GA分析助手,你的營運長上線了

每天早上起床,我最期待的一件事,就是看到 GA 分析助手整理好的昨日報表。它會清楚告訴我用戶在哪裡卡關,讓營運長的智慧不再被瑣事淹沒。

GA分析助手,你的營運長上線了
GA分析助手,你的營運長上線了

每天早上起床,我最期待的一件事,就是看到它已經在那裡等我。

不是咖啡,是我的 GA 分析助手整理好的昨日報表。

這份報表會清楚告訴我,昨天一整天,用戶到底在哪裡卡關了。

一個漏斗,從訪客進站開始,到他們採取的每一個步驟,直到最後完成檔案輸出的完整過程,全部攤開來給我看。

包含購買在內的關鍵事件,它都會幫我分析,讓我知道該從哪裡下手改善。

以前我每天都在做什麼?

打開 Dashboard。

盯著數字看。

昨天的轉換率跟前幾天比,有沒有下降?

如果有下降,我還要再去撈更進一步的報表。

昨天轉換率最大的瓶頸點在哪裡?

針對這個瓶頸點,我們要怎麼改進才最有效率?

背後的原因是什麼?

用戶的背景是怎麼樣?

什麼樣的客群最容易購買?請幫我抓出關鍵客群。

這些問題,以前我一個一個問自己,一個一個去撈資料。

很累。

營運長的智慧,不該被瑣事淹沒

監控關鍵漏斗事件,是營運長每天最基本必須做的事情。

但真正彰顯智慧與價值的地方,是深度的洞察。

問題是,過往營運長要做這件事,他沒有那麼多時間。

他的智慧會被許多瑣事給淹沒住。

我們要的是清楚、可執行的洞察,而不僅僅是數據整理出來的一份報表。

這時候 AI 工具就太好了

因為它不會抱怨。

它的美感、設計與分析,可以讓你快速知道公司的狀況,並指引改進的方向。

總結一下,你可以這樣做:

第一,插入關鍵的漏斗事件以及購買。

第二,針對這些設定好一個 GA 的 Remote MCP。

第三,設定一個專案,讓這個 Context 只針對這件事情來處理。

如果可以的話,你還可以每天固定在早上,都叫它在一開始對話的時候,去摘要昨天的漏斗狀況,並提出分析建議與視覺化。

想要立即知道你的網站狀況?

歡迎來試用。

只要在下方留言「+1」,我就會傳送連結給你。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin