retentioneering/retentioneering-tools

解决的问题

Retentioneering 通过分析事件日志，帮助分析师和产品经理了解用户行为。它解决了识别用户卡在产品何处、成功用户旅程与失败旅程的差异，以及不同用户群体或时间段中出现的行为模式等问题。

运作方式

此库使用 Eventstream 类来处理事件级数据（仅需用户/会话 ID、事件名称和时间戳）。它提供一系列数据处理器来过滤和分段旅程，以及一套交互式小部件来可视化这些路径。它可以分析传统的用户旅程，以及非人类序列，例如 AI 代理的工具调用和重试。

适用对象

专为能访问事件日志（来自 GA4、Amplitude 或 Mixpanel 等平台）的数据分析师、产品经理和开发人员设计，他们希望进行超越简单漏斗指标的深度行为分析。

重点特色

• 交互式可视化：包含转换图、步骤矩阵、桑基图和漏斗图。
• 行为聚类：根据行为指标，使用轮廓评分自动将用户或会话分组。
• 差异模式：允许直接比较两个不同区段之间的路径概率（例如，移动端 vs. 桌面，或成功 vs. 失败的执行）。
• 路径模式匹配：使用类似正则表达式的模式来筛选特定的动作序列。
• 代理分析：能够分析 AI 代理的执行轨迹，以识别循环、错误和恢复模式。