You need to enable JavaScript to run this app.
增长分析 DataFinder

增长分析 DataFinder

请输入
  • 文档首页
    • 增长分析 DataFinder数据分析与治理用户研究 Agent（Beta）
复制全文
我的收藏
数据分析与治理
用户研究 Agent（Beta）
复制全文
我的收藏
用户研究 Agent（Beta）

DataFinder 的 AI 分析空间功能可通过大模型对行为流的深度理解，汇总抽样人群的特征，实现对特定人群的行为特征挖掘。本文为您介绍用户研究 Agent的功能能力和操作指导。

应用场景

用户研究 Agent主要用于分析某特定人群的行为特征，主要适用于对特定人群进行找特征、看路径、挖线索的业务场景。在经典用户行为分析下钻场景和强依赖行为序列的场景下的典型应用场景如下。

经典用户行为分析下钻场景

强依赖行为序列的场景

  • 功能效果评估与优化（新功能上线/AI创新功能孵化）
    • 理论上用户应按特定顺序使用模块，但实际动线可能不符预期？
    • 用户操作是迫不得已还是出于习惯？不清楚功能的串联和操作顺序是否合理？
  • 活动效果优化（裂变/激励/开卡）
    • 某阶段漏斗偏大/小，想快捷查看用户在活动内前后的行为，找出漏斗异常的原因。
    • 用户在页面展示大额裂变活动前后的动线，深度发掘用户不选择活动分享的原因。
  • 指标异动归因（含实验）
    • 热点爆发时期或新功能上线前后，指标常出现突增或突降情况，在排除技术和埋点故障后，需从用户行为入手分析原因？
  • 不同用户在广告行为上的异常分析（异常用户归因）
    • 分析不同特征用户在广告行为上的差异，找到有异常广告行为的用户，分析其行为特征并进行优化以回收收益。
  • 用户意图分析/算法优化（搜索、推荐、退出等）
    • 用户发起搜索的动机是什么？特别是因对首页视频垂类分布不满意而发起搜索的情况。
  • 新用户承接（冷启动分析）
    • 用户首次激活后不再活跃，且无转卖激活痕迹，用户首日使用有负向行为感受？
  • 风险行为分析
    • 直播达人动线、商户地理位置及发货收货等信息中可能存在风险点？
    • 用户是否发生了刷单、灰黑产等风险行为？
  • 体验与性能问题发现&归因
    • 在海量用户使用 APP 行为及性能指标的行为流数据中，找出有共性的性能问题。
  • 客诉问题排查/归因
    • 团队正在做 AI 助手，收到用户对推荐不满的反馈？
    • 用户反馈投屏失败、播放异常等问题？

注意事项
  • 当前用户研究 Agent功能为Beta版本，正在邀测阶段，如果您希望使用此功能，可联系技术支持人员申请邀测试用权限。
  • 如果已申请开通邀测试用，使用时仍然提示无法使用“用户研究 Agent”，请联系您的项目管理员开通功能权限。

前提条件
  • 创建好用户分群。
    由于AI 分析空间主要用于分析某特定人群的行为特征，因此在使用之前，您需要先创建好待分析的用户分群，操作详情请参见用户分群。
  • 创建用户角色并赋予用户研究 Agent功能权限。
    由于用户研究 Agent功能为新增的Beta功能，历史用户角色默认无功能操作权限，如果希望项目中用户可以使用用户研究 Agent功能，需要项目管理创建一个新的用户角色并赋予用户研究 Agent功能权限，以SaaS云原生环境为例，操作详情请参见细粒度权限管控：DataFinder角色管理。

    说明

    当前暂不支持直接对历史角色直接添加用户研究 Agent的操作权限。

    Image

用户研究 Agent 入口

登录并进入DataFinder控制台后，单击顶部导航 用户研究 Agent 即可进入。
Image

AI 群体研究

输入分析目标

您可以在提问输入框找那个输入分析目标，阐述人群分析的背景、目的。您的输入越明确、关联的知识越丰富，得到的分析结果也会越准确。因此在此阶段，建议您在输入分析目标时：

  • 可同步输入相关的业务知识。
  • 可结合人群圈选逻辑来明确分析的问题、定义明确待分析的人群。

以下为您提供两个简单的输入示例：

细分

输入示例

相关操作

初级版

输入时明确待分析的人群。

当前用户是的用户，要分析的是用户开户环节存在的体验问题：
本次选择的是*发起开户流程，但未能在当日未完成开户的人群***。
请分析用户中断开户的原因，同时深挖找出用户动线上可能存在的其他体验问题和线索。

更多示例请参见下文使用示例中的 提问题&定义人群章节。

结合已创建的人群圈选逻辑，创建人群的操作请参见用户分群。

进阶版

如果您的业务逻辑比较复杂，我们建议在分析目标中添加业务知识，帮助大模型更好的理解用户行为场景。输入文本示例：

当前用户是*的用户，要分析的是用户开户环节存在的体验问题：
本次选择的是*发起开户流程，但未能在当日未完成开户的人群**。
请分析用户中断开户的原因，同时深挖找出用户动线上可能存在的其他体验问题和线索。
开户环节补充说明：

  • 开户操作提示主要出现在三个位置(对应属性名称*，属性值=center/ front/ banner)*
  • 关注用户是否领取开户福利，对开户成功率是否有影响
  • 开户流程包含上传身份证、视频认证、绑定常用银行卡、风险测评几个环节
  • 如果用户连续操作，通常10-15分钟可完成

更多示例请参见下文使用示例中的 补充业务背景信息章节。

可添加相关的业务知识。当前支持：

  • 直接在输入分析目标时补充输入业务知识。
    Image
    • 支持随输入分析目标直接补充。
    • 支持在输入框中上传业务知识文件。当前支持上传.csv、.doc、.docx格式的文件。
  • 支持在 项目中心 > AI配置 > 业务知识中直接上传后，在此处提问时关联此知识。建议通用的、大业务背景的知识采用此种方式进行关联，详情请参见AI能力配置：业务知识。

配置任务详情

  1. 完成分析目标输入后，单击“发送”按钮，页面跳转至分析任务详情的配置页面。在此页面，您可以配置当前分析需关注的埋点、无需关注的埋点等，帮助大模型聚焦分析的范围、减少幻觉。
    Image
    配置要点如下。

    参数

    配置说明

    时间范围

    配置待分析人群在哪个时间范围的行为数据，默认为昨天。分析的时间范围不得超过24小时，建议与分群圈选的时间范围一致。

    用户分群

    建议所有任务均选择特定分群，否则系统将随机抽取100个用户参与计算，导致洞察结果没有针对性，当前仅支持单选。

    关键埋点

    选择本次分析的用户关键行为埋点，支持选择虚拟事件。配置完成后，DataFinder在后续智能分析过程中，将自动筛选出包含该埋点的完整会话记录，并聚焦这些会话的上下文进行分析。
    例如，分析用户注册流程时，建议勾选用户基本信息填写、信息提交等注册行为关键事件。

    事件筛选

    可配置包含/不包含事件范围，例如测试埋点可屏蔽掉。

  2. 配置结果调试。
    完成任务详情配置后，您可以单击“调试模式”按钮，调试当前配置的结果。调试时，DataFinder会最多抽样3个用户的行为流分析，验证大模型的推理思路，调试提示词后发起离线任务输出最终报告。

  3. 完成调试后，您可单击“开始分析”，对所指定的人群进行分析。开始智能分析后，DataFinder会在圈选出的人群中随机抽样100人进行分析。
    通常开始分析后，在1~2h左右会生成分析报告，分析报告生成后会有弹窗提示，您可继续查看详细的查询报告。

获取并解读分析报告

完成报告生成后，您可查看并解读分析结果报告。
Image
报告主要由两部分组成

  • 分析总结：原因、对应的现象描述、关键证据。
  • 影响面：由此原因导致的会话和用户数，一个用户可能有多次会话。

AI 行为研究

配置分析任务：分群探查

您可以在“分群探查”页面中选择已圈选好的用户分群，并参考以下任务配置参数说明完成分析任务的配置，完成后单击“发送”按钮，开始进行群体洞察分析。
Image

参数

配置说明

用户分群 & 随机抽取

  • 在“用户分群”的下拉框中选择已创建好的、待分析的用户分群。
  • 在“随机抽取”配置框中设置从已选择的用户分群中，随机抽取用于分析洞察的人数。当前最多支持随机抽取100个用户。

探查时间

  • 配置基于待分析用户在哪个时间范围的行为数据进行用户深度洞察分析。
  • 默认为昨天；探查时间不可超过7天。

问题描述

  • 在问题描述输入框中输入需要洞察分析的任务详细描述，建议输入详尽的分析背景、分析洞察目标、分析要求、必要的提示信息（如必要的业务背景知识、可以尝试的分析思路）等，以保证大模型对业务的理解深度。

  • 在问题描述输入框的最上方，支持通过事件来进一步过滤需要分析的用户行为数据范围，例如基于事件来进一步明确待分析的用户会话范围、需要洞察分析的埋点事件等。

  • 问题描述格式基本为Markdown格式，支持通过“##”进行内容模块分隔，示例如下。

    ## 背景：
这些用户是在xxAPP中爱看影视综、明星内容的普通学历宝妈，在xxAPP有活跃过，但是在xxx视频播放器APP播放很少的视频，或者没有播放过任何视频

## 任务：
推理用户在xxx视频播放器APP播放较少视频或不播放任何视频的原因

## 要求：
如果用户在xxx视频播放器APP内有主动表达的行为，比如搜索、投稿、拍摄、发评论、回复评论等，需要特别指出

## 提示：
1.可以从xxAPP内容消费兴趣偏好 与 xxx视频播放器APP内容推荐的关联度角度分析，展示内容是否是用户可能喜欢的
2.可以从拉新素材承接的角度考虑，展现的内容与用户的拉新素材是否无关
3.可以从相似内容展现集中的角度考虑，是否展现相似画风和类型的内容较频繁，用户多次产生快速滑动不播放的情况？
4.可以从搜索行为的角度考虑，是否用户有搜索行为，但是没有找到满意的结果

  • 您也可以单击页面下方的提问模板，基于提问模板进行修改，快速输入问题描述。

配置分析任务：个体探查

您可以在页面中参考以下任务配置参数说明完成分析任务的配置，完成后单击“发送”按钮，开始进行洞察分析。
Image

参数

配置说明

洞察用户

  • 您可以在洞察用户输入框中输入待分析洞察的用户UID。
  • 支持同时输入多个用户：

    • 有多个用户时，多个用户换行分隔。

    • 指定多个用户时，如果需要探查的各个用户的日期不一致，您可以在用户UID后补充各用户需探查的时间日期范围，使用此种方式时，下方探查日期选择框的配置结果不生效。
      示例如下：

      107103****1,20251015,20251015
107103****2,20251014,20251014

      其中，107103****1为用户UID，20251015,20251015为指定的探查日期范围，为2025年10月15日。

探查时间

  • 配置基于待分析用户在哪个时间范围的行为数据进行用户深度洞察分析。
  • 默认为昨天；探查时间不可超过7天。

问题描述

  • 在问题描述输入框中输入需要洞察分析的任务详细描述，建议输入详尽的分析背景、分析洞察目标、分析要求、必要的提示信息（如必要的业务背景知识、可以尝试的分析思路）等，以保证大模型对业务的理解深度。

  • 在问题描述输入框的最上方，支持通过事件来进一步过滤需要分析的用户行为数据范围，例如基于事件来进一步明确待分析的用户会话范围、需要洞察分析的埋点事件等。

  • 问题描述格式基本为Markdown格式，支持通过“##”进行内容模块分隔，示例如下。

    ## 背景：
这些用户是在xxAPP中爱看影视综、明星内容的普通学历宝妈，在xxAPP有活跃过，但是在xxx视频播放器APP播放很少的视频，或者没有播放过任何视频

## 任务：
推理用户在xxx视频播放器APP播放较少视频或不播放任何视频的原因

## 要求：
如果用户在xxx视频播放器APP内有主动表达的行为，比如搜索、投稿、拍摄、发评论、回复评论等，需要特别指出

## 提示：
1.可以从xxAPP内容消费兴趣偏好 与 xxx视频播放器APP内容推荐的关联度角度分析，展示内容是否是用户可能喜欢的
2.可以从拉新素材承接的角度考虑，展现的内容与用户的拉新素材是否无关
3.可以从相似内容展现集中的角度考虑，是否展现相似画风和类型的内容较频繁，用户多次产生快速滑动不播放的情况？
4.可以从搜索行为的角度考虑，是否用户有搜索行为，但是没有找到满意的结果

  • 您也可以单击页面下方的提问模板，基于提问模板进行修改，快速输入问题描述。

查看任务进度

提交分析任务后，您可以在页面中查看各个用户的洞察分析进度。
Image

  • 每个用户的洞察分析主要分为：画像分析、日志增强、行为洞察这三个细分分析任务，您可以在页面左上角的“任务进度”处快速查看细分任务的分析进度，完成任务分析后，对应细分任务的状态会变为绿色“√”的状态。
  • 当所有细分任务均完成后，当前用户的整体洞察分析任务即也完成，在最左侧的导航栏中对应用户的洞察分析状态会变为绿色“√”的状态，您可以切换查看各个用户的任务进度状态。

查看分析结果

画像分析结果

AI 行为研究基于DataFinder采集到的用户行为数据、用户属性数据，可通过模型能力分析总结用户画像，包括用户标识和行为特性、用户兴趣等画像结论。
Image

说明

为得到更为准确、详细的用户画像分析结论，建议您可以将一下用户标签等可辅助分析的用户画像数据上报为DataFinder的用户属性数据，以提高画像分析结果的可靠性。

日志增强结果

您可以在日志增强页面查看当前用户洞察分析过程中的核心会话链路，包括核心会话列表、各会话中的关键行为链路。

说明

日志增强功能可将冗杂、难理解的用户行为日志进一步增强总结为语义化的、精炼的用户行为流描述，一方面可大大减少模型分析过程中的上下文长度，另一方面可提高模型对用户行为数据的理解力，从而提升洞察分析结论的效率和准确性。

Image

  • 您可以单击顶部的“动线”页面，即可通过可视化的用户行为链路图便捷的查看到各个核心会话中用户的行为链路。
  • 您可以在页面右侧的序列详情中查看对应会话的关键事件列表、事件属性详情。

行为洞察结果与下钻分析

您可以查看各个洞察分析结论及其论据；并支持下钻查看论据中的详细会话和行为流详情。
Image

追问与重新分析

Image

  • 如果您对分析结果有疑问，或者针对该用户有其他待分析的问题，您可以在页面下方的问题输入框中进行追问。追问时，模型会基于已得出的画像分析结果、日志增强结果，为您回答追问的问题。
  • 您也可以单击右上角的“重新分析”按钮，对当前分析任务进行重新分析。

总结群体特征

如果您在完成多个个体用户的洞察分析后，希望对这些用户群体进行汇总分析，您可单击页面上方的“汇总报告”，AI 行为研究会为您汇总分析当前所有指定用户、并生成对应指定人群的群体特征生成汇总报告。
Image
汇总报告中会为您展示核心的洞察与发现的点，并给出汇总后的综合结论。

使用示例

分析案例

case1：广告点击率低原因分析

分析目标：当前行为流对应一个***app的用户，该用户在app阅读（中插）广告展现时间长但基本不做点击，请帮我分析挖掘用户阅读路径中存在的体验问题，你可以使用知识中的高活跃人群的特征进行行为差异对比，挖掘有价值的线索。

case2：中老年用户使用特征分析

分析目标：针对在**APP中进入阅读前自选书籍推荐年龄在50岁以上的用户(即中老年阅读用户)，深度挖掘其在使用过程中的各类潜在问题。分析过程中不要对用户行为流做浅显的表面陈述，而是着重探究异常动线或非典型行为背后的深层原因。通过发散性思考，尽可能发现更多场景下用户可能遇到的隐性障碍、体验短板和未被察觉的痛点，挖掘人工review和行为流数据本身难以直接发现的优化线索，为产品体验的持续提升提供更具洞察力和前瞻性的建议。

提示词模板

提问题&定义人群

说明

笼统的问题就会得到笼统的回答。
如果我们希望可以挖掘出比较明确的问题，建议有比较明确的分析目标，并结合人群圈选逻辑明确输入。

  • 指标异常的人群

常见来源于看板、事件分析、留存分析、转化分析、转化分析等Finder现有工具，用于解决业务指标异常的归因，发现优化的线索。

参考示例：
当前行为流对应一个「APP名称」的用户，并且发生过「xxxx(事件名称)」，请你帮我判断这类用户存在哪些体验和动线上的问题。

  1. 转化类：如参与了任务，那么有什么更好的交互设计来促进用户持续参与？
  2. 流失类：如未参与任务，则分析原因和可能存在的动线问题。

需要你从用户的视角出发，给出对应的分析和建议。

  • 行为特征矛盾的人群

常见来源于业务经验的定义，可同步选定输入业务预期“正常”的用户群体，对比发现异常特征。

参考示例：
当前行为流对应一个「APP名称」下的用户，该用户在「xxxx(事件名称)」时发生了「xxxxx（矛盾行为）」，请帮我分析挖掘用户「xxxx(业务场景)」中存在的体验问题，你可以使用知识中「xxxxx（标准行为特征的用户）」的进行行为差异对比，挖掘有价值的线索。

  • 完成关键行为的人群

探索性分析，可支持用户研究、算法调优等专项性场景，用于总结行为之间的关系。

参考示例：
当前行为流对应「APP名称」的一个用户，发生过「xxxx(事件名称) + 属性条件」行为，请你结合提供给你的行为流，找出用户「xxxx(事件名称)」前的关键促成因素，即在什么条件下(用户动线或设备性能影响)用户后续的链路就会「xxxx(用户分群中的事件名称)」。

补充业务背景信息

  1. 历史经验（推荐）：Finder历史服务过的业务中，发现大模型通识可能在行为理解场景需要补充的关键逻辑。

参考示例：

  • 提供的会话可能会经过切割(@XofY的形式),不要去分析钱包等其他页面的内容,我需要你更聚焦的分析
  • 优先关注用户的主动行为，减少对被动行为或被动埋点数据的依赖
  • 在报告中，埋点事件的属性必须和埋点名称一起出现，单独的属性信息无法证实结论
  1. 业务形态（推荐）：可以摘选自prd等文档，描述业务场景的基本逻辑。补充指标参考标准。

参考示例：

  • 章节之间的插播广告通常采用视频卡形式。用户点击视频卡任意位置即可进入广告页面，该广告页面无关闭按钮。一般情况下，用户会选择翻页继续正常浏览内容。广告的展示时机不固定，是否为强制时长广告以及强制时长的具体时间均不固定。点击广告后，广告播放时间计入强制时长。
  • 当前大盘用户广告pv点击率～X% ；其中banner广告pv点击率～X%；章节广告pv点击率～Y%,用户点击广告后中位停留时长～XXX秒 ，点击banner广告中位停留时长～XXX秒，点击章前广告后中位停留时长～XXX秒，点击章间广告后中位停留时长～XXX秒
  • 激励类型广告需要播放超过规定时长后获得奖励，一般时长～XXX秒
  • 广告的主要类型为直播广告
  1. 埋点信息（可选）：如果目前元数据侧的信息填充过少，或首次分析后判断大模型对埋点理解有误，可以补充埋点文档的关键信息。

参考示例：

  • XXX事件标识了是否在银行专区,其属性值为XXXXXX
  • 参数position xy坐标抽原点位置在屏幕左上侧，向下y越大，向右x越大，x,y取值范围在0-1
  1. 页面信息（可选）：如果页面有限，且需要关注具体页面的具体设计，可以将具体页面提供任一外部支持图片理解的模型（如：豆包）转化成语义输入。

参考示例：
活动页面专区描述:银行卡活动页面采用纵向滚动布局，整体风格以粉红渐变为主，顶部为一张横幅式活动宣传图，包含主题图标与银行卡插画，用于强调当前的支付优惠活动。横幅下方是一个居中的银行名称展示区域，左侧为银行标志，右侧提供活动规则入口。再往下是具体优惠内容展示区，整体以白底卡片形式排布，分为“首次绑卡奖励”和“支付立减”两大模块。每个模块内部由多张卡片组成，卡片左侧为大字号金额，用于强调优惠额度，右侧为上下排列的文字区域，上方显示优惠说明，下方标注适用对象或条件，最右侧配有醒目的粉红色操作按钮，用于领取或使用。页面最底部有[查看全部银行优惠]跳转字样,避免用户对当前银行专区展示的相应银行的活动不感兴趣。

  1. 核心路径（可选）：如希望大模型关注路径上的差异，可以直接输入目前核心的流程设计。

参考示例：
为了给APP引流，因此在 APP通过一些含有机位信息的视频/图文做引流，用户点击APP的视频/图文下方的【对应属性值】小组件即可跳转中间展示页（说明事件名称）；
中间展示页包含机位信息、机位步行引导、拍摄技巧等模块，同时会引导用户【下载app（对应事件名称）】，点击中间页其他内容会弹窗引导用户【下载XXX（对应属性名称=属性值）】。

最近更新时间：2025.11.10 15:41:58
这个页面对您有帮助吗？
有用
有用
无用
无用