用途
behavioural-analytics 是一个面向设计师的行为分析技能。它的目标是用设计师的方式阅读产品数据：不是证明某个问题存在，而是定位问题所在。
它接收他人已经埋点采集的漏斗、留存曲线或事件流，产出一份按优先级排序的假设清单，说明设计在哪里失效，以及什么观察能证实或推翻每个假设。它不负责定义指标——那已经完成；也不负责运行实验。它只决定下一步值得看什么。
主要能力
在信任数字之前先排除异常
技能指出，大多数令人意外的数字在被解读出意义之前，往往先是错的。在形成任何设计假设前，需要先排除以下情况：
- 事件名称与实际含义不符。例如 checkout_completed 可能在渲染时触发，而不是在支付时触发。应阅读埋点定义，而不是只看标签。
- 分母发生变化。转化率下降但分子不变，是获客变化，不是设计变化。
- 步骤并不是强制的步骤。漏斗暗示了一个产品并不强制的顺序。如果用户可以跳过、返回或中途进入，所谓“流失”往往只是漏斗看不见的路径。
- 同一日期上有发布、节假日或营销活动。在把问题归因于界面前，先对齐部署记录和营销活动。
- 平台拆分掩盖了效果。总体几乎不变的数字，常常掩盖了某一平台下降而另一平台上升。
只有通过以上全部排查的数字，才值得作为设计依据。通不过的，是一个数据问题；把它当作设计问题来回答会浪费周期。
读取数据形状
形状比数值本身携带更多信息：
- 某一步出现断崖：有东西在阻塞——一个要求、一个错误，或需要用户尚未拥有的信息。
- 多个步骤呈缓坡：没有阻塞，只是流程太长。只删掉一步影响有限。
- 留存先降后平：存在真实的核心用户群，但首次运行体验差。平稳部分是产品在正常运作。
- 留存持续下降：还没有核心用户群。仅靠优化新手引导救不回来，问题出在价值主张。
- 任务时长呈双峰：同一流程中有两类人群在做不同的事。应先分群再设计，否则会为一个谁都不符合的平均值设计。
从形状到假设
技能强调，假设只有能排除某些可能时才有用。例如“用户在第三步感到困惑”什么都排除不了；而“用户放弃第三步，是因为地址表单拒绝有效的非英国邮编”能预测特定人群中的特定错误率，如果该错误率平稳，假设即被干净地推翻。
每个假设需要说明：适用人群、能推翻它的观察、以及答案需要的是已有数据、会话回放还是访谈。排序依据应是推翻成本的高低，而不是主观可能性。
使用方式
将他人埋点的漏斗、留存曲线或事件流交给该技能，它会产出一份按优先级排序的假设清单，并标注每个假设的适用分群、推翻条件以及所需证据类型。它不定义指标，也不运行实验。
适用场景
- 收到并非自己埋点的产品数据，需要判断设计问题出在哪里。
- 面对漏斗或留存曲线，需要形成可验证的设计假设。
- 需要区分真实设计问题与埋点统计假象。
限制
- 不定义指标。
- 不运行实验。
- 不用于在数字与访谈冲突时判断哪一方正确；该任务属于 qual-quant-triangulation。
最佳实践
- 先看分群再看平均；总体值等于声称所有人行为一致。
- 在给出结论的同时说明信心程度及原因。
- 优先选择仍能回答问题的尽量小的同期群——大数字会掩盖机制。
- 不核对当周上线内容，不要从图表中读出步骤变化。
- 不把统计显著等同于幅度大；设计之前先问它值多少。
暂未提供
关于该技能的收费方式、价格、平台支持、具体效果或详细安装步骤，资料中暂未提供。