iT邦幫忙

2026 iThome 鐵人賽

DAY 18
0
Claude AI

今晚來點 Claude Skills:產品開發者的 AI 工作流系列 第 18 篇

Day 18 - 用 Claude Code 讀懂產品數據,但先固定口徑

  • 分享至 

  • xImage
  •  

Day 18 - 用 Claude Code 讀懂產品數據,但先固定口徑

Day 18 封面:先定義,再分析

如何讓數據分析得出真正可靠的產品結論?

把一堆數字直接丟給電腦計算,只會得到隨機的猜測。

大家排隊量身高時,每個人都要脫掉鞋子、背貼牆壁,量出來的數字才有意義。數據口徑就是這把共同的測量尺,意思是團隊說好用同一個規則去計算,明確規定誰算數、在什麼時間內完成什麼動作。

核心概念拆解

要讓分析結果精準有用,必須先拆解三個關鍵要素:

① 分析對象(Cohort):特定觀察期間內首次加入工作區的新成員集合。
② 時間窗口(Time Window):每位成員自加入當刻起算的 7×24 小時整。
③ 封閉漏斗(Closed Funnel):要求成員依序觸發事件的轉換模型,每一步驟只計算達成前一步驟的對象。

方案與權衡

  • 方案 A:單頁文字規格卡。簡單有效,適合在專案起步與團隊討論時迅速取得共識。

  • 方案 B:資料字典代碼化與自動檢核。高效有用,適合在長期追蹤與大型資料庫串接時保持標準一致。

執行規則

定義數據分析任務時,請嚴格執行以下三個步驟:

① 鎖定商業目標與分析單位:寫下具體的產品改進問題,鎖定經過去重後的單一成員加入紀錄。
② 建立明確的事件字典:定義每個關鍵互動的觸發條件、回傳參數與計算位置。
③ 列出完整的分子與分母:標記各步驟的轉換計算式,維持步驟間的依序包含關係。

結構化示範

以下為 FlowBoard 新成員啟用的教學用模擬定義規格卡:

數據分析任務定義卡片

① 商業問題:觀察新成員在各步驟的留存狀況,對比新版週與基準週的描述性結果。
② 分析單位:去重後的「成員 × 工作區加入紀錄」。
③ 納入群體:指定觀察週內首次加入該工作區的新成員。
④ 時間窗口:每位成員自加入當刻起算的 7×24 小時整。
⑤ 漏斗路徑:邀請送達 ➔ 接受邀請 ➔ 進入工作區 ➔ 看見提示 ➔ 開啟任務 ➔ 完成任務。
⑥ 漏斗屬性:封閉且依序;每位成員在每個步驟至多計入一次。
⑦ 主要指標:7 日任務啟用率 = 7 日內完成任務人數 ÷ 邀請送達人數。
⑧ 輔助指標:步驟轉換率 = 達成下一步驟人數 ÷ 當前步驟人數。
⑨ 分群條件:首次進入工作區時採用的裝置類型。

事件字典清單卡片

① invite_delivered:邀請服務回報送達;記錄工作區識別碼、成員識別碼與時間戳記。
② invite_accepted:成員成功點擊並接受指定邀請。
③ workspace_entered:成員首次成功載入該工作區介面。
④ onboarding_viewed:起始導覽元件於螢幕上實際呈現完畢。
⑤ task_opened:成員由引導區塊點擊開啟一項任務檢視。
⑥ task_completed:成員將任務狀態更新為完成。

從商業問題、定義與事件字典建立漏斗

兩週模擬數據卡片

① 基準週表現:

  • 邀請送達:20 人
  • 接受邀請:16 人(轉換率 16÷20=80.0%)
  • 進入工作區:14 人(轉換率 14÷16=87.5%)
  • 看見提示:10 人(轉換率 10÷14=71.4%)
  • 開啟任務:7 人(轉換率 7÷10=70.0%)
  • 7 日完成任務:5 人(轉換率 5÷7=71.4%)
  • 整體啟用率:5÷20=25.0%

② 新版週表現:

  • 邀請送達:20 人
  • 接受邀請:17 人(轉換率 17÷20=85.0%)
  • 進入工作區:15 人(轉換率 15÷17=88.2%)
  • 看見提示:13 人(轉換率 13÷15=86.7%)
  • 開啟任務:10 人(轉換率 10÷13=76.9%)
  • 7 日完成任務:8 人(轉換率 8÷10=80.0%)
  • 整體啟用率:8÷20=40.0%

觀察結果顯示,新版週整體啟用率相較基準週增加 15.0 個百分點(計算式為 40.0% 減去 25.0%)。這屬於觀察資料的數值差異,後續需持續收集更多樣本以驗證表現。

定義任務的 Prompt

角色:你是一位專業的產品數據分析助理。
任務:接收原始資料前,請先將產品問題轉換為精確的分析規格。

輸入:
- 產品問題說明
- 流程步驟與事件字典
- 資料時間區間與已知條件

執行規則:
① 嚴格遵循既定事件名稱與指標計算公式,遇到定義模糊處標記【待確認】。
② 呈現所有比例時,同步列出分子與分母數據。
③ 描述觀察結果時,使用客觀數值差異語句,保留持續驗證的空間。
④ 優先輸出計算規格表,完成後才請求匯入數據資料。

輸出內容:
商業問題、分析單位、分析群體、分子、分母、時間窗口、漏斗順序、去重規則、分群維度、待確認問題清單。

範例輸出

商業問題:掌握新成員啟用路徑上的流失分佈,比較兩週表現差異。
分析單位:單一成員在指定工作區的首次啟用歷程。
分析群體:兩週各自納入的 20 筆邀請送達成員。
指標公式:啟用率=完成任務人數(分子)÷ 邀請送達人數(分母)。
時間範圍:加入後 168 小時內。
待確認清單:跨裝置登入之判定歸屬、測試帳號之名單標記。

明確的規格讓後續分析始終對齊真實商業目標,確保每項數字都具備堅實的依據。

人類需要檢查什麼

審核數據規格時,請依據以下清單逐一確認:

① 指標價值:確認當前指標確實代表產品的核心價值。
② 埋點完整度:檢查事件觸發時機是否與使用者的真實互動完全一致。
③ 去重正確性:確認跨裝置使用或重複點擊時,分子與分母維持一人一票的規則。
④ 比較基礎:檢視兩段期間的使用者來源與環境條件是否具備可比性。

Day 18 小結:每個比例都要有分母

把規則封裝成 Claude Code Skill

建立規格檢查技能檔:

.claude/skills/metric-definition/SKILL.md
---
name: metric-definition
description: 協助產品經理在讀取資料前固定欄位、事件、分母與時間窗,確保分析口徑精確一致。
---

請優先列出資料字典、分析單位、時間範圍、分母與待確認項目。
遇到欄位定義模糊時,暫停後續計算並列出需要釐清的問題清單。
清楚區分客觀觀察數據與後續待驗證假設,忠實呈現數值差異。

執行指令:

/metric-definition 請讀取 data/flowboard-onboarding.csv,建立分析口徑,並標記需要進一步釐清的欄位。

執行後終端機畫面會完整保留資料來源、口徑清單與待查項目:

口徑表標明資料檔名與每個欄位定義,定義不明的另列需要確認清單

今天的產出物

今天完成的成果是數據分析任務定義表與事件字典卡片。
每項數據比例都擁有清晰的分母與計算基準,讓團隊在展開深入分析前,已具備統一且可信的度量基礎。

參考資料


上一篇
Day 17 - 用 Claude Code 檢查 Demo 是否符合需求
下一篇
Day 19 - 用 Claude Code 找數據異常,專注客觀查證
系列文
今晚來點 Claude Skills:產品開發者的 AI 工作流 共 19 篇
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言