AE 分析模型调用
不知道用哪个 AE 分析模型？智能识别分析意图，基于真实埋点元数据推荐最适合的模型，并输出精确的事件与属性配置方案。
数据分析
异常诊断全行业AE 分析模型智能推荐与配置是 ThinkingAI 行业 Skill 库中的一项数据工程能力，帮助分析师在面临"该用哪个模型做分析"的困惑时，智能识别分析意图，基于 AE 系统真实埋点元数据推荐最适合的分析模型，并输出精确的事件与属性映射配置方案，避免选错模型或配置不当导致分析结果偏差。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
pvp_battle、register、payment、guide_step 均在埋点方案中guide_step 缺步骤标识属性，已给出补埋与 SQL 两种方案四个需求逐条对上了模型：分布、间隔、事件、漏斗各一个，配置方案全部基于真实埋点元数据校验过，其中需求①我已经直接配置跑完了。
一、四个需求的模型映射
| 业务问题 | 推荐模型 | 为什么不是别的 | 关键配置 |
|---|---|---|---|
| ① 付费 vs 未付费的 PVP 次数差异 | 分布分析 | 事件分析只能看总量与均值，比较「分布形态」要用分布 | 事件 pvp_battle，按标签「付费状态」分组 |
| ② 注册到首次付费的间隔 | 间隔分析 | 漏斗只看转化率，不回答「隔了多久」 | 初始事件 register，后续事件 payment |
| ③ 版本后核心玩法参与变化 | 事件分析 | 趋势对比场景，不涉及分布或队列逻辑 | pvp_battle 触发用户数，按 #app_version 分组 |
| ④ 新手引导每一步流失 | 漏斗分析 | 留存看回访，不看步骤序列 | guide_step 按步骤排序，窗口期 1 天 |
二、需求①已经直接跑出结果
分布分析执行结果：已付费用户每日 pvp_battle 次数中位数 5 次，未付费用户 2 次；分布形态上，付费用户 61.3% 落在 4–8 次区间，未付费用户 57.8% 集中在 0–2 次。核心玩法参与深度与付费高度相关——「拉 PVP 参与 → 促付费」的运营假设有数据支撑。
三、需求④有一个埋点缺口
guide_step 事件没有步骤标识属性，漏斗无法按步骤严格排序。两个选项：补埋 step_id 属性（推荐，一次性解决）；或临时用 SQL 按 #event_time 排序近似还原步骤——能出数，但引导流程改版后步骤顺序会失真，只适合过渡。
行业痛点
AE 系统提供 10+ 种分析模型，但超过 60% 的分析师面对具体需求时需要花 30 分钟以上纠结模型选择。更严重的是选错模型导致的隐性偏差，同一业务问题用不同模型得出的口径完全不同，约 40% 的选错模型案例中分析结论偏差超过 30%。配置层面的问题同样隐蔽：选对模型但配错事件或属性，结果仍然失真。
核心价值
- 智能意图识别：根据用户描述的分析场景自动判断最适合的模型类型，而非让用户在 10+ 模型中手动选择
- 基于真实元数据配置：查询 AE 系统埋点元数据确保事件名和属性名真实存在，杜绝猜测或虚构字段名
- 字段缺失时提供替代方案：当所需字段不存在时自动推荐 SQL 替代方案或埋点补全建议，不让分析需求卡死
适用场景
分析需求明确但不知道该用哪个 AE 模型
知道要用哪个模型但不确定如何配置事件和属性
多个模型都能满足需求时需要对比选择最优方案
现有埋点字段不满足分析需求时的补全建议
新分析师快速上手 AE 系统的模型选择与配置指导
实战案例
常见疑问
这个 Skill 是推荐模型还是帮配置模型？
两者兼顾：先推荐最适合模型，再基于真实元数据输出事件名、属性名、分组维度、过滤条件等配置方案。
如果埋点字段缺失怎么办？
Skill 会明确标注缺失字段，并提供 SQL 查询替代或埋点补全建议。
多个模型都适用时怎么选？
Skill 会列出每个模型的优势与局限，并基于分析目标优先级推荐最优方案。
相关 Skills 推荐
用「AE 分析模型调用」武装你的 Agent
预约演示，看看它如何在你的业务场景中落地
