$ loading_
用 Python 分析用户行为与漏斗路径，支持产品和营销优化
复制安装指令，让 AI 自动完成配置 · 推荐新手
"retentioneering-tools" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请基于这份点击流事件数据，分析主要用户路径、关键流失节点，并给出转化优化建议。
输出用户行为路径分析、流失节点定位，以及可执行的转化优化建议。
请分析这组 A/B 测试事件日志，对比不同版本的行为差异，并总结哪个版本表现更好。
输出版本对比结论、行为差异摘要，以及基于数据的判断依据。
请根据事件日志对用户进行行为分群，识别高价值、流失风险和活跃探索型人群。
输出分群结果、各类人群特征说明，以及后续运营或产品动作建议。
产品经理或数据分析师可用它分析点击流、事件日志和客户旅程，找出关键流失环节并优化转化路径。
市场团队可基于营销分析、Web 分析和交易分析理解用户行为，判断不同渠道或活动带来的效果差异。
研究员或分析师可借助流程挖掘和图可视化能力，查看复杂行为流程结构并识别异常或瓶颈。
它用于产品分析和行为分析，涵盖点击流、事件日志、A/B 测试、客户旅程优化、流程挖掘、图可视化和行为分群等场景。
最相关的是数据分析师、产品经理和市场人员。凡是需要基于用户行为数据做分析和优化的人都可能用到它。
给定信息只明确提到它基于 Python。更具体的安装方式、依赖和配置要求见源码仓库。
帮助 AI 代理实时查询网站流量、漏斗、营收并管理站点。
让 AI 代理查询流量、营收、漏斗、留存、错误与搜索分析数据
通过 Rube MCP 自动执行 Retently 客户反馈与调研相关任务，提升运营效率。
帮助你复盘产品指标趋势，定位异常并给出可执行改进建议。
用自然语言结合 SQL 与检索推理，快速回答零售分析问题并生成洞察。
让 AI 自动查询和分析 GA4 数据，快速获取流量与用户洞察。