性 = 用户执行行为与留存的相关程度
提升 = 执行该行为用户的留存率 - 未执行用户的留存率
分析每个候选Aha Moment的实际到达情况：
| 指标 | 说明 |
|---|---|
| 总体到达率 | 到达该行为的用户占总注册用户的比例 |
| 时间分布 | 用户到达该行为的时间分布 |
| 路径分析 | 用户从注册到该行为的路径 |
| 流失节点 | 用户在到达该行为前的流失点 |
分析如何让用户最快到达Aha Moment：
基于Aha Moment分析，生成Onboarding优化建议：
存储路径：output/pm-growth/activation-aha/
输出文件：aha_moment.json
输出Schema：
{
"type": "object",
"required": ["candidates", "primary_aha"],
"properties": {
"candidates": {"type": "array", "description": "Aha Moment候选列表，包含行为、相关性、到达率和留存提升"},
"primary_aha": {"type": "object", "description": "主Aha Moment，包含行为、到达率、留存提升和置信度"},
"secondary_ahas": {"type": "array", "description": "次要Aha Moment列表"},
"onboarding_optimization": {"type": "object", "description": "Onboarding优化建议，包含目标行为和优化漏斗"}
}
}
aha_moment
{
"candidates": [
{
"behavior": "首次创建在线课程并发布",
"behavior_type": "action|feature_engagement",
"retention_lift": 0.35,
"correlation": 0.78,
"reach_rate": 0.45,
"time_to_aha": "注册后24小时",
"recommendation": "在Onboarding中引导用户使用课程模板快速创建首门课程"
}
],
"primary_aha": {
"behavior": "首次创建在线课程并发布",
"reach_rate": 0.45,
"retention_lift": 0.35,
"confidence": 0.92
},
"secondary_ahas": [
{
"behavior": "首次邀请学员加入课程",
"reach_rate": 0.25,
"retention_lift": 0.28
}
],
"onboarding_optimization": {
"target_behaviors": ["创建在线课程" // ... 同结构可扩展],
"current_funnel": {...},
"optimized_funnel": {...},
"expected_activation_lift": "15%"
}
}
候选Aha Moment分析:
1. "首次创建第一个项目"
- 相关性: 0.82
- 到达率: 35%
- 留存提升: +42%
- 建议: 优化项目创建流程，降低创建门槛
2. "首次分享内容给好友"
- 相关性: 0.65
- 到达率: 18%
- 留存提升: +28%
- 建议: 引导用户分享，增加分享激励
3. "首次使用核心分析功能"
- 相关性: 0.75
- 到达率: 25%
- 留存提升: +35%
- 建议: 在Onboarding中演示核心功能价值
| 字段路径 | 类型 | 必填 | 说明 |
|---|---|---|---|
| candidates | array | 是 | Aha Moment候选列表，至少1个候选 |
| candidates[].behavior | string | 是 | 行为描述，不可为空 |
| candidates[].correlation | number | 是 | 相关性系数，范围0-1 |
| candidates[].reach_rate | number | 是 | 到达率，范围0-1 |
| candidates[].retention_lift | number | 是 | 留存提升，须>0 |
| primary_aha | object | 是 | 主Aha Moment，须含behavior/reach_rate/retention_lift/confidence |
| primary_aha.confidence | number | 是 | 置信度，范围0-1 |
| secondary_ahas | array | 否 | 次要Aha Moment列表 |
| onboarding_optimization | object | 否 | Onboarding优化建议，须含target_behaviors |
| 情况 | 处理方式 |
|---|---|
| Aha候选相关性≥0.5且到达率≥10% | 列入优先验证列表 |
| 主Aha到达率<20% | 优化Onboarding引导路径 |
| 多个Aha候选指向不同分群 | 按分群设计差异化引导 |
| Aha行为与留存无因果关系 | 排除该候选，继续搜索 |
| 缺失的上游输入 | 降级方案 | 输出影响 |
|---|---|---|
| 留存数据缺失 | 用户提供用户行为列表 → 推断Aha Moment候选 | Aha Moment基于推断而非数据验证 |
| 行为数据缺失 | 用户提供用户行为列表 → 推断Aha Moment候选 | 无法进行行为-留存相关性分析 |
| 留存数据 + 行为数据均缺失 | 用户提供用户行为列表 → 推断Aha Moment候选 | 输出Aha Moment候选列表，标注"待数据验证" |
当上游文件缺失时，需用户提供以下信息以支撑降级生成：
| 上游来源 | 变更类型 | 影响范围 | 响应动作 |
|---|---|---|---|
| analysis-retention | 留存指标口径变更 | 相关性计算和留存提升评估 | 按新口径重新计算相关性和留存提升 |
| 用户提供-行为数据 | 事件定义变更 | 候选行为穷举和路径分析 | 更新行为分类，重新搜索候选 |
| 用户提供-分群数据 | 分群维度变更 | 分群级Aha Moment识别 | 按新维度重新识别分群Aha |
| 下游消费者 | 通知条件 | 通知方式 | 通知内容 |
|---|---|---|---|
| activation-onboarding | 主Aha Moment变更 | 写入输出文件 | 新的Aha行为、到达率和引导路径 |
| activation-orchestrator | Aha Moment识别完成 | 输出文件更新 | Aha识别完成状态和关键结论 |