mcpField
P
product-analytics

product-analytics

github.com/alirezarezvani数据与数据库28.9k688 次安装2 天前更新
代码仓库

关于 product-analytics

面向产品团队的产品分析技能，涵盖指标框架选择、分阶段 KPI、仪表盘设计和群组分析，并附带用于分析 CSV 留存、群组及漏斗数据的命令行工具。

主要功能

  1. 01产品阶段指标框架
  2. 02分阶段 KPI 指引
  3. 03分层仪表盘设计
  4. 04群组与留存分析
  5. 05CSV 指标分析命令行工具

适用场景

  1. 01为产品选择指标框架
  2. 02制定适合阶段的 KPI
  3. 03查看群组留存趋势
  4. 04分析 CSV 漏斗数据

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/alirezarezvani/claude-skills --skill product-analytics

安装后在 Claude Code 中输入/product-analytics确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
dashboard-templates.md
metrics-frameworks.md
scripts/
metrics_calculator.py

详细介绍

产品分析

在探索、增长和成熟等产品阶段中定义、追踪并解读产品指标。

适用场景

在以下场景使用本技能:

  • 指标框架选择(AARRR、North Star、HEART)
  • 按产品阶段定义 KPI(PMF 前、增长期、成熟期)
  • 仪表盘设计与指标层级
  • 队列与留存分析
  • 功能采用率与漏斗解读

工作流程

  1. 选择指标框架
  • AARRR:适用于增长闭环与漏斗可视化
  • North Star:适用于跨职能的战略对齐
  • HEART:适用于 UX 质量与用户体验度量
  1. 定义与阶段匹配的 KPI
  • PMF 前:激活、早期留存、定性成功指标
  • 增长期:获客效率、扩展、转化速度
  • 成熟期:留存深度、收入质量、运营效率
  1. 设计仪表盘分层
  • 管理层:5-7 个方向性指标
  • 产品健康层:获客、激活、留存、参与度
  • 功能层:采用率、使用深度、重复使用、结果相关性
  1. 开展队列与留存分析
  • 按注册队列或功能曝光队列进行分群
  • 比较留存曲线,而非单点快照
  • 识别围绕新手引导与首次价值时刻的拐点
  1. 解读并行动
  • 将指标变化与产品改动及发布时间线关联
  • 结合环比与同比背景,区分信号与噪声
  • 针对每个主要指标风险或机会,提出一个明确的产品行动

分阶段 KPI 指南

PMF 前
  • 激活率
  • 第 1 周留存
  • 首次价值耗时
  • 问题-解决方案匹配度访谈评分
增长期
  • 分阶段漏斗转化率
  • 月留存用户数
  • 新队列的功能采用率
  • 扩展 / 升级的代理指标
成熟期
  • 与净收入留存对齐的产品指标
  • 高价值用户占比与使用深度
  • 分群的流失风险指标
  • 可靠性与支持分流类产品指标

仪表盘设计原则

  • 展示趋势,而非孤立的点估计值。
  • 每个 KPI 只保留一个负责人。
  • 为每个 KPI 配套目标值、阈值与决策规则。
  • 默认使用队列与分群筛选器。
  • 优先使用可比的时间窗口(周对周、月对月)。

参见:

  • references/metrics-frameworks.md
  • references/dashboard-templates.md

队列分析方法

  1. 定义队列锚点事件(注册、激活、首次购买)。
  2. 定义留存行为(活跃日、关键动作、重复会话)。
  3. 按队列周/月及年龄周期构建留存矩阵。
  4. 比较各队列之间的曲线形态。
  5. 标记早期流失节点并排查用户路径中的阻力。

留存曲线解读

  • 早期急剧下降、低位平台期:新手引导与用户需求不匹配,或初始价值较弱。
  • 中等程度下降、平稳平台期:核心受众健康,流失可预测。
  • 在低位趋于平缓:产品仅被偶尔使用,需重新审视价值指标。
  • 新队列表现逐步改善:新手引导或定位优化正在奏效。

反模式

反模式修正方法
虚荣指标——追踪页面浏览量或注册总数,缺少激活背景获客指标务必与激活率和留存配套查看
单点留存——报告"30 日留存率为 20%"比较各队列的留存曲线,而非孤立快照
仪表盘过载——单屏展示 30 个以上指标管理层:5-7 个指标。功能层:仅按功能单独展示
缺少决策规则——追踪 KPI 却没有阈值或行动计划每个 KPI 都需具备:目标值、阈值、负责人,以及"若低于 X,则执行 Y"
跨分群取平均——报告混合指标,掩盖分群差异务必按队列、套餐层级、渠道或地域分群
忽视季节性——未经调整即比较本周与上周使用环比,并结合去年同期背景进行同比参照

工具

scripts/metrics_calculator.py

用于从 CSV 数据进行留存、同期群和漏斗分析的命令行工具。支持文本和 JSON 输出。

# Retention analysis
python3 scripts/metrics_calculator.py retention events.csv
python3 scripts/metrics_calculator.py retention events.csv --format json

# Cohort matrix
python3 scripts/metrics_calculator.py cohort events.csv --cohort-grain month
python3 scripts/metrics_calculator.py cohort events.csv --cohort-grain week --format json

# Funnel conversion
python3 scripts/metrics_calculator.py funnel funnel.csv --stages visit,signup,activate,pay
python3 scripts/metrics_calculator.py funnel funnel.csv --stages visit,signup,activate,pay --format json

留存/同期群的 CSV 格式：

user_id,cohort_date,activity_date
u001,2026-01-01,2026-01-01
u001,2026-01-01,2026-01-03
u002,2026-01-02,2026-01-02

漏斗的 CSV 格式：

user_id,stage
u001,visit
u001,signup
u001,activate
u002,visit
u002,signup

交叉引用

  • 相关：product-team/experiment-designer —— 在识别指标机会之后，用于规划 A/B 测试
  • 相关：product-team/product-manager-toolkit —— 用于对指标驱动的功能进行 RICE 优先级排序
  • 相关：product-team/product-discovery —— 当指标揭示未知因素时，用于假设映射
  • 相关：finance/saas-metrics-coach —— 用于 SaaS 专属指标（ARR、MRR、流失率、LTV）

评论

支持 Markdown