Agent Skills
返回列表
简诗 AI 产品分析

简诗 AI 产品分析

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,在此 AI 助手中安装 @user_fccf428b/lumen。

技能介绍

它解决什么问题

增长分析里最常见的坏味道不是“看不到数据”,而是口径不在事件上:同一个「激活」可能代表注册成功,也可能代表首次创建项目;漏斗断点被归因为改动,却没人确认埋点是否还在;A/B 实验开始后才发现 MDE、样本量和运行时间没有事先约定。Lumen 把分析拆成一条可执行链:先澄清指标,再补齐事件,再诊断漏斗,再设计实验,最后回读现状。

技能如何工作

  • 指标体系:从北极星指标拆出输入指标,明确口径、owner 与触发事件。
  • 埋点规划:输出 event taxonomy、property schema、tracking plan,让每个行为都有归属。
  • 漏斗诊断:定位各层 drop-off,区分漏埋、体验问题与真实需求缺口。
  • A/B 实验:定义 hypothesis、metric、MDE、sample size 和 run time,避免上线后补规则。
  • 现状扫描:默认进入 lumen-recon,检查已有 event tracking、metric definitions 和 dashboards。

典型流程可用 recon 先盘点现状,再按缺口决定走 metrics、instrument、funnel 还是 abtest。这使排查顺序接近真实工程:先看现在有什么,再看缺什么,然后决定补数据还是做实验。

适用边界

它不替代数据仓库建模、实时流处理或报表平台,也不能替代业务判断。结论质量取决于真实事件数据、清晰的指标定义和足够上下文;隐性成本包括日志权限、埋点回归测试、实验分流一致性、指标口径评审。不要把它当成自动答案机,更适合作为产品分析决策层。

使用场景

  • 团队要推广核心指标体系,需要拆出北极星相关输入指标并落到事件
  • 产品上线前缺少埋点,需要将页面操作和属性整理成追踪计划
  • 注册到支付的转化明显下降,需要定位漏斗断点并区分漏埋或体验问题
  • 准备验证按钮样式改动,需要明确假设、指标、MDE、样本量和运行时间

适合人员

  • 负责产品增长的产品经理,需要通过明确事件口径与实验参数,验证新功能对转化的实际影响。
  • 初创技术团队的工程师,希望在没有成熟分析基建的情况下,快速搭建合规且可追踪的基础埋点。
  • 数据分析负责人,正面临各业务线指标定义混乱的现状,急需梳理一套统一标准的数据字典。
  • 负责应用数据分析的数据分析师,需要从杂乱的现有事件中找出并解决真正的漏斗断点问题。