user-deep-dive

通过邮箱地址深入了解 PostHog 用户。分析他们的行为、常用页面，以及使用的产品。

输入：$ARGUMENTS（邮箱地址，例如 [email protected]）

流程

步骤 0：询问时间范围

运行任何查询之前，先询问用户：

“你想分析哪个时间范围？（默认：过去 14 天）”

如果用户没有回复或回复“默认”，则使用 14 天。根据用户的回答，在以下所有查询中设置 {days}。

---

步骤 1：并行运行查询

通过 query-run MCP 工具同时运行以下所有查询。

1. 活动概览 — 事件分类（排除 PostHog 内部事件）：

SELECT event, count() as cnt
FROM events
WHERE person.properties.email = '{email}'
  AND timestamp >= now() - interval {days} day
  AND event NOT IN (
    '$feature_flag_called',
    '$ai_span',
    '$ai_trace',
    '$autocapture',
    '$web_vitals',
    'react_framerate',
    'spinner_unloaded',
    'replay_parse_timing',
    '$dead_click'
  )
GROUP BY event
ORDER BY cnt DESC
LIMIT 30

2. 页面浏览量 — 他们常用的页面：

SELECT properties.$current_url as url, count() as cnt
FROM events
WHERE person.properties.email = '{email}'
  AND event = '$pageview'
  AND timestamp >= now() - interval {days} day
GROUP BY url
ORDER BY cnt DESC
LIMIT 25

3. 洞察详情 — 他们查看的洞察/仪表板：

SELECT properties.insight as insight_type, properties.insight_name as name, count() as views
FROM events
WHERE person.properties.email = '{email}'
  AND event = 'insight viewed'
  AND timestamp >= now() - interval {days} day
GROUP BY insight_type, name
ORDER BY views DESC
LIMIT 20

4. 会话回放浏览记录 — 他们观看过的回放：

SELECT
  properties.session_id as session_id,
  properties.$current_url as url,
  timestamp
FROM events
WHERE person.properties.email = '{email}'
  AND event = '$recording_viewed'
  AND timestamp >= now() - interval {days} day
ORDER BY timestamp DESC
LIMIT 20

5. 错误跟踪使用情况 — 他们如何在 PostHog 中使用错误跟踪：

SELECT event, properties.issue_id as issue_id, properties.issue_name as issue_name, count() as cnt
FROM events
WHERE person.properties.email = '{email}'
  AND event IN ('error tracking issue viewed', 'error tracking issue resolved', 'error tracking issue assigned', 'error tracking issue suppressed', 'error tracking list viewed')
  AND timestamp >= now() - interval {days} day
GROUP BY event, issue_id, issue_name
ORDER BY cnt DESC
LIMIT 20

6. PostHog AI 使用情况 — Max 和洞察分析的次数：

SELECT event, count() as cnt
FROM events
WHERE person.properties.email = '{email}'
  AND event IN ('$ai_generation', '$conversations_loaded', 'insight analyzed', 'chat with data opened')
  AND timestamp >= now() - interval {days} day
GROUP BY event
ORDER BY cnt DESC

7. 他们打开 Max 的位置 — 他们在哪些页面/上下文中使用 Max：

SELECT
  properties.$current_url as url,
  count() as cnt
FROM events
WHERE person.properties.email = '{email}'
  AND event = '$conversations_loaded'
  AND timestamp >= now() - interval {days} day
  AND properties.$current_url LIKE '%posthog.com/project%'
GROUP BY url
ORDER BY cnt DESC
LIMIT 20

步骤 2：与 Vitally 交叉核对

使用 Vitally 工具通过邮箱查找该用户，获取他们的职位、职称、账户名称以及可用的 CRM 数据。

---

输出格式

执行摘要

用 2–3 句话概述此人的身份、他们主要如何使用 PostHog，以及他们使用情况中最值得关注或最具行动价值的一点。写得像是在与该用户通话前向他人做简报。

---

个人资料

• 姓名、邮箱、职位/职称、LinkedIn（如有）
• 所在地（根据时区或地理位置数据）
• 所属账户

活动摘要（过去 {days} 天）

• 事件总数、主要事件类型
• 运行的查询数、查看的洞察数、检查的仪表板数、执行的导出数

常用页面

• 使用的 PostHog 项目（从 URL 中提取项目 ID）
• 使用的产品领域（分析、回放、标记、LLM 分析、数据管理、错误跟踪等）
• 反复查看的特定仪表板或洞察

他们在做什么

• 解读洞察名称和使用模式——他们在回答哪些业务问题？
• 他们是在构建内容（创建洞察、操作、目标位置），还是在查看内容（查看仪表板、导出）？
• 错误跟踪：他们是在积极处理错误（解决、分配、抑制），还是只是在浏览？

会话录制

• 直接链接到已筛选出该用户的 PostHog 会话回放： https://us.posthog.com/replay?filters={"type":"AND","values":[{"type":"AND","values":[{"key":"email","value":["{email}"],"operator":"exact","type":"person"}]}]}
• 总结他们观看的回放（查询 4）中的使用模式：涉及产品的哪些部分、观看时间有多近

PostHog AI 使用情况

• 他们打开 Max 的频率（$conversations_loaded 次数）以及调用 AI 的次数（$ai_generation 次数）？
• 他们是否使用洞察分析（insight analyzed）？
• 他们在哪里打开 Max？ — 总结查询 7 中的 URL。从每个 URL 中提取产品领域（例如，/dashboard/ →“仪表板”，/sql →“SQL 编辑器”，/insights/ →“洞察”，/persons/ →“用户档案”），并按次数列出最常见的上下文。这可以说明他们想获得哪些方面的帮助。
• 他们是否在查看 LLM Analytics？

外联切入点

• 根据他们的使用情况，为用户的外联建议 2–3 个开场话题
• 标记任何痛点（查询失败、愤怒点击、错误跟踪激增等）
• 指出他们尚未使用但可能相关的产品

---

重要事项

• 在运行任何查询之前，先询问时间范围。
• 使用 PostHog MCP 的 query-run 工具，而不是 curl。只有在 MCP 不可用时才回退到 curl。
• Vitally 的 lastSeenTimestamp 数据已过时，不要依赖它来判断活跃情况。始终使用 PostHog 事件数据。
• 并行运行所有 PostHog 查询，以节省时间。
• 如果 PostHog 返回 503（忙碌），稍等片刻，然后重试一次，再放弃该查询。
• 会话回放链接的筛选参数应使用用户的实际电子邮件地址。