什么时候、以及怎么给你用 AI 做的应用加上数据分析

几周前，我认识的一位创始人上线了她的应用 —— 一个给小型普拉提工作室管理课程候补名单的工具。她用一个 AI 应用构建器，大概花了一周做出来。它在一个周四发了出去。周日她跟我说，她完全不知道有没有人在用它。

“你有多少注册量？""我不知道。""那些注册的人真的在用它吗？""我不知道。""有人卡在哪儿了吗？""我不知道。”

她不是粗心。她只是还没在应用里加数据分析。而且像很多非技术创始人一样，她想当然地以为自己会”晚点再加，等用户多了再说”。问题在于，“晚点”永远不会来，因为没有数据分析，你根本不知道有多少用户，所以你也判断不出”晚点”是什么时候。

如果你用一个 AI 应用构建器做了一个应用，正盯着它琢磨要不要加追踪，那这篇文章就是写给你的。我们会讲：什么时候开始、追踪什么、忽略什么，以及最简单的那种做法 —— 不用把自己变成一个搞数据的人。

最短的答案

在第一天、在你还没有任何用户之前，就给你用 AI 做的应用加上基础的数据分析。不是花哨的仪表盘。不是行为热力图。就三四样东西。我们待会儿讲是哪几样。

在上线前就做的理由纯粹是实际的：给一个零用户的应用加追踪，比把它事后改装到一个已经在跑、人们都在依赖的应用上，要容易得多。趁应用还小的时候，你的 AI 构建器能干干净净地把它接进去。一旦有真实用户在用它，每一次改动都感觉风险更大，你就会一拖再拖。

为什么人们跳过这一步、而又不该跳

非技术创始人跳过数据分析最常见的理由，是他们对自己用户太少感到难为情。他们想，等我不再为这个数字难为情了，我再加数据分析。 这恰恰反了。你正是要想办法走到一个不再让你难为情的数字。没有数据分析，你根本判断不出你做的任何事有没有用。

第二个理由是数据分析工具看起来吓人。你听到 “Google Analytics”、“Mixpanel”、“PostHog”、“Amplitude”，眼睛就发直了。这些工具大多是为那种十二个人的公司里、工作就是天天看图表的产品经理做的。你不需要那个。你需要知道四样东西，而几乎任何工具都能告诉你那四样。

第一天要追踪的四样东西

如果你用 AI 做的应用跟我见到的那些差不多 —— 一个小 SaaS、一个内部工具、一个交易市场、一个目录、一个细分产品 —— 那下面这四个数字，才是起步阶段真正要紧的。

1. 有多少人来到这个应用

这是最简单的一个。就是”今天有多少独立的人访问了首页”。大多数数据分析工具，在你装上它的那一刻就免费给你这个。它是其他一切的分母。

你会忍不住痴迷地盯着这个数字看。别。它一天一个样，很吵。看每周的趋势。

2. 这些人里有多少注册了（或者迈出了你那”第一个真正的步骤”）

无论你的应用要求的第一个承诺是什么 —— 注册、开始免费试用、创建第一个项目、预约一次演示 —— 在它发生时追踪它。这是你的转化事件。

如果你上线时有 100 个访客、4 个注册，那你的注册率就是 4%。这是一个你现在可以设法去推动的数字。如果你上线时有 100 个访客、却完全不知道有多少人注册了，那你就没有任何可以优化的东西。

3. 这些人里有多少在第二天（或下一周）回来了

这是没人在早期追踪、却最重要的那个数字。它叫留存，而对用 AI 做的应用来说，它往往是那个悄悄告诉你”你是有了个真东西，还是只做了个用一次的新鲜玩意儿”的指标。

这里你不需要任何花哨的东西。就是：这周注册的人里，有多少在下一周回来并做了点什么？如果答案接近于零，那你有一个问题，多少首页流量都修不好它。

4. 人们在哪里流失

如果你有任何一种流程 —— 注册、引导、第一个任务、结账 —— 就追踪每一步。不是每一次点击。只追踪那些有名字的步骤。这样你就能看到：100 个人开始注册，80 个填了邮箱，50 个确认了，20 个到了仪表盘。

那个漏斗，是你给用 AI 做的应用所能拥有的、单单一件最有用的调试工具，因为它精确地告诉你该把注意力放在哪儿。如果 100 个人开始注册、80 个填了邮箱、却只有 50 个确认，那你有一个邮件问题（也许确认邮件进了垃圾箱，也许它根本没发出去）。现在你有了一件具体的事，可以拿去让你的 AI 构建器修了。

该忽略什么

下面是你刚起步时不该追踪的，因为它会浪费你的时间，让你觉得自己该比实际需要做得更多：

• **每一次按钮点击。**你不需要知道有 14 个人点了”关于”链接。你永远用不上这个数据。
• **页面停留时间。**听着很有意义，其实没有。一个人开着标签页去吃午饭，会被算成”专注了 20 分钟”。
• **跳出率。**对内容型网站是真有用；对应用形态的产品基本是噪音。
• **A/B 测试。**在你每个变体每周有几百个用户之前，别做这个。你没法用八个用户做 A/B 测试。
• **人口统计、滚动深度、热力图。**最终会有用。现在没用。

一条经验法则：如果一个指标不会改变你这周要做的某个决定，那就先别追踪它。

怎么实际把它加上去（非技术版）

大多数 AI 应用构建器把这件事做得简单到几乎可疑。你给构建器一句话，比如：

“加上数据分析追踪。用 [工具名]。追踪：有人访问首页时、他们注册时、他们回来并登录时，以及引导流程的每一步。”

如果你用的是 PostHog 或 Plausible 这样的工具，它们会生成一小段代码（一两行），放进应用的 head 里。你的 AI 构建器能替你把它粘进去。如果你用 Google Analytics，也一样 —— Google 给你一段代码，你把这段代码给你的构建器，你的构建器装上它。

对于那些有名字的事件（注册、登录、引导步骤），你是用大白话描述它们的。“当用户成功填完注册表单时，发一个叫 signup_completed 的事件。“代码由构建器来写。不用你写。

给一个全新的、用 AI 做的应用，我会考虑这三个工具，按顺序：

1. Plausible —— 极其简单、对隐私友好、有一个干净的仪表盘。是从”零数据分析”到”有用的数据分析”最短的那条路。每月大约 $9。
2. PostHog —— 免费额度相当慷慨，更强大，让你不用离开仪表盘就能做漏斗和留存。一旦你有了一个真正的漏斗要追踪，它就值得。
3. Google Analytics 4 —— 免费、无处不在、学起来很痛苦。如果你要做营销、需要它的集成，那就用它。否则就跳过。

挑一个。别装两个。两个数据分析工具，就是两倍的工作量、零倍的洞察。

真正能回本的那个纪律

下面这件事，能把数据分析从一个虚荣的把戏，变成一个有用的工具：你得按一个固定的节奏去看它。

每周一次，坐下来花 15 分钟，回答四个问题：

1. 这周有多少人访问，跟上周比怎么样？
2. 有多少人注册了？
3. 上周注册的人里，有多少回来了？
4. 人们在流程的哪一步流失了？

就这些。别想着去”探索数据”。别打开十份报告。回答这四个问题，把数字写进一个笔记应用或一个表格里，然后往前走。四周之后，你会看到趋势。八周之后，你会知道你哪些改动起了作用、哪些没有。

我在文章开头提到的那位创始人，在我们聊完后的那个周一，给她的普拉提工作室应用加上了 Plausible。她花了大概 20 分钟 —— 其中大部分时间花在告诉 AI 构建器给那些事件起什么名字上。两周后，她能笃定地告诉我：她最好的三个注册来自一位客户发的一条 Instagram 帖子，没人完成引导是因为第三步太早就要求填支付方式了，而在她那 11 个活跃工作室里，有 7 个至少回到应用三次了。在她加上数据分析之前，这些事实一个都不存在。而它们全都改变了她接下来的做法。

你不需要一个有 40 张图表的仪表盘。你需要知道这东西是不是活着的。把那四个数字加上去。每周看一次。剩下的都可以等。