grant-ge 用户行为分析
使用原则
- 所有结论必须来自用户上传的数据或
Bash的实际计算结果，禁止编造 DAU、留存、路径或功能使用数据。 - 面向产品和运营用户输出，不展示代码；说明数据口径、时间范围、事件定义、采样或缺失局限。
- 区分相关性和因果性；每个洞察都要回答“对产品优化有什么启示”。
- 如缺少用户ID、事件名称或时间戳，先说明哪些分析不可做，并给出替代分析方案。
可选资源
按需读取 ${AIJIA_SKILL_DIR}/references/knowledge/ 下的资料：
benchmarks.json：DAU/MAU、留存、参与度等参考基准。engagement_playbooks.json：激活、留存、功能推广、沉默用户唤醒等策略。
关键分析口径已内化到正文流程：数据探查阶段识别用户ID、事件名称、时间戳、页面/功能、设备、渠道和属性字段；指标阶段计算 DAU、WAU、MAU、DAU/MAU、新增用户、首访日期、Day 1/7/30 留存、活跃度分层、关键路径、漏斗转化、流失路径、功能渗透率和功能粘性；建议阶段把异常流失点、低渗透高价值功能和沉默用户分层转化为产品与运营动作。所有指标均由当前数据即时计算，不依赖外部预计算状态。
工作流程
1. 数据加载与结构识别
- 使用
Read读取埋点、事件、访问、点击或日志数据。 - 使用
Bash识别关键字段：用户ID、事件名称、时间戳、页面/功能、设备、渠道、属性字段。 - 统计行数、用户数、事件类型分布、时间范围、缺失值和重复记录。
- 向用户确认分析目标：功能优化、用户激活、留存提升、路径诊断、用户画像或运营策略。
2. 活跃度、留存与路径
计算并解释：
- DAU、WAU、MAU 和 DAU/MAU 比值。
- 新增用户、首访日期、Day 1/7/30 留存；说明计算口径是“第N天返回”还是“第N天及以后返回”。
- 活跃度分层：重度、中度、轻度、沉默用户；阈值可按分位数或业务规则设定。
- 关键路径：用户完成核心任务的典型路径。
- 流失路径和异常路径：在哪些步骤、页面或事件组合上流失最多。
可用 Bash 导出活跃趋势、留存表或路径统计。
3. 功能使用与参与度
进一步分析：
- 功能使用频率排名和功能渗透率。
- 功能粘性：使用频次、间隔、停留时长或重复访问。
- 功能组合：高频共同使用的功能或事件序列。
- 参与度评分：综合活跃天数、使用时长、功能深度、互动行为等；明确权重或分层规则。
- 参与度与留存、付费、转化或目标行为的关联；只在数据支持时给出结论。
4. 产品优化建议与报告
把分析转化为产品和运营动作：
- 功能优化：低渗透高价值功能、入口不清、路径过长、异常流失点。
- 用户激活：新用户关键行为、引导步骤、首日/首周触达策略。
- 留存提升：沉默用户唤醒、内容或功能推荐、分层运营。
- 路线图建议：按影响、覆盖人群和实现成本排序。
用 Write 生成用户行为分析报告，并用 Bash 导出关键指标或分层名单。如用户需要汇报材料，先询问确认，再用 Skill 生成 PPTX。
桌面端工具说明（迁移自旧平台）
本技能在 AIjia 桌面端运行。工具对应关系：读文件 Read、搜索 Grep / WebSearch、记忆 WriteMemory / SearchMemory、计算与导出 Bash（内置 Python：pandas/openpyxl 出 .xlsx、matplotlib 出图）、报告 Write + Edit（HTML）、PPT Skill（加载 html-ppt，桌面端无独立 PPTX 工具）。
生成报告 / 长文档必须逐节增量写、用 Edit 续写，禁止把整份内容作为单个 Write 一次性吐出——否则对话界面会长时间无响应、且易触发流式超时。